Портфели сентиментии бар асоси LLM, равиши портфелиест, ки дар он сарлавҳаҳои хабарҳои молиявӣ аз ҷониби моделҳои бузурги забонӣ ҳамчун мусбат, манфӣ ё бетараф тасниф мешаванд ва холҳои моҳонаи сентименти ширкатҳо, ки аз ин синфҳо ҳосил мегарданд, барои интихоби саҳмияҳо истифода мешаванд. Felipe Affonso ва Marcelo S. Perlin дар давраи 2021–2025 барои ширкатҳои S&P 500 1.477.385 сарлавҳаи хабариро, ки пас аз поксозӣ боқӣ монда буданд, бо ҳафт модели бузурги забонӣ тасниф карда; чаҳор модели хусусӣ ва се модели дорои вазнҳои дастрасро, ки метавонанд маҳаллӣ иҷро шаванд, дар доираи як усули rank-based-и портфел муқоиса кардаанд. Дар намунаи манбаъ баландтарин натиҷаи ба риск мутобиқшуда аз Claude 3 Haiku ба даст омадааст, Llama 3.1 8B натиҷаи наздик ба моделҳои тиҷоратии API додааст, дар ҳоле ки Llama 3.2 1B аз benchmark нагузаштааст. Бо вуҷуди ин, натиҷаҳо танҳо барои маълумоти мушаххас, давра, prompt, версияи модел ва қоидаи портфел эътибор доранд; фарқҳои alpha ва Sharpe байни стратегияҳои модел бо санҷишҳои формалии омории бартарӣ тасдиқ нашудаанд.

Ҷанбаи муҳими таҳқиқот танҳо саволи «кадом LLM даромади бештар дод?» нест. Таҳқиқот дар як вазифаи таснифоти молиявӣ байни оилаи модел, иқтидори модел, имкони иҷрои маҳаллӣ ва дастрасӣ ба API-и тиҷоратӣ муқоисаи амалӣ анҷом медиҳад. Гарчанде моделҳои хусусӣ дар маҷмӯъ даромадҳои баландтари ба риск мутобиқшударо додаанд, он ки Llama 3.1-и дорои 8 миллиард параметр ба Gemini 2.5 Flash наздик ва аз GPT-4.1 Nano болотар натиҷа додааст, нишон медиҳад, ки модели маҳаллӣ метавонад дар баъзе вазифаҳои таснифи матни молиявӣ алтернативаи қобили истифода бошад.

Ин натиҷа маслиҳати сармоягузорӣ ё далели он нест, ки дар оянда ҳамон даромадҳо ба даст меоянд. Таҳқиқот хароҷоти муомилот, комиссияҳо ва соишҳои бозорро ба ҳисоб намегирад; alpha танҳо нисбат ба benchmark-и S&P 500 бо вазнҳои баробар якфакторӣ аст; барои андозаи ширкат, value, momentum ва омилҳои соҳавӣ ислоҳ нашудааст. Илова бар ин, он ки санаҳои қатъи дониши моделҳо қисми давраи маълумотро фаро мегиранд, имкон намедиҳад, ки дониши рӯйдодҳои гузашта тавассути pre-training пурра хориҷ карда шавад.

Масъалаи таҳқиқот

Дар бозорҳои молиявӣ матн муддати дароз ҳамчун сигнали сармоягузорӣ истифода мешавад. Усулҳои анъанавии бар луғат асосёфта метавонанд калимаро бидуни ба қадри кофӣ ба назар гирифтани контексти атрофи он ҳамчун мусбат ё манфӣ тасниф кунанд. Моделҳои бузурги забонӣ бошанд, азбаски метавонанд контексти сарлавҳаи хабарро васеътар коркард кунанд, барои истихроҷи сентименти молиявӣ равиши дигар пешниҳод мекунанд.

