💻 computer science

From Text to Alpha: Can LLMs Track Evolving Signals in Corporate Disclosures?

تقترح هذه الورقة إطار عمل مبتكرًا يسخر النماذج اللغوية الكبيرة لاستخراج الإشارات الدلالية المرتبطة بالسياق من الإفصاحات المؤسسية، مما يثبت أن تتبع تحولات المقاييس عبر التشابه القائم على التضمين يتفوق بشكل كبير على الطرق التقليدية القائمة على التعرف على الكيانات المسماة في التنبؤ بالعائد المالي الإضافي (alpha).

المؤلفون الأصليون: Chanyeol Choi, Yoon Kim, Yu Yu, Young Cha, V. Zach Golkhou, Igor Halperin, Georgios Papaioannou, Minkyu Kim, Zhangyang Wang, Jihoon Kwon, Minjae Kim, Alejandro Lopez-Lira, Yongjae Lee

نُشر 2026-03-12

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Chanyeol Choi, Yoon Kim, Yu Yu, Young Cha, V. Zach Golkhou, Igor Halperin, Georgios Papaioannou, Minkyu Kim, Zhangyang Wang, Jihoon Kwon, Minjae Kim, Alejandro Lopez-Lira, Yongjae Lee

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول التنبؤ بالخيول التي ستفوز في السباق القادم. لديك دفتر ملاحظات مليء بتقارير الأداء السابقة للخيول.

الطريقة القديمة ("صائد الكلمات المفتاحية"):
في الماضي، استخدم المحللون الماليون طريقة تشبه "صائد الكلمات المفتاحية". كانوا يمسحون هذه التقارير بحثاً عن كلمات محددة مثل "الإيرادات" أو "الربح" أو "النمو".

المشكلة: هذه الطريقة خرقاء نوعاً ما. إذا قالت شركة ما: "لقد حققنا الكثير من المال من خدمات السحاب الخاصة بنا في أمريكا الشمالية"، فقد يرى صائد الكلمات المفتاحية كلمة "مال" فقط، أو قد يتجاهلها تماماً إذا اختلف صياغة الجملة قليلاً.
خدعة "تحريك المرمى": أحياناً، عندما يكون أداء الشركة سيئاً في مجال معين (مثل المبيعات)، يتوقف المديرون عن التحدث عن المبيعات ويبدأون في التباهي بشيء آخر (مثل "توفير التكال" أو "استراتيجيات جديدة"). يُسمى هذا "تحريك المرمى" (Moving the Goalposts).
العيب: يصاب صائد الكلمات المفتاحية القديم بالارتباك بسبب هذا. يعتقد أن الشركة تغير الموضوع بشكل عشوائي، أو أنه يفوت التغيير الطفيف لأنه يركز بشدة على مطابقة الكلمات بدقة. لا يمكنه معرفة ما إذا كان "نمو المبيعات" هو نفسه مفهوم "زيادة الإيرادات".

الط الطريقة الجديدة ("أمين المكتبة الذكي"):
تقدم هذه الورقة نهجاً جديداً باستخدام نماذج اللغات الكبيرة (LLMs)، والتي تشبه أمناء المكتبات فائق الذكاء الذين يقرؤون ويفهمون القصة بالفعل، بدلاً من مجرد عدّ الكلمات.

إليك كيف يعمل نظامهم الجديد باستخدام أداتين بسيطتين:

1. المستخرج (أمين المكتبة الذكي)

بدلاً من مجرد التقاط الكلمات، يقرأ نموذج اللغة الكبيرة الجملة بأكملة ويستخرج منها المعنى.

الطريقة القديمة: ترى كلمة "إيرادات".
الطريقة الجديدة: ترى "إيرادات السحاب في أمريكا الشمالية" وتدرك أن هذا مقياس محدد ومهم. إنه يحتفظ بالسياق (المحددات/الواصفات) الذي كانت الطريقة القديمة تلقي به بعيداً.

2. المسطرة (مقياس الشريط الدلالي)

بمجرد أن يستخرج أمين المكتبة المقاييس من تقرير هذا العام وتقرير العام الماضي، يحتاجون إلى مقارنتها.

