Efficiency of evolutionary algorithms in solving optimization problems on the example of the fintech industry

Abstract

The pandemic has forced companies to reorganize their business processes at an accelerated pace. They are now focusing more on web-based products and working with customers in the virtual space. The financial technology (FinTech) market is growing and becoming more diversified every day. According to financial news portal Market Screener, the global FinTech market will reach a value of $26.5 trillion in 2022, with an average annual growth rate of 6%. In Europe alone, FinTech use increased by 72% in 2020. Competition in this segment is also intensifying: over 26,300 startups entered the market in the first eleven months of 2021 - twice as many as three years ago. As competition for customer acquisition and loyalty intensifies, FinTech companies must reach a much wider audience, optimally distributed across increasingly large geographic markets. Monitoring and managing business operations is becoming more and more complex due to the constant growth of customer accounts and financial transactions. Therefore, there is a growing need for new solutions that can overcome the challenges associated with financial IT systems. The focus should be on algorithms and methods that allow FinTech companies to optimize all stages of operations — from customer acquisition to payment processing and payout forecasting. In all aspects of operations, the tolerance for errors, unexpected failures or downtime is minimal, and optimizing performance is a key factor for success. The rapid development of the industry generates huge volumes of structured and unstructured big financial data about customers, payments and internal business processes. Deep analytics hidden in this data allow companies to optimize payment approval levels, reduce operational costs, minimize fraud risks, increase customer retention and accelerate revenue growth. This, in turn, ensures the acquisition of competitive advantages for both FinTech corporations and companies at the regional and global levels, which is especially important in times of crisis. The article comprehensively examines the following topical issues: problems, features and prospects for solving optimization problems in modern conditions; critical aspects of the theory and practice of evolutionary computing (in particular in financial management); the specifics of the effective use of genetic algorithms in information systems of FinTech companies. The above trends and features of the application of evolutionary computing in general and genetic algorithms in particular should be taken into account in further scientific research, practical developments and real projects on the implementation of Data Mining and Artificial Intelligence technologies in information systems of FinTech companies. Пандемія змусила компанії в прискореному режимі перебудовувати бізнес-процеси. Нині вони приділяють більше уваги вебпродуктам і роботі з клієнтами у віртуальному просторі. Ринок фінансових технологій (FinTech) щодня зростає та стає більш диверсифікованим. За даними фінансового новинного порталу Market Screener, глобальний ринок FinTech досягне вартості 26,5 трлн доларів США у 2022 році зі середньорічним темпом зростання 6%. Лише в Європі використання FinTech збільшилося на 72% у 2020 році. Конкуренція в цьому сегменті також посилюється: за перші одинадцять місяців 2021 року до ринку долучилися понад 26 300 стартапів — удвічі більше, ніж три роки тому. У міру того, як конкуренція за залучення та лояльність клієнтів посилюється, компанії FinTech мають охоплювати значно ширшу аудиторію, оптимально розподілену на дедалі більших географічних ринках. Моніторинг і управління бізнес-операціями ускладнюються через постійне зростання кількості клієнтських рахунків і фінансових транзакцій. Тому зростає потреба в нових рішеннях, які можуть подолати виклики, пов’язані з фінансовими IT-системами. У центрі уваги мають бути алгоритми та методи, що дозволяють FinTech-компаніям оптимізувати всі етапи діяльності – від залучення клієнтів до обробки платежів і прогнозування виплат. У всіх аспектах діяльності допуск до помилок, несподіваних збоїв або простоїв є мінімальним, а оптимізація продуктивності – ключовим чинником успіху. Стрімкий розвиток галузі породжує величезні обсяги структурованих і неструктурованих великих фінансових даних про клієнтів, платежі та внутрішні бізнес-процеси. Глибинна аналітика, прихована в цих даних, дає змогу компаніям оптимізувати рівні схвалення платежів, знижувати операційні витрати, мінімізувати ризики шахрайства, підвищувати утримання клієнтів та пришвидшувати зростання доходів. Це, у свою чергу, забезпечує здобуття конкурентних переваг як для FinTech-корпорацій, так і для компаній на регіональному та глобальному рівнях, що є особливо важливим у кризові періоди. У статті комплексно досліджено такі актуальні питання: проблеми, особливості та перспективи розв’язання задач оптимізації в сучасних умовах; критичні аспекти теорії та практики еволюційних обчислень (зокрема у фінансовому менеджменті); специфіку ефективного використання генетичних алгоритмів в інформаційних системах FinTech-компаній. Зазначені тенденції та особливості застосування еволюційних обчислень загалом і генетичних алгоритмів зокрема слід враховувати у подальших наукових дослідженнях, практичних розробках та реальних проєктах щодо впровадження технологій Data Mining та Artificial Intelligence в інформаційні системи FinTech-компаній.