Бо вуҷуди ин, қисми муҳими таҳқиқоти пешин ба як оилаи модели хусусӣ тамаркуз кардааст. Ин ду саволро боз мегузорад: оё LLM-ҳои гуногуни тиҷоратӣ дар як хабарҳои молиявӣ сигнали якхелаи сармоягузорӣ медиҳанд ва моделҳои хурдтари қобили иҷрои маҳаллӣ то чӣ андоза метавонанд ба API-ҳои пулакии тиҷоратӣ наздик шаванд?

Affonso ва Perlin ин холигиро бо муқоисаи ҳафт LLM дар доираи ҳамон маҷмӯи маълумот ва ҳамон қоидаи портфел баррасӣ мекунанд. Ҳадаф сохтани рейтинги универсалӣ барои ҳамаи моделҳои мавҷуда нест. Таҳқиқот натиҷаҳои портфелии сигналҳоеро муқоиса мекунад, ки моделҳои интихобшудаи хусусӣ ва моделҳои дорои вазнҳои дастрас дар ҳамон вазифаи матнии молиявӣ ба вуҷуд меоранд.

Чаро олами маълумот ба узвияти динамикии S&P 500 асос меёбад?

Маҷмӯи маълумот ба сарлавҳаҳои хабарии ширкатҳои ИМА, ки аз портали EOD Historical Data гирифта шудаанд, асос меёбад. Таҳқиқот давраи январ 2021–декабр 2025-ро фаро мегирад. Дар ҳар моҳ танҳо ширкатҳое истифода шудаанд, ки воқеан дар ҳамон моҳ узви S&P 500 буданд; рӯйхати ширкатҳои охири соли 2025 ба гузашта татбиқ карда нашудааст.

Ин нукта аз ҷиҳати методологӣ муҳим аст. Баррасии танҳо натиҷаҳои гузаштаи ширкатҳое, ки дар охири давра боқӣ мондаанд, метавонад ширкатҳои баъдтар ба индекс воридшуда ё пештар аз индекс хориҷшударо нодуруст ба ҳисоб гирифта, ғарази интихоб ва survivorship bias эҷод кунад. Равиши узвияти point-in-time кафолат медиҳад, ки олами портфел дар ҳар сана ба таркиби индексии дар ҳамон сана маълум асос ёбад.

Аз 1,69 миллион сарлавҳаи хабарӣ то намунаи таҳлилии 1,48 миллион

Барои муайян кардани дубликатҳои наздик таносуби нормализатсияшудаи монандии Levenshtein истифода шудааст. Агар таносуби монандии ду сарлавҳаи марбут ба ҳамон ширкат ва ҳамон рӯз аз 0,6 боло бошад, яке аз ҷуфтҳо хориҷ карда шудааст. Маҳдудияти ҳамон рӯз ва ҳамон ширкат барои кам кардани хатари нодуруст ҳазф шудани хабарҳое истифода шудааст, ки ба рӯйдодҳои гуногуни иқтисодӣ марбутанд, вале аз ҷиҳати забонӣ ба ҳам монанданд.

Чаро ҷаҳиши ҳаҷми хабарҳо дар соли 2025 муҳим аст?

Дар соли 2025 шумораи хабарҳои ибтидоӣ ба 640.082 расида, аз ҳаҷми солҳои пешин ба таври назаррас бештар шудааст. Тибқи манбаъ, таъминкунандаи маълумот дар ин давра барои истихроҷи хабар аз манбаъҳои сохторнашуда ба истифодаи модели бузурги забонӣ оғоз кардааст; аммо санаи дақиқи оғози ин тағйирот нашр нашудааст.

Муаллифон ба ҳамин сабаб ба ҷойи тақсим кардани маҷмӯи маълумот онро пурра нигоҳ доштаанд. Далели онҳо ин аст, ки Sentiment Index дар дохили ҳар ширкат-моҳ нормализатсия мешавад, бинобар ин танҳо зиёд шудани шумораи хабарҳо сатҳи сигналро ба таври механикӣ тағйир намедиҳад. Бо вуҷуди ин, ин тағйирот дар раванди тавлиди маълумот хусусияти манбаи маълумотест, ки ҳангоми муқоисаи байни давраҳо бояд ба назар гирифта шавад.

