طراحی مدل تصمیم گیری سرمایه گذاری مبتنی بر مدلهای زبانی بزرگ (LLM) و بررسی اثر آن بر کیفیت تصمیمات مالی

توسعه سریع هوش مصنوعی و ظهور مدل های زبانی بزرگ (Large Language Models: LLMs) موجب ایجاد تحولات اساسی در حوزه تحلیل داده، تصمیم گیری و خدمات مالی شده است. مدل های زبانی بزرگ نظیر BERT، GPT و سایر سامانه های مبتنی بر پردازش زبان طبیعی توانایی تحلیل حجم عظیمی از داده های متنی، استخراج اطلاعات و تولید محتوای تحلیلی را دارا هستند و در سال های اخیر کاربرد گسترده ای در بازارهای مالی پیدا کرده اند. سرمایه گذاران و نهادهای مالی به طور فزاینده ای از این فناوری ها برای تحلیل اخبار، پیش بینی روند بازار، ارزیابی ریسک و پشتیبانی از تصمیمات سرمایه گذاری استفاده می کنند. با این حال، شواهد تجربی درباره نقش واقعی مدل های زبانی بزرگ در بهبود کیفیت تصمیمات مالی و طراحی الگوهای تصمیم گیری مبتنی بر هوش مصنوعی همچنان محدود است. پژوهش حاضر با هدف طراحی مدل تصمیم گیری سرمایه گذاری مبتنی بر مدل های زبانی بزرگ و بررسی اثر آن بر کیفیت تصمیمات مالی انجام شده است. پژوهش از نظر هدف کاربردی و از نظر روش، کمی و از نوع توصیفی همبستگی است. جامعه آماری شامل فعالان بازار سرمایه، شرکت های سرمایه گذاری و داده های مالی بوده و اطلاعات پژوهش از گزارش های مالی، اخبار و داده های بازار استخراج می شود. تجزیه و تحلیل داده ها با استفاده از مدل های آماری و روش های تصمیم گیری انجام خواهد شد. انتظار می رود نتایج پژوهش نشان دهد استفاده از مدل های زبانی بزرگ می تواند موجب بهبود کیفیت تصمیمات سرمایه گذاری، افزایش دقت تحلیل ها، کاهش عدم تقارن اطلاعاتی و ارتقای کارایی تصمیمات مالی شود. یافته های این پژوهش می تواند در توسعه سامانه های هوشمند سرمایه گذاری و مدیریت مالی کاربرد داشته باشد.

کلیدواژه ها:

مدلهای زبانی بزرگ ، هوش مصنوعی ، تصمیم گیری سرمایه گذاری ، کیفیت تصمیمات مالی ، بازار سرمایه