A mesterséges intelligencia, az adattudomány és a komplex rendszermodellezés egyre meghatározóbb szerepet játszik a pénzügyi szektor technológiai fejlődésében. A K&H STEM pályázat lehetőséget teremt az egyetemi hallgatók számára, hogy bemutassák az ilyen területeken végzett munkájukat, és innovatív megoldásokon keresztül közelítsenek valós gazdasági kihívásokhoz. 

Az egyik díjazott kutatás különösen aktuális témát dolgoz fel: a tőzsdei folyamatok nemcsak a szakemberek, hanem a mindennapi élet szempontjából is fontosak, hiszen hatással vannak a megtakarításokra, a nyugdíjalapokra és a gazdaság stabilitására.

A pénzügyi piacok mĹąködését nem csupán számok határozzák meg, hanem az emberek döntései, várakozásai és egymásra adott reakciói is. A kutatás azt vizsgálja, hogyan alakul ki a befektetők közös iránya vagy hangulata, és miért reagálhatnak sokan hasonló módon bizonyos helyzetekben. Ez a megközelítés segíthet abban, hogy reálisabban és tudatosabban értelmezzük a pénzügyi folyamatokat, valamint jobban megértsük a gazdaság emberi oldalát.

Az eredmények a kisbefektetők számára is hasznos tanulságokkal szolgálnak. Rávilágítanak például arra, mi állhat a hirtelen árfolyam-ingadozások mögött, illetve miért születnek gyakran hasonló befektetési döntések egy-egy piaci helyzetben. Az ilyen ismeretek hozzájárulhatnak ahhoz, hogy a lakossági befektetők tudatosabban kezeljék megtakarításaikat, felismerjék a piaci hangulat befolyását, és hosszabb távon kiegyensúlyozottabb pénzügyi stratégiát alakítsanak ki.

Somlai Dóra, a Budapesti Corvinus Egyetem hallgatójának kutatása a magyar tőkepiac mĹąködését elemzi egy reflexív, ügynökalapú szimulációs modell segítségével. A modell virtuális befektetők hálózatát vizsgálja, és azt elemzi, miként befolyásolják a piaci folyamatokat a várakozások, az egymásra ható döntések és a kollektív hangulat. A kutatás többféle technológiai megközelítést ötvöz: valós tőzsdei idősorokra épít, hálózati viselkedésmodellezést alkalmaz, valamint tanuló algoritmusokkal optimalizálja a döntési szabályokat. A genetikus algoritmus evolúciós módon hangolja a paramétereket, így a szimuláció képes feltárni az önmagukat erősítő mechanizmusokat, amelyek a piaci volatilitás és a kollektív viselkedés mögött állhatnak. Az ilyen modellek hosszú távon hozzájárulhatnak a pénzügyi rendszerek stabilabb mĹąködéséhez és a piaci folyamatok pontosabb előrejelzéséhez, ami mindenki számára fontos, akinek megtakarításai vagy befektetései kapcsolódnak a gazdaság teljesítményéhez.

Az idei pályázat több olyan kutatást is felvonultatott, amelyek a modern informatikai módszereket valós gazdasági adatokkal ötvözik. Ezek jól mutatják, hogy az egyetemi kutatások egyre szorosabban kapcsolódnak azokhoz a technológiai területekhez – például az adattudományhoz, a mesterséges intelligenciához és a komplex rendszerek modellezéséhez –, amelyek a pénzügyi szektor digitális átalakulását formálják.

„A STEM pályázat számunkra nemcsak tehetséggondozási program, hanem egy olyan szakmai platform is, ahol láthatóvá válik, hogyan gondolkodik a következő generáció technológiai kérdésekről. Egyre több hallgató dolgozik adattudományi, mesterséges intelligencia- vagy komplex rendszermodellezési projekteken, amelyek szorosan kapcsolódnak a vállalati IT világának kihívásaihoz. A K&H számára ezért kiemelten fontos az egyetemi innovációs közeggel való kapcsolat. Informatikai szervezetünk mára a bank egyik kulcsterületévé vált: fejlesztéseink jelentős része házon belül zajlik, és olyan digitális megoldásokon dolgozunk, mint a mobilbanki alkalmazások, az ügyfélélményt támogató rendszerek vagy a banki ökoszisztéma technológiai platformjai. A K&H IT egyfajta szakmai mĹąhelyként mĹąködik, ahol kollégáink modern projekteken, inspiráló és tapasztalt szakemberekkel együtt dolgozhatnak. Emellett nagy hangsúlyt fektetünk a folyamatos fejlődésre: széles körĹą képzési lehetőségeket, átlátható karrierutakat és akár projektváltási lehetőségeket is kínálunk, hogy mindenki megtalálhassa a számára leginkább megfelelő technológiai területet” – mondta Ozorai Dénes, a K&H IT vezetője.

English Summary

Artificial intelligence, data science, and complex systems modeling are playing an increasingly important role in the technological evolution of the financial sector. A recent student research project explores how investor behavior, expectations, and collective sentiment shape stock market dynamics, using an agent-based simulation model built on real market data. By combining network modeling and machine learning techniques, the study reveals how self-reinforcing processes can drive market volatility and collective decision-making. The findings offer valuable insights not only for financial professionals but also for everyday investors, helping them better understand sudden market movements and behavioral patterns. In the long run, such approaches may contribute to more stable financial systems and more accurate market predictions.