في عالم التمويل الذي يتسم بالتعقيد، تأتي تقنيات الذكاء الاصطناعي (AI) لتعيد تشكيل طريقة توقع منحنى العائد للسندات. نشر باحثون ورقة جديدة تستعرض مقارنة شاملة بين نماذج الاقتصاد القياسي (Econometrics) وتقنيات التعلم الآلي (Machine Learning) في تحليل بيانات منحنى العائد للسندات الأمريكية على مدار 47 سنة.

تعتبر منحنيات العائد من الأدوات الحيوية في الأسواق المالية، حيث تُستخدم من قبل جميع المشاركين في شراء وبيع السندات، التي تفوق أسواق الأسهم في حجمها. لذلك، فإن أي ابتكار في طرق توقع هذه المنحنيات يمكن أن يكون له تأثير كبير على استراتيجيات الاستثمار.

تتضمن الدراسة مجموعة من الأساليب التي لم تُستخدم سابقًا في توقع منحنى العائد، بما في ذلك نماذج التعلم العميق (Deep Learning) مثل الشبكات العصبية المتكررة (Recurrent Neural Networks - RNNs) ونماذج المحولات (Transformers). من وجهة النظر الإحصائية، تم استخدام نموذج الانحدار الذاتي المتكامل المتوسط المتحرك (ARIMA) كمعيار للمقارنة.

تظهر النتائج أن نماذج ARIMA وبعض النماذج الاقتصادية التقليدية تتفوق على العديد من النماذج الأخرى، باستثناء فترة زمنية واحدة. ومن بين تقنيات التعلم الآلي، برزت نماذج مثل TimeGPT وLGBM وRNNs كأفضل الأدوات في التوقع.

كما تناولت الورقة مسألة ما إذا كانت البيانات الثابتة أو غير الثابتة هي الأنسب كنماذج إدخال لنماذج التعلم العميق، مما يفتح باب النقاش حول كيفية تحسين دقة التوقعات المالية. مع تزايد الاعتماد على الذكاء الاصطناعي في عالم المال، كيف يمكن أن يغير ذلك من مستقبل التمويل؟

هل تعتقد أن تقنيات الذكاء الاصطناعي ستسيطر على طرق التوقع التقليدية في المستقبل؟ شاركونا آراءكم في التعليقات!