ГІБРИДНА НЕЙРОМЕРЕЖЕВА АРХІТЕКТУРА МОДЕЛЮВАННЯ СОЦІАЛЬНО-ЕКОНОМІЧНИХ СИСТЕМ В УМОВАХ ЕКЗОГЕННИХ ГЕОПОЛІТИЧНИХ ШОКІВ

Анотація

Мета статті полягає у теоретичному обґрунтуванні та детальному описі концептуальної гібридної нейромережевої архітектури, що інтегрує аналіз великих мовних моделей (LLM), довгої короткочасної пам’яті (LSTM) та агентно-орієнтованого моделювання (ABM) для підвищення точності ідентифікації фазових переходів у складних соціально-економічних системах (ССЕС) в умовах воєнної агресії та економічної нестабільності.

Методологія дослідження ґрунтується на синтезі методів нелінійної динаміки, теорії складних систем та сучасного машинного навчання. Застосовано теоретичний аналіз наукових концепцій (від стилізованих фактів Б. Мандельброта та С. Тейлора до сучасних архітектур Transformer), методи математичної формалізації та архітектурного проєктування нейромережевих систем. Для опису поведінки суб'єктів ринку використано апарат агентно-орієнтованого моделювання із функцією формування очікувань на основі когнітивних сигналів LLM.

Результати. Запропоновано тривимірну концепцію моделювання ССЕС, що охоплює: (1) перцептивний рівень — когнітивну екстракцію геополітичних наративів через LLM з механізмом Chain-of-Thought; (2) аналітичний рівень — виявлення рекурентних закономірностей у часових рядах через LSTM із функціями вентилів забування та запам'ятовування; (3) поведінковий рівень — моделювання емерджентної взаємодії гетерогенних агентів. Ключовим внеском є авторська операторна функція синтезу Yₜ = f(TSₜ, Sentₜ, Behₜ; Θ), реалізована через Fusion-шар — повнозв'язну нейронну мережу, що динамічно зважує внески кількісних ринкових індикаторів (TSₜ), когнітивного сентименту (Sentₜ) та поведінкового вектору (Behₜ) у формування підсумкового прогнозу. Показано, що нелінійна агрегація цих компонентів дозволяє відтворювати ефект резонансу — ситуацію, коли геополітичний шок підсилюється паніки агентів на фоні вже існуючої волатильності, що принципово неможливо у традиційних адитивних економетричних моделях.

Наукова новизна полягає у розробці першої комплексної архітектури, яка, на відміну від наявних підходів (ML-ансамблі, ізольовані LLM, автономні ABM), поєднує всі три парадигми на рівні векторних представлень (embeddings), а не простого усереднення результатів. Це усуває ключову прогалину сучасної літератури: відсутність інтегрованого інструментарію для одночасного врахування «жорстких» (цінові ряди), «м’яких» (геополітичні наративи) та «мікроповедінкових» (емерджентність агентів) даних при ідентифікації точок біфуркації в ССЕС.

Практична значущість запропонованої архітектури полягає у можливості розроблення на її основі систем раннього попередження для фінансових регуляторів та інституційних інвесторів. Побудований «цифровий двійник» ССЕС дозволяє ідентифікувати критичні стани до настання кризової фази, що уможливлює формування превентивних стратегій управління системними ризиками в умовах геополітичної турбулентності, зокрема в контексті повномасштабного збройного конфлікту та пов’язаних з ним глобальних економічних трансформацій.