في مواجهة التطورات السريعة لعالم الأسواق المالية، أصبح استخدام الذكاء الاصطناعي ضرورة ملحة لتحسين استراتيجيات التداول. تقدم الأبحاث الأخيرة نظام Strat-LLM، الذي يعتمد على نموذج استراتيجيات مصنفة (Stratified Strategy Alignment) لتحسين أداء التداول. يتميز هذا النظام بقدرته على معالجة البيانات المتنوعة، بما في ذلك الأسعار المتسلسلة، والأخبار الفورية، والتقارير السنوية، مما يؤدي إلى تقليل التحيزات وإيجاد استراتيجيات تداول أكثر فعالية.

قام الباحثون باختبار أداء النظام في الأسواق المالية الصينية (A-share) والأسواق الأمريكية، وخلصوا إلى نتائج مثيرة: أولاً، ترتبط كفاءة نماذج الذكاء الاصطناعي بشكل كبير بنمط التشغيل، حيث تظهر نماذج ذات تفكير عميق أداء متميز في الوضع الحر، بينما تحتاج النماذج القياسية إلى قيود صارمة لضمان تخفيض المخاطر. ثانياً، يظهر تفاعل فريد بين جدوى الاستراتيجيات وأنماط السوق، حيث تؤدي الأوضاع الرائجة إلى زيادة الربحية، بينما تساعد السياسات القاسية في تقليل الانخفاضات خلال الفترات الهابطة.

ثالثاً، تظهر نماذج ذات الحجم المتوسط (35 مليار باراميتر) أفضل ولاء لقيود معينة، بينما تعاني النماذج الضخمة (122 مليار باراميتر) من تكاليف توافقية تحت القوانين الصارمة. أخيراً، توضح التجارب أن النماذج القياسية يمكن أن تقع في فخ تحقيق نسب فوز عالية بأرباح صغيرة، مما يتطلب تفكيراً عميقاً أو أطر حماية صارمة. لمزيد من المعلومات حول مشروع Strat-LLM، تفضل بزيارة الموقع الرسمي.