في عالم المالية المتنامي، تحتاج المؤسسات إلى أدوات دقيقة وموثوقة لاتخاذ قرارات استثمارية ناجحة. وفي هذا السياق، تم تقديم PortBench كمعيار جديد يُحدث نقلة نوعية في إدارة المحافظ الاستثمارية (Portfolio Management) باستخدام نماذج اللغة الكبيرة (Large Language Models).

يتناول PortBench فجوتين رئيسيتين في المعايير الحالية: الأولى هي غفلتها عن الهياكل ارتباط الأصول المتعددة، مما يمنع تمييز المحافظ المتنوعة فعلاً من تلك المركزة. والثانية هي عدم تقييم مراحل اتخاذ القرار في إدارة المحافظ بشكل شامل في سيناريوهات العالم الحقيقي.

يتكون PortBench من طبقتين تكميلية، تشمل الأولى مجموعة بيانات ثابتة تضم 6,269 سؤالاً مبنياً على الارتباط عبر سبع قوالب للمهام، بينما تتضمن الثانية خط أنابيب ديناميكي يتألف من خمس مراحل يعكس دورة اتخاذ قرار إدارة المحافظ بالكامل.

لتقييم هذه الطبقات، تم تقديم مقياسين مخصصين: الأول هو مؤشر الارتباط ذو الطبقتين الذي يقيس ما إذا كانت المحافظ المقترحة تستفيد من التحوط بين الفئات وتتفادى التركيز بين الفئات. الثاني هو مقياس CEPS الذي quantifies كيفية تزايد الأخطاء في التفكير عبر مراحل خط الأنابيب.

عند تقييم عشرة نماذج متقدمة (Frontier LLMs)، لوحظ أن 90% من تركيبات النموذج-الملف الشخصية لم تتمكن من تحقيق أداء يتفوق على تخصيص متساوي الوزن بسيط، حتى أن النماذج التي تستوفي جميع القيود الإجرائية لا تزال تعاني من تراجع كارثي تحت الضغط.

إذا كنت من المهتمين بعالم استثمار الذكاء الاصطناعي، أو هل لديك تجارب أو رؤى حول كيفية تحسين إدارة المحافظ الاستثمارية من خلال التقنيات الحديثة؟ شاركنا آراءك في التعليقات!

للاطلاع على الشيفرة المصدرية، يمكنك زيارة هذا الرابط.