Модель гнучкої алокації активів у банківських інвестиціях: емпіричне дослідження торгових циклів і ринкових очікувань

Abstract

UA: В умовах фінансової турбулентності та підвищеної чутливості інвестиційного середовища до зовнішніх шоків підвищення ефективності інвестиційної діяльності банку набуває особливої ваги. Традиційні підходи до формування портфеля, орієнтовані лише на співвідношення ризику й дохідності, виявляються недостатніми в умовах зростаючої волатильності ринку. Запропоновано адаптивну модель оптимізації портфеля з урахуванням інерційної природи цін, лагів між торговими фазами, еластичності попиту та поведінкових чинників. Проведене моделювання торгових циклів доводить, що збільшення попиту в першому циклі спричиняє зростання ціни в другому, зростання пропозиції в третьому та її зниження в четвертому. Модель забезпечує гнучке розміщення активів, знижує витрати на формування портфеля та підвищує стійкість до ринкових флуктуацій. /// EN: Amid escalating turbulence in financial markets and increasing sensitivity of the investment environment to exogenous shocks, enhancing the efficiency of banks’ investment activities has become particularly critical. Conventional portfolio construction approaches primarily focused on risk and return are found to be insufficient in the context of heightened market volatility driven by fluctuations in demand, supply, and investor expectations. The inertial nature of prices, induced by temporal lags between phases of market activity, necessitates a revision of existing strategic investment models. This study applies a structural-functional framework, empirical modeling techniques, lag structure analysis, and behavioral finance models to investigate investment performance across four trading cycles. A simulation of banking investment behavior was conducted with a focus on the interdependencies among demand dynamics, supply adjustments, and price evolution. An adaptive model for optimizing portfolio structure was developed, incorporating the multiplicative effects of demand on subsequent market pricing. The findings reveal that a bank-induced increase in demand during the first trading cycle leads to a price surge in the second, triggers supply growth in the third, and ultimately causes a price decline in the fourth cycle. Under the scenario of purchasing 83,000 securities in the first cycle and 124,000 in the fourth, the bank achieved an economic gain of USD 2,439 at a market price of $31.78 in the final cycle. The proposed model facilitates flexible asset allocation and enables cost minimization in portfolio formation. The research confirms that banking investment efficiency significantly improves when behavioral market factors, temporal demand structure, and price inertia are properly accounted for. An institutional investor is shown to be capable of influencing market dynamics and leveraging them for strategic portfolio optimization. The practical value of the model lies in its adaptability to market f luctuations, thereby enhancing the resilience and performance of bank investments.