في عالم المال المعقد، تبرز أهمية تحليل البيانات الزمنية (Time-Series Data) في ضبط استراتيجيات الاستثمار واتخاذ القرارات الصحيحة. في الآونة الأخيرة، زادت الاهتمام بأساليب تحليل البيانات التي تستفيد من دمج المعلومات النصية (Textual Information) والرقمية (Numerical Information) معاً بشكلٍ متزايد. ومع ذلك، تقدم الأسواق المالية تحديات فريدة نتيجة لتداخل العوامل المرتبطة بالشركات وبالاقتصاد الكلي.

يعد النظام المالي مكاناً يتفاعل فيه سعر السهم مع مجموعة متنوعة من المؤثرات، إذ لا تتأثر أسعار الأسهم بالأحداث الخاصة بالشركة فحسب، بل تتأثر أيضًا بتطورات شركات أخرى وعوامل اقتصادية واسعة. وفي ظل هذه التعقيدات، غالبًا ما تفشل الأساليب التقليدية التي تعتمد على مطابقة الكلمات الرئيسية البسيطة في التقاط هذه العلاقات المعقدة.

لذا، تم تقديم إطار عمل جديد يُعرف بـ FinTexTS، الذي يعتمد على تقنيات الاقتران متعدد المستويات المستندة إلى المعاني. يعتمد هذا الإطار على استخراج المعلومات السياقية من مستندات الـ SEC الخاصة بالشركات واستعمال آلية مطابقة تعتمد على تضمين البيانات (Embedding) لاستخراج الأخبار ذات الصلة. بالإضافة إلى ذلك، يتم تصنيف الأخبار إلى أربعة مستويات مختلفة، تشمل: المستوى الكلي (Macro-Level)، المستوى القطاعي (Sector-Level)، مستوى الشركات ذات الصلة (Related Company-Level)، ومستوى الشركة المستهدفة (Target Company-Level) باستخدام نماذج لغوية ضخمة (Large Language Models).

تطبيق هذا الإطار ليس فقط يستخدم على مجموعات الأخبار المتاحة للعامة، بل يشير أيضاً إلى أن استخدام مصادر أخبار مهنية مُعَدَّة بعناية يمكن أن يؤدي إلى بيانات مصاحبة ذات جودة أعلى وأداء أفضل في توقعات أسعار الأسهم. يتمحور خبر تجربتنا حول فعالية استراتيجية الاقتران المعزز في تحسين تنبؤات أسعار الأسهم، مما يفتح آفاق جديدة لتحليل البيانات في المجال المالي.

ما رأيكم في هذا الابتكار الجديد؟ كيف يمكن أن يؤثر على استراتيجياتكم في الاستثمار؟