تعتبر توقعات الأداء المالي باستخدام نماذج اللغات الضخمة (LLM) من الموضوعات الرائجة في عالم التكنولوجيا المالية. في دراسة حديثة، تم تسليط الضوء على كيفية تأثير الزخم (Momentum) ونبرة التعليق غير الإعلامية (Non-informational Commentary Tone) على نتائج الأرباح، مما يفتح بابا جديدا لفهم سلوك السوق.

لقد قام الباحثون بإنشاء إعلانات أرباح صناعية تعمل على عكس الزخم لمدة 20 يوما، مع تحليل تأثير نبرة التعليق وما إذا كانت الأرباح الفعلية تتجاوز التوافقات المفبركة. اعتمدت الدراسة على ستة نماذج من عائلات مختلفة تحتوي على ما بين 0.49 إلى 7.61 مليار معلمة، وجرى اختبار 2016 إدخال تحت بروتوكول إجابات مباشر.

اكتشفت الدراسة أن التباين في إجابات الأرباح الأساسية (EPS) يتراوح بين -0.19 إلى 86.80 نقطة مئوية. كما أظهرت النتائج أن الفارق في نبرة التعليق الأساسية يتجاوز تأثير الأرباح في خمسة من النماذج الستة، بينما يتفوق الزخم كذلك في خمسة نماذج. كما تم قياس دقة التعرف على الأرقام الطبيعية، والتي تراوحت بين 51.0% إلى 95.8%، مما يعكس قدرات النموذج في إدراك البيانات المالية.

تتضمن الدراسة أيضًا أدوات تفاعلية لتقييم النتائج المسجلة، مما يسهل فهم الاعتماد على المدخلات المالية وكيفية تحسين التوقعات. إذًا، هل تجد أن هذه النتائج ستغير طريقة تقييمك للأداء المالي؟ شاركنا آرائك في التعليقات!