Економіко-математичне моделювання реалізації проєктів цифрових валют центральних банків засобами машинного навчання

Abstract

У сучасних умовах стрімкої цифрової трансформації фінансового сектору цифрові валюти центральних банків стали одним із широко обговорюваних явищ у сфері грошово-кредитної політики та фінансових інновацій, втім реалізація CBDC-проєктів є складним процесом, який залежить від багатьох економічних, технічних, соціальних і регуляторних факторів. Метою кваліфікаційної роботи є побудова та інтерпретація моделей машинного навчання для аналізу факторів, що впливають на реалізацію цифрових валют центральних банків (CBDC) і визначення ключових характеристик успішних проєктів. Об’єктом дослідження є цифрові валюти центральних банків, що перебувають на різних етапах впровадження (від початкових етапів дослідження до повного запуску). Предметом дослідження є фактори реалізації CBDC-проєктів та методи машинного навчання для їх аналізу. У роботі побудовано три класифікаційні моделі (випадковий ліс, метод опорних векторів, нейронна мережа), здійснено інтерпретацію їх результатів за допомогою SHAP-аналізу та визначено найбільш впливові чинники реалізації CBDC-проєктів: тип цифрової валюти, часові характеристики проєкту та рівень розвитку цифрової інфраструктури країни.In today’s context of rapid digital transformation in the financial sector, central bank digital currencies (CBDCs) have become one of the most discussed phenomena in the field of monetary policy and financial innovation. However, the implementation of CBDC projects is a complex process influenced by numerous economic, technical, social, and regulatory factors. The aim of this qualification thesis is to develop and interpret machine learning models to analyze the factors influencing the implementation of CBDCs and to identify the key characteristics of successful projects. The object of the study is CBDCs at various stages of implementation (from initial research to full deployment). The subject of the study includes the factors influencing CBDC project implementation and the machine learning methods used to analyze them. The thesis presents three classification models (Random Forest, Support Vector Machine, and Neural Network), interprets their results using SHAP analysis, and identifies the most influential factors in CBDC implementation: the type of digital currency, the timeline of the project, and the level of digital infrastructure development in the country.