الطريقة القديمة: تتحقق مما إذا كانت الكلمات مكتوبة بنفس الطريقة. إذا قالوا العام الماضي "المبيعات" وقالوا هذا العام "الإيرادات"، فإن المسطرة القديمة تقول: "هذه أشياء مختلفة! لقد فقدنا مقياساً!".
الطريقة الجديدة: يستخدم نموذج اللغة الكبيرة مسطرة دلالية (Semantic Ruler). هو يعرف أن "المبيعات" و"الإيرادات" تعنيان الشيء نفسه، حتى لو اختلفت الكلمات. يمكنه قياس مدى التغيير الفعلي الذي أحدثته الشركة في تركيزها، بدلاً من مجرد مراقبة كيفية تغير الكلمات.

الاكتشاف الكبير

اختبر الباحثون هذا على 100 شركة كبرى (مثل شركات S&P 100) على مدار 14 عاماً. نظروا في الشركات التي استمرت في "تحريك المرمى" (أي تغيير المقاييس التي تتباهى بها لإخفاء الأخبار السيئة) مقابل الشركات التي ظلت ثابتة.

النتيجة: الطريقة القديمة (صائد الكلمات المفتاحية) لم تستطع التنبؤ بأي شيء حقاً. كان الأمر يشبه محاولة التنبؤ بالطقس بالنظر إلى ميزان حرارة مكسور.
النتيجة الجديدة: وجد أسلوب نموذج اللغة الكبيرة الجديد نمطاً واضحاً. الشركات التي استمرت في "تحريك المرمى" (أي تغيير تركيزها لإخفاء الأخبار السيئة أو لتشتيت الانتباه عن المشكلات) تميل إلى الأداء الأسوأ في سوق الأسهم لاحقاً.
العائد: توقعت الطريقة الجديدة عوائد الأسهم بضعف كفاءة الطريقة القديمة. لقد وجدت "ألفا" (الربح الإضافي) الذي فاتته الطريقة القديمة تماماً.

لماذا يهم هذا؟

فكر في الأمر على هذا النحو:

الطريقة القديمة تشبه حارس أمن لا يوقف إلا الأشخاص الذين يرتدون قبعات حمراء. إذا ارتدى شخص ما وشاحاً أحمر، فسيتمكن من المرور.
الطريقة الجديدة تشبه حارس أمن يفهم النية. هو يعلم أن الوشاح الأحمر قد يكون تنكراً لقبعة حمراء، ويمكنه كشف القصة الحقيقية.

باختصار: الشركات التي تستمر في تغيير الموضوع في تقاريرها غالباً ما تحاول إخفاء شيء ما. لم تستطع الحواسيب القديمة الرؤية من خلال هذا التنكر، لكن "أمين المكتبة الذكي" الجديد المدعوم بالذكاء الاصطناعي يمكنه ذلك. ومن خلال رصد هذه التحولات الدقيقة في اللغة، يمكن للمستثمرين تجنب الأسهم السيئة وتحقيق أموال أفضل. يمكنهم اكتشاف "الألفا" (الربح الإضافي) الذي فاتته الطريقة القديمة تماماً.

إليك ملخص تقني مفصل لورقة البحث بعنوان "من النص إلى ألفا: هل تستطيع النماذج اللغوية الكبيرة تتبع الإشارات المتطورة في الإفصاحات المؤسسية؟"

1. بيان المشكلة

تعاني طرق معالجة اللغات الطبيعية (NLP) التقليدية في التمويل الكمي، والتي تعتمد بشكل أساسي على التعرف على الكيانات المسماة (NER) ومطابقة الكلمات المفتاحية، من صعوبة في التقاط الدلالات الغنية والمتنوعة للإفصاحات المؤسسية. وتحديداً، تفشل هذه الطرق في تتبع "الأهداف المتحركة" (Moving Targets) بفعالية — وهي ظاهرة حيث تقوم الإدارة استراتيجياً بتغيير مقاييس الأداء التي تركز عليها عبر مكالمات الأرباح المتتالية (على سبيل المثال، التحول من "نمو الإيرادات" إلى "توفير التكاليات" عندما يتباطأ النمو).