Sentiment Index чиро чен мекунад?

Sentiment Index нишондиҳандаи нормализатсияшудаи сентимент аст, ки тавозуни нисбии хабарҳои мусбат ва манфии дар бораи як ширкат дар моҳи муайян таснифшударо дар байни -1 ва +1 чен мекунад. +1 ҳолати канориро ифода мекунад, ки танҳо таснифҳои мусбат бартарӣ доранд, -1 бошад ҳолатеро, ки танҳо таснифҳои манфӣ бартарӣ доранд; нишондиҳанда ба ҷойи сатҳи мутлақи ҳаҷми хабарҳо таносуби хабарҳои мусбат ва манфиро нисбат ба ҳам истифода мекунад.

Муодилаи истифодашуда барои ширкат \(i\) ва моҳ \(t\):

\[ SI_{i,t} = \frac{\sum POS-\sum NEG} {\sum POS+\sum NEG} \]

Дар ин ҷо \(POS\) шумораи хабарҳои мусбат таснифшуда барои ширкат-моҳи дахлдорро ва \(NEG\) шумораи хабарҳои манфӣ таснифшударо нишон медиҳад. Сурати формула самти софи сентиментро ифода мекунад, махраҷ бошад ҳаҷми умумии хабарҳои мусбат ва манфиро нормализатсия мекунад. Хабарҳои бетараф таснифшуда бевосита ба тавозуни мусбат-манфии ин формула дохил намешаванд.

Нишондиҳанда «пешгӯии мутлақи даромади саҳмия» нест. Дар марҳилаи баъдӣ он танҳо ҳамчун сигнали нисбӣ истифода мешавад, ки ширкатҳоро нисбат ба ҳамдигар тартиб медиҳад.

Кадом LLM-ҳо муқоиса шуданд?

Манбаъ моделҳои Llama ва Mistral-ро дар сарлавҳа ва матни асосӣ “open-source” меномад; дар ҷадвали хусусиятҳои техникӣ бошад, ин гурӯҳ инчунин ҳамчун “Weights Available” таъриф шудааст. Матни Verianla ин фарқи истилоҳиро бидуни тағйир нигоҳ медорад.

Чаро моделҳои нисбатан камхарҷ интихоб шуданд?

Коркарди тақрибан 1,5 миллион сарлавҳаи хабарӣ бо шумораи зиёди моделҳо хароҷоти баланди ҳисоббарорӣ ва API ба вуҷуд меорад. Аз ин рӯ, муҳаққиқон ба ҷойи моделҳои хеле вазнини reasoning моделҳои нисбатан камхарҷи тиҷоратии синфи Flash, Haiku ва Nano ва дар тарафи маҳаллӣ моделҳои дар доираи 1B то 7–8B параметрро интихоб кардаанд.

Ҳадафи таҳқиқот муқоисаи калонтарин версияи ҳар оилаи модел нест, балки муқоисаи амалии моделҳои қобили истифода дар миқёси таснифи хабарҳои молиявӣ мебошад.

Тасниф чӣ гуна анҷом дода шуд?

Барои ҳамаи сарлавҳаҳои хабарӣ ҳамон мантиқи стандартии тасниф истифода шудааст. Аз моделҳо дархост шудааст, ки ҳар сарлавҳаро аз нигоҳи интизориҳои сармоягузор ҳамчун мусбат, манфӣ ё номуайян/бетараф тасниф кунанд. Дар ҷараёни кори манбаъ ин синфҳо ба баромадҳои YES, NO ва UNKNOWN мувофиқанд.

Барои самаранокии ҳисоббарорӣ дар як дархост ҳадди аксар 10 сарлавҳаи хабарӣ коркард шудааст. Дар моделҳои тиҷоратии API temperature ба сифр гузошта шуда; дар моделҳои маҳаллӣ sampling хомӯш ва greedy decoding истифода шудааст. Бо ин роҳ тағйирёбии баромад аз sampling-и тасодуфӣ барои як вуруди якхела кам карда шудааст.

