يعاني نموذج اللغة الكبير المالي الحالي (FinLLM) من عائقين رئيسيين: نقص مؤشرات تقييم معيارية لجودة تحليل الأسهم، وقلة عمق التحليل. لقد تجاوزنا هذه القيود من خلال ابتكارين. الأول هو إطلاق AnalyScore، وهو إطار منهجي لتقييم جودة تحليل الأسهم؛ والثاني هو إنشاء مجموعة بيانات مختارة بعناية من قبل الخبراء تُسمى Stocksis، تهدف إلى تعزيز قدرة نماذج اللغة الكبيرة (LLM) على التحليل المالي. استنادًا إلى مجموعة بيانات Stocksis، وبالاستفادة من إطار تكامل مبتكر وأدوات كمية، طورنا الوكيل FinSphere القادر على إنتاج تقارير تحليل أسهم بمستوى احترافي. أظهرت تقييمات AnalyScore أن FinSphere يتفوق بشكل ملحوظ على نماذج LLM العامة، نماذج LLM المالية المتخصصة، والأنظمة الذكية الحالية من حيث جودة التحليل والقدرة على التطبيق العملي، حتى مع تمكين تلك الأنظمة من الوصول إلى البيانات في الوقت الحقيقي والإرشاد بعدد محدود من العينات. تسلط النتائج البحثية الضوء على الميزة البارزة لـ FinSphere في جودة التحليل والتطبيق الواقعي.

نموذج اللغة الكبير (LLM); نموذج مالي دقيق التوجيه; تحليل الأسهم في الوقت الحقيقي; إطار التقييم ومجموعة البيانات