غالباً ما تؤدي أساليب NER الحالية إلى:

دمج المقاييس المتميزة سياقياً في تسميات عامة (مثل معاملة "إيرادات السحابة في أمريكا الشمالية" و"إجمالي الإيرادات" كشيء متطابق).
تجاهل المقاييس المعبر عنها بعبارات معقدة أو أشكال دلالية مختلفة (مثل "نمو المبيعات" مقابل "زيادة الإيرادات").
استخراج مصطلحات غير متعلقة بالمقاييس (مثل "%" أو "النطاق") مما يؤدي إلى إدخال الضجيج.

السؤال البحثي الجوهري هو: هل تستطيع النماذج اللغوية الكبيرة (LLMs) استخراج إشارات دلالية من الإفصاحات المؤسسية تتنبأ بالعوائد غير الطبيعية (ألفا) بشكل أكثر فعالية من طرق NER التقليدية؟

2. المنهجية

يقترح المؤلفون إطار عمل بعنوان "النموذج اللغوي الكبير كمستخرج، والتمثيل الشعاعي كمسطرة" لتقييم التغيرات الدلالية في مقاييس الأداء عبر الزمن.

أ. إطار العمل

النموذج اللغوي الكبير كمستخرج (LLM as Extractor):
- بدلاً من الاستخراج القائم على القواعد، يقوم نموذج لغوي كبير مدرب مسبقاً ( $F_\theta$ ) بمعالجة نصوص مكالمات الأرباح.
- يقوم باستخراج مقاييس الأداء مع الحفاظ على المؤهلات السياقية (على سبيل المثال، استخراج "التدفق النقدي التشغيلي" بدلاً من مجرد "التدفق النقدي").
- يعالج هذا قصور الـ NER، الذي غالباً ما يفتقد المقاييس المحددة المعتمدة على السياق.
التمثيل الشعاعي كمسطرة (Embedding as Ruler):
- يتم ترميز المقايض المستخرجة من الفترة الحالية ( $i$ ) ومن فترة سابقة ( $j = i-4$ ) في فضاء متجه مشترك باستخدام مشفر نصي مدرب مسبقاً ( $G_\phi$ ).
- تسجيل التشابه الدلالي: لكل مقياس في الفترة السابقة، يحسب النظام أقصى تشابه جيب تمام (cosine similarity) مقابل جميع المقاييس في الفترة الحالية.
- العتبة (Thresholding): يتم تطبيق تحويل خطي مجزأ ( $h(\cdot)$ $h (\cdot)$ ) على درجات التشابه الخام لتصفية الضجيج:
  - الدرجات التي تقل عن العتبة $\alpha$ تُعامل كـ 0 (المقياس سقط/اختفى).
  - الدرجات التي تزيد عن العتبة $\beta$ تُعامل كـ 1 (المقياس تم الاحتفاظ به).
  - الدرجات بينهما يتم قياسها خطياً.
- درجة الأهداف المتحركة (MT) Score: تُحسب الدرجة النهائية كنسبة المقاييس التي تمت مناقشتها سابقاً ولم تعد تُركز عليها حالياً (أي $1 - \text{متوسط التشابه}$ ).

ب. الإعداد التجريبي

مجموعة البيانات: نصوص مكالمات الأربحة لشركات S&P 100 من يناير 2010 إلى ديسمبر 2024 (5,615 ملاحظة شركة-ربع سنوي).
الأساس المرجعي (Baseline): تمت المقارنة مع طريقة "الأهداف المتحركة" القائمة على NER والمقترحة من قبل Cohen وNguyen (2024).
النماذج:
- المستخرج: Gemini-2.5-Pro.
- المشفر: text-embedding-3-large.
بروتوكولات التقييم:
1. استراتيجية المحفظة: محافظ (Long-Short) مصنفة حسب درجات MT (الطويلة: تغيير منخفض؛ القصيرة: تغيير مرتفع). يُقاس الأداء عبر نماذج Fama-French 3-factor و 5-factor alphas.
2. الانحدار المستعرض (Cross-Sectional Regression): انحدارات Fama-MacBeth التي تتنبأ بعوائد الأسهم للشهر التالي، مع التحكم في العوامل القياسية (الحجم، نسبة الكتاب إلى السوق، الزخم).