Моделҳои дорои вазнҳои кушода бо китобхонаи Hugging Face transformers ба таври маҳаллӣ ва бо дақиқии нимагии FP16 иҷро шудаанд. Моделҳои тиҷоратӣ бошад тавассути API-ҳои таъминкунандагон иҷро шудаанд. Азбаски манбаъ эътироф мекунад, ки рафтори API-и тиҷоратӣ метавонад байни версияҳо тағйир ёбад, давраи воқеии дастрасии ҳар модел низ дар ҷадвали хусусиятҳои техникӣ алоҳида гузориш шудааст.

Табдил ба портфел чӣ гуна анҷом дода шуд?

Хабарҳои дар давоми моҳи \(t\) ҷамъоварӣ ва таснифшуда аввал ба қимати моҳонаи Sentiment Index барои ҳар ширкат табдил дода шудаанд. Портфел дар рӯзи аввали кории моҳи \(t+1\) сохта шудааст. Ҳамин тавр, ҳаракатҳои ояндаи нарх дар ҳамон моҳ барои тавлиди сигнал истифода намешаванд.

Ширкатҳо аз рӯи Sentiment Index аз баланд ба паст тартиб дода шудаанд. Барои портфел ҳадафи ҳадди ақал 15 саҳмия муқаррар шудааст. Агар ширкатҳо дар нуқтаи буриш холи сентименти якхела дошта бошанд, ҳамаи саҳмияҳои дорои холи баробар ба портфел дохил карда шудаанд; бинобар ин андозаи воқеии портфел дар баъзе моҳҳо аз 15 зиёд шуда метавонист.

Барои он ки ширкат дар як моҳ барои интихоби портфел мувофиқ бошад, бояд ҳадди ақал 15 сарлавҳаи хабарӣ дошта бошад. Ин қоида ченкуниҳои аз ҳад ноустувори сентиментро дар ширкатҳои дорои зичии пасти хабарҳо кам мекунад, аммо намунаро ба сӯи ширкатҳои калон ва намоён, ки бештар хабар мегиранд, моил месозад.

Саҳмияҳои портфел бо вазни баробар тақсим шуда, як моҳ нигоҳ дошта ва дар рӯзи аввали кории моҳи оянда аз нав мувозинат карда шудаанд. Азбаски даромадҳо аз нархҳои басташавии барои тақсимшавии саҳмия ва дивидендҳо ислоҳшуда ҳисоб шудаанд, онҳо хусусияти даромади умумӣ доранд.

Benchmark-ҳо

Ду нуқтаи муқоиса истифода шудааст. Якум портфели S&P 500 бо вазни баробар аст, ки ҳар моҳ аз узвҳои фаъоли S&P 500-и ҳамон моҳ сохта шудааст. Дуюм миёнаи 1.000 интихоби Monte Carlo аз портфелҳои 15-саҳмиягии ба таври тасодуфӣ аз ҳамон узвҳои фаъол интихобшуда мебошад.

Олами benchmark танҳо бо ширкатҳои дорои хабари кофӣ маҳдуд нашудааст. Аз ин рӯ, бояд алоҳида ба назар гирифта шавад, ки филтри намоёнии расонаии портфелҳои LLM метавонад дар натиҷаҳо нақш дошта бошад.

Усул ва Натиҷаҳои Таҳқиқот

Метрикаҳои самаранокӣ

Таҳқиқот даромади солонашуда, ноустувории солонашуда, таносуби Sharpe, коҳиши максималӣ, alpha-и якфакторӣ ва beta-ро гузориш медиҳад. Дар таносуби Sharpe меъёри фоизи бидуни риск сифр қабул шудааст.

Alpha ва beta тавассути регрессияи OLS-и даромадҳои моҳонаи ҳар стратегияи LLM нисбат ба даромади моҳонаи S&P 500 EW баҳогузорӣ шудаанд. Beta ҳассосият ба benchmark-и бозорро ва alpha қисми даромадеро ифода мекунад, ки дар ин робитаи якфакторӣ бо ҳаракати benchmark шарҳ дода намешавад.

