مدل‌های زبانی بزرگ در تحلیل مالی و پشتیبانی از تصمیم‌گیری سرمایه‌گذاری: کاربردها، چالش‌ها و مسیرهای آینده

مدل‌های زبانی بزرگ در تحلیل مالی و پشتیبانی از تصمیم‌گیری سرمایه‌گذاری: کاربردها، چالش‌ها و مسیرهای آینده

یونس بادآور نهندی1 فرزاد محمدی2 رها بهروزی3

1) دانشیار، گروه حسابداری، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
2) دانشجوی دکتری مهندسی مالی، گروه حسابداری و مالی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
3) دانشجوی دکتری مهندسی مالی، گروه حسابداری و مالی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران

کد IOI مقاله : AAHC-ABKFAK
محل انتشار : کنفرانس ملی مدیریت، تجاری سازی، اقتصاد دانش بنیان و سرمایه گذاری برای تولید(impeb.ir)
چکیده :
    گسترش مدل‌های زبانی بزرگ در سال‌های اخیر، فرصت‌های جدیدی را برای پردازش اطلاعات مالی و پشتیبانی از تصمیم‌گیری سرمایه‌گذاری فراهم کرده است. بر این اساس هدف پژوهش حاضر، بررسی کاربردها، ظرفیت‌ها و محدودیت‌های مدل‌های زبانی بزرگ در تحلیل مالی و فرآیند تصمیم‌گیری سرمایه‌گذاری است. این پژوهش از نظر روش، مطالعه‌ای مروری با رویکرد توصیفی-تحلیلی و مقایسه‌ای است که با بررسی مطالعات مرتبط در پایگاه‌های علمی Web of Science، Scopus، ScienceDirect، ACM Digital Library،SpringerLink و Google Scholar انجام شده است. مطالعات منتخب عمدتاً بر پژوهش‌های منتشرشده از سال ۲۰۲۲ به بعد تمرکز داشته و بر اساس نوع کاربرد، اطلاعات مورد پردازش، قابلیت‌های تحلیلی مدل‌ها و محدودیت‌های گزارش‌شده مقایسه شده‌اند. یافته‌ها نشان می‌دهد که مدل‌های زبانی بزرگ علاوه بر تحلیل متون مالی و استخراج احساسات، در حوزه‌هایی مانند پردازش اطلاعات چندوجهی، پیش‌بینی بازار، تولید سیگنال‌های سرمایه‌گذاری و پشتیبانی از انتخاب دارایی نیز ظرفیت قابل توجهی دارند. با این حال، عواملی مانند سوگیری خروجی ، وابستگی عملکرد به داده و شرایط ارزیابی و نبود چارچوب‌های استاندارد سنجش، استفاده مستقل از این مدل‌ها را با محدودیت مواجه می‌کند. در مجموع، مدل‌های زبانی بزرگ در شرایط فعلی بیشتر به‌عنوان ابزار پشتیبان تصمیم‌گیری و تقویت‌کننده توان تحلیلی سرمایه‌گذاران قابل ارزیابی هستند، نه جایگزینی کامل تحلیلگران مالی.

کلمات کلیدی : مدل‌های زبانی بزرگ تحلیل مالی تصمیم‌گیری سرمایه‌گذاری هوش مصنوعی مولد مدل‌های زبانی مالی