گذری بر مرزهای علم مالی – قسمت نهم

اگرچه موضوعات جذاب متعددی در مجلات معتبر بین‌المللی مالی که طی یک ‌ماه اخیر منتشر شده‌‌اند، برای تشریح در این مطلب وجود داشت، اما به‌دلیل اختصاص یک شماره ویژه از مجله «مروری بر پژوهش‌های مالی»۱ به موضوع جدید، مهم و جالب «کلان‌داده در حوزه مالی»۲ ، تصمیم بر این شد که مقالات شماره مذکور که به این بحث در کنار موضوعات پیرامون یادگیری ماشینی پرداخته‌اند، مرور شوند.

شرح مقالات
اولین مقاله۳ که به‌گونه‌ای سرمقاله این شماره اختصاصی نیز محسوب می‌شود، به بررسی و تحلیل انقلاب کلان‌داده در حوزه مالی و اثرات آن بر تحقیقات آتی این حوزه پرداخته است. در این مقاله، ابتدا سعی شده است مفهوم کلان‌داده در مالی تعریف شود که در این راستا ۳ ویژگی شامل: اندازه بزرگ (مانند بسیاری از داده‌های مطرح در ریزساختارهای بازار)، ابعاد بالا (تعداد زیاد متغیرها) و ساختار پیچیده (غیرقابل‌بیان به روش سنتی سطر و ستونی مربوط به داده‌های معمولی به‌دلیل در‌بر‌داشتن ساختارهای داده‌ای متنی، تصویری و صوتی و …) برای کلان‌داده ذکر می‌گردد. بر اساس مقاله معرفی‌شده، ویژگی‌های دوم و سوم موجب لزوم استفاده از تکنیک‌های یادگیری ماشینی در خصوص کلان‌داده می‌شود. از دیگر موضوعات جالب‌توجه در این مقاله، پیش‌بینی روند آتی یادگیری ماشینی در مالی است که در این رابطه می‌توان به مواردی مانند اخذ تصمیمات مالی توسط ماشین‌ها به‌ویژه در زمان استفاده از داده‌های لحظه‌ای، تغییر در رفتار شرکت‌ها، احتمال ایجاد فاصله بین ارزش برگرفته از متغیرهای بنیادی و قیمت بازار به‌دلیل توجه بیشتر به معاملات با فراوانی بالا، توجه بیشتر به ساختارهای داده‌ای جدید مانند متون، لزوم تدوین مقررات جدید، ارائه نظریه‌های جدید مالی و توسعه حوزه‌های بین‌رشته‌ای اشاره کرد.
مقاله دوم۴ به بررسی توانایی یادگیری ماشینی در انتخاب مدیران و گروه‌بندی عملکردی آن‌ها پرداخته و پس از بررسی عملکرد گذشته مدیران مختلف، بر نقش راهبری شرکتی در بهبود این عملکرد تأکید کرده است.
مقاله سوم‌۵ موضوع فرهنگ سازمانی شرکت را مد نظر قرار داده و سعی کرده است با استفاده از روش‌های یادگیری ماشینی، این فرهنگ را تحلیل کند. بر اساس نتایج این مقاله، فرهنگ سازمانی شرکت‌ها در پنج دسته نوآوری، کمال، کیفیت، احترام و کار تیمی امتیازدهی شده و نتایج روش به‌کاررفته با روش‌های سنتی تعیین درجه هر فرهنگ مقایسه شده است.
در دو مقاله بعدی با توجه به حجم بالای داده‌های مورد‌تحلیل در بخش‌های مختلف علم مالی، به تحلیل کاربرد یادگیری ماشین در مالی پرداخته شده است. برای نمونه در مقاله چهارم۶ ، کاربرد یادگیری ماشینی در حوزه ریزساختارهای بازار بررسی و این کاربرد به حوزه ارزیابی کارایی بازار بسط داده شده است. در مقاله پنجم۷ نیز اطلاعات سفارشات به‌عنوان یکی از نمونه‌های کلان‌داده مالی مورد استفاده قرار گرفته و به بررسی علل تمایل سرمایه‌گذاران نهادی به انجام معامله در سامانه‌های معاملاتی جایگزین کارگزاران پرداخته شده است. همچنین در دو مقاله آخر، مسائل پیرامون دو موضوع تحلیل اثر اخبار بر ساختار زمانی نرخ بهره۸ و تجسس داده‌ای۹ بررسی شده است.