Натиҷаҳои асосии самаранокии 2021–2025

Кадом LLM баландтарин самаранокии портфелро ба вуҷуд овард?

Дар намунаи баррасишудаи 2021–2025 Claude 3 Haiku баландтарин таркиби даромади солонашуда, таносуби Sharpe ва alpha-и якфакториро ба вуҷуд овард: %14,18 даромад, 0,94 Sharpe ва %7,73 alpha. Аммо азбаски таҳқиқот фарқҳои моделҳоро бо санҷишҳои формалии аҳамиятнокии alpha ё Sharpe муқоиса накардааст, ин натиҷа набояд чунин тафсир шавад, ки «Claude 3 Haiku аз ҷиҳати оморӣ аз ҳамаи моделҳо бартар аст».

Claude 3 Haiku ва Claude 4.5 Haiku

Claude 3 Haiku баландтарин қиматҳои даромад ва alpha-ро ба вуҷуд овард, дар ҳоле ки вориси он Claude 4.5 Haiku бо %12,61 даромад, 0,88 Sharpe ва %6,66 alpha дар ҷойи дуюм қарор гирифт.

Ноустувории Claude 4.5 Haiku %14,34 ва beta-и он 0,82 буда, аз ҷумлаи пасттарин қиматҳои намуна аст. Бо вуҷуди ин, даромади ба риск мутобиқшудаи Claude 3 Haiku-и кӯҳнатар баландтар боқӣ монд. Таҳқиқот ин ҳолатро ҳамчун намунае истифода мекунад, ки версияи нави модел дар ҳамон вазифаи сигнали молиявӣ худкор натиҷаи қавитар намедиҳад.

Gemini 2.5 Flash ва GPT-4.1 Nano

Gemini 2.5 Flash %11,25 даромади солона ва 0,75 Sharpe ба вуҷуд овард. Даромади солонаи GPT-4.1 Nano %10,41 ва таносуби Sharpe 0,66 аст. Қимати alpha-и якфактории ҳар ду стратегия мусбат аст.

Қимати коҳиши максималӣ-и GPT-4.1 Nano -%23,20 буда, аз сатҳи -%21,45-и S&P 500 EW бадтар аст. Аз ин рӯ, даромади миёнаи болотар аз benchmark ба маънои талафоти камтар дар ҳамаи шароити бозор нест.

Оё Llama 3.1 8B-и маҳаллӣ иҷрошаванда тавонист ба API-ҳои тиҷоратӣ наздик шавад?

Бале, дар вазифа ва давраи баррасишуда Llama 3.1 8B %11,53 даромади солона, 0,74 Sharpe ва %4,77 alpha-и якфакторӣ ба вуҷуд оварда, бо ин қиматҳо аз GPT-4.1 Nano болотар ва ба Gemini 2.5 Flash наздик натиҷа нишон додааст. Натиҷа дастгирӣ мекунад, ки модели қобили иҷрои маҳаллӣ метавонад дар ин вазифаи махсуси таснифи хабарҳои молиявӣ алтернативаи қобили истифода бошад, аммо исбот намекунад, ки ҳамаи моделҳои дорои вазнҳои кушода ё ҳамаи вазифаҳои молиявӣ ба API-ҳои тиҷоратӣ баробаранд.

Фарқи байни Llama 3.1 8B ва Mistral 7B чиро нишон медиҳад?

Гарчанде Llama 3.1 8B ва Mistral 7B дар синфи андозаи параметрҳои монанд қарор доранд, самаранокии портфелии онҳо ба таври назаррас фарқ мекунад. Llama 3.1 8B %11,53 даромад ва 0,74 Sharpe додааст, дар ҳоле ки Mistral 7B дар сатҳи %7,68 ва 0,51 боқӣ мондааст.

