کاربرد سامانه های توصیه کننده در تکوین ربات های هوشمند مالی: رویکرد نگاشت دانش (مقاله پژوهشی دانشگاه آزاد)
درجه علمی: علمی-پژوهشی (دانشگاه آزاد)
آرشیو
چکیده
اهداف: شناخت مشتریان و ارائه پیشنهادهای سرمایه گذاری شخصی به آنها جنبه ای ضروری از یک استراتژی مشورتی سودمند و مؤثر است. بسیاری از خانوارها برای راهنمایی سرمایه گذاری به مشاوران مالی اعتماد می کنند. تجزیه و تحلیل داده های هوشمند یکی از زمینه های هوش مصنوعی است که مسئله یادگیری سیستم های اتوماتیک را بدون برنامه صریح حل می کند. شرکت های مالی دریافته اند که باید خودشان را به سرعت با محیط سازگار و با استفاده از سیستم های خودکار در هزینه و دقت توصیه های مالی به سرمایه گذاران صرفه جویی کنند. در سال های اخیر نوعی مشاوره مبتنی بر فناوری به عنوان روش جایگزین با نام مشاوره روبو معرفی شده است. مشاوره روبو توصیه گری مالی است که از طریق الگوریتم های یادگیری ماشینی برای تجزیه و تحلیل خودکار سطح ریسک محصول مالی و ارائه سبد سرمایه گذاری پیشنهادی کمک می کند. ربات های هوشمند، پلتفرم های دیجیتالی هستند که خدمات برنامه ریزی مالی و سرمایه گذاری را مبتنی بر الگوریتم و به طور خودکار ارائه می دهند.روش: در این پژوهش با استفاده از روش نگاشت دانش به مرور سیستماتیک پژوهش های انجام شده درخصوص ربات های هوشمند توجه شده است. سپس مرتبط ترین پژوهش ها در این زمینه شناسایی و طبقه بندی آنها براساس مقالات، نویسندگان، مجلات، مؤسسات و کشورها انجام شده است.نتایج: در انتها چارچوبی به منظور طراحی ربات های هوشمند در ایران پیشنهاد شده است. این پژوهش دیدی کلی به پژوهشگران درخصوص روند پژوهش های انجام شده و اهمیت موضوع می دهد. روش نگاشت دانش با ارائه اطلاعات کمی و دقیق، نویسندگان را در بهبود کیفیت مقاله ها، تحلیل تأثیر آنها و انتخاب بهترین راهکار در نگارش مقالات علمی یاری می کند.Application of recommendation systems in the development of Robo Advisors: A Bibliometrics Method
Recognizing customers` requests and offering them personal investment suggestions is an essential aspect of a useful and effective consulting strategy. Many households trust financial advisors for investment guidance. Intelligent data analysis is one of the fields of artificial intelligence that solves the problem of learning automated systems without an explicit program. Financial companies have found that they need to adapt quickly to the environment and use automated systems to save money on the cost and accuracy of financial advice to investors. In recent years, a type of technology-based counseling has been introduced as an alternative to Robo Advisors. Robo Advisors is a financial advisor who can assist through machine learning algorithms to automatically analyze the financial product risk level and provide portfolio advice. Robo Advisors are digital platforms that offer algorithm-based and automated financial planning services such as investing. In this study, a systematic review of the empirical studies done on Robo Advisors is given and at the end, a proposed framework for designing Robo Advisors is presented.Keywords: Recommender Systems, Robo Advisors, Consulting, Wealth Management, Bibliometrics Method IntroductionThe objective of this study is to understand customers` requests and provide personalized investment recommendations to them, which is an essential component of an influential advisory strategy. Families and investors trust financial advisors for guidance in the field of investment. In the modern world, to leverage artificial intelligence data, financial companies must adapt to a compatible environment and provide financial recommendations more accurately and efficiently through their automated systems. Recently, a technology-based alternative form of consultation called "robo-advisory" has emerged. Robo-advisory is a financial recommendation system that analyzes the risk levels of financial products and offers recommended stock portfolios through machine learning algorithms. These intelligent digital platforms provide financial planning and investment services based on algorithms and do so automatically.MethodologyThis study employs A Bibliometrics Method to investigate studies conducted in the field of intelligent robots, providing an overview of robo-advisory research over the past decade. The Bibliometrics Method is a powerful tool in systematic reviews and scientific data analysis, assisting authors in receiving quantitative feedback on their studies. It automatically collects bibliometric and scientometric data from various sources and analyzes them. By using bibliometrics, authors can obtain important information such as the number of papers related to the topic, citation counts, references, collaborative network diagrams, and academic growth over time. The results are derived from data from sources like Scopus, WoS, and are subject to analysis. The main aim of this study is to utilize Bibliometrics Method tools and highlight various indicators currently used in the literature.In this study, the Bibliometrics Method is employed systematically to investigate empirical studies conducted in the field of intelligent robots. Additionally, this study identifies and categorises the most relevant studies in this domain based on articles, authors, journals, institutions, and countries. ResultsRobo-advisors hold significant importance in the financial sector, as these systems possess the capability to analyze data accurately and logically. They assist individuals in making better, information-based financial decisions. In other words, robo-advisors are powerful tools for enhancing the efficiency and practicality of wealth management and investment. As a final outcome, a proposed framework for designing intelligent robots in Iran is presented. This research can help enhance the knowledge of researchers regarding research trends and the importance of these issues. The Bibliometrics method, by providing precise and quantitative information, aids authors in improving the quality of their stdies, analyzing their impact, and selecting the best solutions in scientific writing.