3. المساهمات الرئيسية

إطار عمل جديد: تقديم خط إنتاج "المستخرج-المسطرة" القابل للتعميم والذي يجمع بين النماذج اللغوية الكبيرة للاستخراج الواعي بالسياق ونماذج التمثيل الشعاعي للمقارنة الدلالية.
الدقة الدلالية: إثبات قدرة النماذج اللغوية الكبيرة على تحديد المقاييس المتكافئة دلالياً والمعبر عنها بطرق مختلفة (مثل "زيادة الإيرادات" مقابل "نمو المبيعات")، وهي قدرة يفتقر إليها NER.
تقليل الضجيج: يظهر التحليل النوعي أن النماذج اللغوية الكبيرة تصفي الضجيج غير المرتبط بالمقاييس (مثل "%" أو "النسبة المئوية") الذي يعيب أساليب الكلمات المفتاحية.
توليد الألفا (Alpha Generation): إثبات تجريبي بأن التتبع الدلالي لتحول المقاييس يحقق عوائد معدلة حسب المخاطر بشكل كبير، بينما لا تحقق الطرق التقليدية ذلك.

4. النتائج

الأداء الكمي

عائد المحفظة:
- طريقة NER: أنتجت فارقاً سالباً ولكن غير معتد به إحصائياً بين محافظ التغيير العالي والمنخفض ( $Q5-Q1 \text{ alpha} \approx -0.14\% \text{ to } -0.18\%$ , t-stat $< 1.0$ ).
- طريقة LLM: أنتجت فارقاً سالباً معتد به بشكل كبير ( $Q5-Q1 \text{ 5-factor alpha of } -0.52\%$ , t-stat $-2.55$). وهذا يمثل أكثر من ضعف الألفا المعدلة حسب المخاطر للطريقة المرجعية.
الانحدار المستعرض:
- NER: كان معامل درجة MT موجباً وغير معتد به ($0.0107$)، مما يشير إلى عدم وجود قوة تنبؤية.
- LLM: كان المعامل سالباً ومعتد به ($-0.0370$)، مما يؤكد أن ارتفاع تحول المقاييس يتنبأ بانخفاض العوائد المستقبلية.

الرؤى النوعية

جودة الاستخراج: توضح الجداول والرسومات البيانية أن NER يستخرج أنماطاً عامة ("%"، "زيادة بنسبة %")، بينما تستخرج النماذج اللغوية الكبيرة مقاييس أعمال ملموسة ("الحصة السوقية"، "التدفق النقدي الحر"، "التسعير").
الحفاظ على السياق: في دراسة حالة لنص شركة PepsiCo، أغفل NER مقاييس رئيسية مثل "التدفق النقدي التشغيلي"، مستخرجاً فقط "الإدارة" و"التوزيعات". بينما حدد النموذج اللغوي الكبير الطيف الكامل لمقاييس التدفق النقدي بشكل صحيح.

5. الأهمية والخاتم

تثبت الورقة أن النماذج اللغوية الكبيرة توفر آلية قوية لتتبع الإشارات المتطورة في الإفصاحات المؤسسية. ومن خلال الانتقال من مجرد مطابقة الكلمات المفتاحية السطحية إلى الفهم الدلالي العميق، يكشف الأسلوب المقترح عن معلومات تنبؤية تغفلها مسارات معالجة اللغات الطبيعية التقليدية.

الآثار الاستثمارية: الشركات التي تغير باستمرار المقاييس التي تركز عليها (أهداف متحركة عالية) هي على الأرجح شركات ذات أداء ضعيف، وهذه الإشارة لا يمكن اكتشافها إلا عبر التحليل الدلالي القائم على النماذج اللغوية الكبيرة.
الأثر الأوسع: هذا الإطار قابل للنقل إلى الإفصاحات المؤسسية الأخرى (التقارير السنوية، رسائل المساهمين) ويقترح نموذجاً جديداً للتمويل الكمي: استخدام النماذج اللغوية الكبيرة ليس فقط لتحليل المشاعر، بل لتتبع تطور السرديات الاستراتيجية.

القيود: تقتصر الدراسة على شركات S&P 100 بسبب التكاليف الحسابية، وتتطلب متانة النتائج عبر اختيارات مختلفة من النماذج اللغوية والنماذج التمثيلية مزيداً من الاستقصاء. كما تظل الآليات الاقتصادية وراء سبب تنبؤ التحول الدلالي بالعوائد سؤالاً مفتوحاً للأبحاث المستقبلية.