Муаллифон мегӯянд, ки ин фарқ нишон медиҳад, ки андозаи модел ба танҳоӣ тавзеҳдиҳандаи кофӣ нест. Маълумоти омӯзишӣ ва қобилияти instruction-following низ метавонанд дар таснифи матни молиявӣ нақш дошта бошанд. Бо вуҷуди ин, азбаски дар доираи 7–8B танҳо ду модел баррасӣ шудаанд, ин натиҷаро наметавон ҳамчун қонуни умумии меъмории модел тафсир кард.

Чаро модели 1B бояд алоҳида арзёбӣ шавад?

Llama 3.2 1B бо %4,61 даромад ва 0,30 Sharpe ҳам аз S&P 500 EW ва ҳам аз benchmark-и портфели тасодуфӣ поёнтар монда, alpha-и якфакторӣ -%2,18 шудааст.

Манбаъ мегӯяд, ки ин натиҷа бо эҳтимоли маҳдудтар будани модели 1B дар ҷудо кардани сентименти иттилоотӣ аз садо мувофиқ аст. Аммо азбаски дар намуна танҳо як модели 1B мавҷуд аст, натиҷаро ба шакли «моделҳои дорои камтар аз 1 миллиард параметр дар таҳлили сентименти молиявӣ нокоманд» умумӣ намекунад. Фарқ метавонад аз маълумоти омӯзишӣ ё хусусиятҳои instruction-following-и ҳамон модел низ сар занад.

Коҳиши максималӣ ва бозори хирсии соли 2022

Коҳишҳои максималии Claude 3 Haiku, Claude 4.5 Haiku ва Gemini 2.5 Flash аз benchmark-и S&P 500 EW хурдтаранд. GPT-4.1 Nano бошад, нисбат ба benchmark коҳиши максималии амиқтарро таҷриба кардааст.

Он ки аксари қиматҳои beta тақрибан дар доираи 0,82–0,92 қарор доранд, маънои онро дорад, ки портфелҳои LLM аз бозор мустақил нестанд, вале баъзе стратегияҳо нисбат ба S&P 500 EW ҳассосияти камтари бозорӣ доранд.

Паёми илмии Расми 1

Расми 1-и манбаъ рушди сарвати кумулятивии ҳамаи стратегияҳоро аз сатҳи умумии ибтидоии аввали соли 2021 нишон медиҳад. Хатҳои қавитарини моделҳо дар ҷараёни коҳиши бозори соли 2022 аз benchmark-ҳо ҷудо шудан гирифтанд ва фарқ дар давраи 2024–2025 васеъ шуд.

Аммо муаллифон ин қисми охиринро танҳо ҳамчун қувваи сигнали LLM тафсир намекунанд. Самаранокии қавии ширкатҳои бузурги технологӣ дар солҳои 2024–2025, ҳамроҳ бо олами портфелие, ки ба ширкатҳои дорои фарогирии баланди расонаӣ моил аст, метавонад қисми фарқи ченшударо шарҳ диҳад.

Дар расм хати стратегияи Llama 3.2 1B дар қисми зиёди намуна аз S&P 500 EW поён мемонад. Ин намунаи визуалӣ бо даромади солонаи паст, Sharpe-и паст ва alpha-и манфии Ҷадвали 3 мувофиқ аст.

Чаро alpha бояд бо эҳтиёт тафсир шавад?

Қиматҳои alpha-и солонашудаи %7,73 барои Claude 3 Haiku ва %4,77 барои Llama 3.1 8B танҳо бо истифода аз як омили бозории S&P 500 EW ҳисоб шудаанд.

Регрессия андозаи ширкат, value, momentum, вазнҳои соҳавӣ ё дигар омилҳои маълуми нархгузории дороиҳоро назорат намекунад. Аз ин рӯ, қисми alpha-и мусбат метавонад аз таъсирпазирии систематикӣ берун аз сентименти хабарҳо сар занад.

Махсусан, он ки ширкатҳои дорои хабарҳои бештар ширкатҳои калон ва намоёнанд ва самаранокии саҳмияҳои технологӣ дар давраи 2024–2025 ин маҳдудияти тафсирро муҳим месозад.

Оё таҳқиқот истифодаи маълумоти ояндаро пурра пешгирӣ мекунад?

