في ظل مجموعة متزايدة من مصادر المعلومات المتنوعة، أصبحت القدرة على استغلال البيانات المتعددة الأبعاد أمرًا حاسمًا للتداول المالي عالي الجودة. وقد ساهمت التطورات الأخيرة في نماذج اللغات الضخمة (Large Language Models) في تمكين الوكلاء من معالجة المدخلات المتعددة الأبعاد، ومع ذلك، فإن الأساليب الحالية لا تلتقط الاعتمادات العبرية الدقيقة بين الأنماط المختلفة. كما أنها تظل عرضة للضوضاء السوقية، نظرًا لنمذجة متعددة الأبعاد المحدودة وآليات الدمج غير الفعالة.

لمعالجة هذه التحديات، تم تقديم F$^2$Agent، وهو نموذج مبتكر يعتمد على دمج الذكاء الاصطناعي للأغراض المالية. يبدأ F$^2$Agent بنشر تسلسل هرمي من الوكلاء المتخصصين لاستخراج الإشارات الخاصة بكل نمط بشكل شامل. ثم يقوم بتقديم آلية دمج مدركة للنمط مصحوبة بتعزيز الثبات ضد الضوضاء، مما يساعد على التقاط الاعتمادات بين الأنماط بشكل ديناميكي وتوليد إشارات تداول مقاومة للضوضاء.

أظهرت التجارب الواسعة على ستة أسهم وأصول في العملات المشفرة أن F$^2$Agent يتفوق باستمرار على 16 نموذجًا منافسًا، حيث تحقق نسبة تحسين تزيد عن 20% في العائد السنوي في المتوسط. ومن الجدير بالذكر أن F$^2$Agent حقق عوائد تصل إلى 120.48% على سهم GOOG و148.41% على سهم TSLA، مما يبرز فعاليته وصلابته في مواجهة الديناميكيات المتغيرة للسوق.