گذری بر مرزهای علم مالی – قسمت بیست و چهارم
مسلم پیمانی
عضو هیئت‌علمی گروه مالی و بانکداری دانشگاه علامه طباطبائی
مقاله انتخاب‌شده جهت بررسی در این شماره، مجدداً در حوزه هوش مصنوعی۱ و یادگیری ماشین۲ و کاربردهای آن در علم مالی است. این حوزه از حوزه‌های نوپا و روبه‌رشد در علم مالی و دیگر رشته‌ها محسوب می‌شود، به‌طوری‌که پیشرفت‌های چشمگیر اخیر این حوزه (به‌ویژه با رونمایی از سامانه شگفت‌انگیز Chat GPT) موجب توجه عموم افراد جامعه به آن شده است. این مقاله، در شماره ماه مارس سال ۲۰۲۳ مجله اقتصاد مالی تحت عنوان «رنگ لغات مالی»۳ به چاپ رسیده و در حوزه تخصصی پردازش زبان طبیعی۴ قابل‌طبقه‌بندی است. در پردازش زبان طبیعی سعی می‌گردد زبان انسان (گفتاری و نوشتاری) توسط رایانه‌ها قابل‌تحلیل، قابل‌درک و البته بازتولید شود.
خلاصه مقاله
همانگونه‌که گفته شد، این مقاله در حوزه یادگیری ماشین (به‌طور عام) و در زیرشاخه پردازش زبان طبیعی (به‌طور خاص) قابل‌طبقه‌بندی است. یکی از کاربردهای اصلی پردازش زبان طبیعی در مالی، تحلیل احساسات است که در آن سعی می‌گردد با تحلیل متون و گفتارهای عموماً کتبی (مانند توییت‌های سرمایه‌گذاران در مورد سهمی خاص)، احساس و دیدگاه کلی سرمایه‌گذاران استخراج و از آن در تحلیل و پیش‌بینی متغیرهای مالی استفاده شود. در این راستا، روش‌های فنی متعددی وجود دارد که یکی از آنها، استفاده از فرهنگ لغات خاص هر حوزه مانند حوزه مالی است. نویسندگان این مقاله ادعا دارند که با ارائه روشی جدید، قدرت پیش‌بینی برون‌نمونه‌ای بیشتری را نسبت به روش‌های قبلی حوزه پردازش زبان طبیعی، به‌دست آورده‌اند. در این پژوهش سعی شده است با تمرکز بر متون برگرفته از کنفرانس‌های اطلاع‌رسانی اعلام سود شرکت‌های مختلف بورسی، لغات مثبت و منفی مالی استخراج و بر اساس فرم ۱۰-kو مقالات وال‌استریت ژورنال آزمون شوند. طبق نتایج ارائه‌شده، روش مورداستفاده در این پژوهش در مقایسه با تحقیقات قبلی، موجب بهبود معنی‌دار قدرت پیش‌بینی‌کنندگیِ تغییرات آتی قیمت سهام شده و این بهبود در هر سه حوزه داده‌ای (کنفرانس اطلاع‌رسانی، فرم ۱۰-k و مقالات ذکر‌شده) قابل‌مشاهده است.
