Финансовый сектор в настоящее время наиболее подвержен компьютеризации. Компьютеры и сети обеспечивают обработку, передачу и хранение финансовых данных, манипулирование транзакциями и прогнозирование курсов финансовых инструментов. Информацию и знания этой отрасли, в силу их абстрактности, проще преобразовывать и обрабатывать, применяя напрямую математический аппарат. Это объясняется тем, что наука о финансах была полностью придумана человеком и не описывает никаких природных или физических явлений, для изучения которых необходимо ставить опыты и эксперименты, а также тщательно обрабатывать данные наблюдений для создания наиболее приближенных к действительности теорий. Широкое распространение в финансовой области получили математические методы обработки и прогнозирования, построенные на основе нейронных сетей.

Сейчас нейросетевые технологии, применяемые в финансовом анализе, перестали быть модной экзотикой и не вызывают недоумение специалистов. От вопросов “ а нужно ли это? ” аналитики, ответив “да, нужно!” постепенно перешли к вопросам “как же это все-таки работает и как выбрать подходящий инструмент?” В мире накоплен громадный опыт применения нейросетей, подавляющее большинство западных финансовых и промышленных компаний применяют нейротехнологии в том или ином виде. Сейчас можно с уверенностью говорить, что барьер недоверия сломлен, появились обнадеживающие результаты решения различных аналитических задач.
Считается, что следующие классы задач, возникающие в финансовой области, можно эффективно решать с помощью нейронных сетей:

• Прогнозирование временных рядов на основе нейросетевых методов обработки (валютный курс, спрос и котировки акций, фьючерсные контракты и др.)
• Страховая деятельность банков.
• Прогнозирование банкротств на основе нейросетевой системы распознавания.
• Определение курсов облигаций и акций предприятий с целью вложения средств в эти предприятия.
• Применение нейронных сетей к задачам биржевой деятельности.
• Прогнозирование экономической эффективности финансирования экономических и инновационных проектов.
• Предсказание результатов займов.

Даже самый беглый анализ публикаций в зарубежной прессе, посвященных решению проблем из области управления финансами показывает небывалый взлет интереса к использованию нейронных сетей в банковской деятельности. Общие темпы роста можно сравнить лишь с распространением персональных компьютеров в конце 80-х годов, причем инициаторами бурного роста применений нейронных сетей, как правило, являются самые крупные и солидные финансовые организации, для которых это не только вопрос престижа - использование самой перспективной и наукоемкой информационной технологии - но и возможность разнообразить свои традиционные методы в самых различных областях финансовой деятельности. Безусловно, во все времена объектом повышенного интереса и предметом многочисленных исследований банков являлись такие области, как прогнозирование финансовых событий, автоматизация таких традиционно эвристических областей, как распознавание рукописного текста (для анализа документов и подписей), оценка недвижимости, экспертная оценка эффективности инвестиций в тот или иной проект и многое другое. В настоящее время распространение нейросетевых гибридных экспертных систем достигло такого уровня, что по отдельным, самым удачным нейросетевым экспертным системам, банки начинают засекречивать информацию и крайне неохотно распространяют получаемые при этом научные результаты. Популярность нейронных сетей объяснима с той точки зрения, что они более эффективно решают те задачи, которые всегда вызывали интерес банков, но успешное решение которых сдерживалось недостаточно эффективным использованием информационных и вычислительных ресурсов. Несмотря на большие усилия для развития традиционных методов предсказания цены акций, создания банковских экспертных систем для обработки статистической информации и прогнозирования экономических временных рядов были достигнуты не слишком впечатляющие успехи, что объясняется большим количеством действующих факторов.