في عالم متسارع نحو التطورات التكنولوجية، تلعب نماذج اللغات الضخمة (Large Language Models) دورًا محوريًا في تحسين استراتيجيات اتخاذ القرار. في دراستنا هذه، نركز على تقييم أداء تلك النماذج من خلال البحث عن السياسات المثلى في التعاملات المالية المتعلقة بخيارات برمودا.

يعتبر خيار برمودا أحد الأمثلة المعقدة في الرياضيات المالية، حيث يعتمد على قرارات التوقف المثلى التي يمكن أن يتخذها المساهمون في السوق. من خلال تحليل 24 محاولة توليد برنامج باستخدام نماذج LLM، وجدنا أن النظام لم يتمكن من تحقيق نتائج أفضل من الطرق التقليدية مثل Ridge LSMC. وكشفت النتائج عن فجوة بسيطة لم تتجاوز 0.002، مما يدل على أن نماذج LLM ليست فعالة كما كان متوقعًا في هذا السياق.

من خلال إجراء تجارب على نماذج متعددة، بما في ذلك التقنيات القائمة على الذاكرة الهيكلية، لم نلاحظ أي فوائد ملموسة مقارنة بالذاكرة التقليدية. وفي الوقت نفسه، أثارت الدراسة تساؤلات حول كيفية تقييم نجاح عملية البحث بناءً على القواعد المختلفة للتقارير.

تؤكد هذه النتائج على أهمية إعادة النظر في الأساليب المستخدمة في تحليل أداء نماذج البرمجة المالية وكيفية فهمنا لقدراتها أو قيودها. هل تعتقد أن نماذج LLM يمكن أن تتفوق في المستقبل على الأساليب التقليدية؟ شاركونا بأفكاركم في التعليقات!