في عالم يتطور بسرعة حول الذكاء الاصطناعي، تحتل نماذج اللغات الضخمة (LLMs) مكانة بارزة، حيث تُستخدم بشكل متزايد كأدوات لمحاكاة سلوك المستخدمين في مختلف المجالات. ولكن هل يمكن لهذه النماذج أن تعكس بدقة القرارات المالية للأفراد المتغيرة؟

في محاولة للإجابة على هذا السؤال، أجرى فريق بحث دراسة تمحورت حول معرفة مدى قدرة هذه النماذج على التنبؤ بأفعال الأفراد في ظروف السوق الحقيقية. شملت الدراسة عددًا من المتطوعين الذين شاركوا في بيئة تداول ورقي باستخدام أموال افتراضية غير قابلة للاسترداد.

تحت ظروف سوق حقيقية، تم إجراء اختبارات لاختبار قدرة النموذج على التنبؤ بأفعال المشاركين في اليوم التالي من التداول، بما في ذلك الأوراق المالية التي سيتم تداولها وكميات المعاملات.

ومع تحليل النتائج، تبين أن المعلومات المتاحة قبل موعد التنبؤ كانت حاسمة في تحسين دقة القرارات المتعلقة بالإجراءات وسوق الأوراق المالية، على الرغم من أن توقيع المعاملات تبين أنه ما يزال يمثل تحديًا، حيث تُظهر النماذج مشكلة في إنتاج قرارات مبسطة، لا تعكس حتى الآن التعقيد الحقيقي لتداول الأوراق المالية.

تطرح هذه النتائج تساؤلات هامة حول مدى جودة هذه المحاكيات في تمثيل السلوك المالي الحقيقي، وتؤكد على الحاجة لإجراء تقييمات أكبر وشاملة لفهم أعمق لدقة النماذج عند التعامل مع سلوكيات الأفراد والمعاملات المالية على نطاق أوسع.