في عالم الأسواق المالية، تعتبر تحولات النظام (Regime Shifts) من الأحداث الحيوية التي تعيد تنظيم ديناميكيات الأسعار والعوامل الاقتصادية. ومع ذلك، فإن الكشف عن هذه التحولات يعتبر تحدياً كبيراً بسبب الضوضاء في البيانات والتعقيدات المترابطة. الأبحاث الجديدة تكشف عن طريقة مبتكرة تجمع بين تحليل النصوص غير المنظمة (Unstructured Data) والنماذج الإحصائية لتحديد هذه التحولات بدقة.

تعمل الطرق التقليدية على الاعتماد فقط على بيانات التسلسل الزمني المنظم، متجاهلةً البيانات النصية المتعلقة بالسياسات المالية، رغم أن هذه النصوص غالباً ما تشير إلى التحولات قبل أن تظهر في الأسعار. وقد قدم الباحثون نموذجاً جديداً يجمع بين reasoning باستخدام نماذج اللغات الكبيرة (Large Language Models) وبين التحقق الإحصائي على السلاسل الزمنية المالية متعددة المتغيرات.

تعتمد هذه العملية على إطار عمل غير منحاز للمكتشفات، حيث يتم التحقق من المرشحين المقترحين من النصوص عبر اختبار نسبة الاحتمالات (Likelihood-Ratio Test) على نماذج الانحدار الذاتي المتجه (VAR). تم تقييم هذا الإطار على دقيقة FOMC من عام 2010 حتى 2024 بالتزامن مع لوحة متغيرات اقتصادية ومالية أمريكية تضم 14 متغيرًا.

النتائج كانت مثيرة، فالسلسلة المقترحة حققت نسبة F1 تقدر بـ 0.82 مقابل قائمة موثوقة من تحول السياسات النقدية، مع زمن كشف متزامن في نفس اليوم وأداء أفضل باستمرار من الأساليب التقليدية المعتمدة فقط على البيانات. تبرز هذه النتائج أهمية دمج النصوص السياسية غير المنظمة مع تقنيات كشف التحولات الهيكلية الإحصائية، مما يُحسن من موثوقية وفهم عملية تحديد التحولات في الأسواق المالية.

هل تعتقد أن هذه الطريقة الجديدة ستحسن من توقعات الأسواق المالية؟ شاركونا برأيكم في التعليقات!