Не. Муҳаққиқон санаҳои сарлавҳаҳоро аз вуруди модел хориҷ карда, хабарҳоро дар batch-ҳои аз вақт мустақил коркард карда ва ба моделҳо маълумоти нарх надодаанд; аммо азбаски санаҳои қатъи дониши баъзе моделҳо ба дохили давраи намунаи 2021–2025 рост меоянд, эҳтимоли он ки онҳо дар вақти pre-training рӯйдодҳои муайяни ширкатҳоро дида бошанд, пурра бартараф намешавад.

Қадамҳои кам кардани look-ahead bias

Чораи аввал хориҷ кардани санаҳои хабар аз вуруди модел ҳангоми таснифи LLM аст. Чораи дуюм таснифи сарлавҳаҳо дар batch-ҳое мебошад, ки маълумоти тартиби замониро надоранд. Сеюм, ба LLM-ҳо нархи саҳмияҳо дода нашудааст.

Ин чораҳо пешгирӣ мекунанд, ки модел ҳангоми тасниф нархи ояндаро мустақим бинад. Аммо модел метавонад дар pre-training рӯйдоди муайяни ширкат ё хабарро пештар дида бошад. Ин риск, махсусан агар санаи қатъи дониши модел аз санаи хабаре, ки таҳқиқ мешавад, дертар бошад, пурра бартараф намешавад.

Санҷиши post-cutoff

Муаллифон барои арзёбии ин риск таҳлилро дар давраи баъд аз санаи қатъи дониши модел такрор кардаанд. Давраи post-cutoff-и ду модели навтарин барои муқоисаи боэътимод хеле кӯтоҳ буд. Дар моделҳои дигар аломати alpha ҳамон аломати намунаи пурраро нигоҳ доштааст.

Ин санҷиш таҳлили устувориро пешниҳод мекунад, ки мушкили look-ahead-ро коҳиш медиҳад; аммо таъсирҳои entity-level-ро, ки номҳои ширкатҳо метавонанд дар хотираи модел эҷод кунанд, бартараф намекунад. Яке аз пешниҳодҳои муаллифон барои таҳқиқоти оянда аноним кардани номҳои ширкатҳо мебошад, то тафсири семантикии хабар аз ассотсиатсияҳои бренди қаблан омӯхташуда ҷудо карда шавад.

Чаро хароҷоти муомилот камбудии муҳим аст?

Портфелҳо ҳар моҳ аз нав мувозинат карда мешаванд; бо вуҷуди ин, таҳқиқот комиссияҳои харидуфурӯш, bid-ask spread, таъсири бозор ё дигар соишҳои муомилотиро аз натиҷаҳо тарҳ намекунад.

Аз ин рӯ, Ҷадвали 3 самаранокии умумии стратегияро нишон медиҳад. Таҳқиқот даромаднокии софи сармоягузориро исбот намекунад. Илова кардани хароҷоти муомилот аз ҷониби манбаъ мустақиман ҳамчун самти таҳқиқоти оянда нишон дода шудааст.

Оё хароҷоти моделҳои тиҷоратӣ ва маҳаллӣ муқоиса шуд?

Не. Мақола хароҷоти API, хароҷоти GPU-и маҳаллӣ, истеъмоли энергия, таъхир ё сармоягузории сахтафзорро ба таври миқдорӣ муқоиса намекунад. Фарқи байни осонии истифодаи моделҳои тиҷоратӣ ва махфияти маълумот ва назорати хароҷот дар моделҳои маҳаллӣ муҳокима мешавад; аммо total cost of ownership чен нашудааст.

Аз ин рӯ, наметавон натиҷаи миқдории бо манбаъ дастгиришудае баровард, ки «Llama 3.1 8B арзонтар аст» ё «API-и тиҷоратӣ камхарҷтар аст».

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• Аз сарлавҳаҳои хабарҳои молиявӣ бо истифода аз таснифи сентименти бар асоси LLM метавон портфелҳои моҳонаи саҳмияҳои rank-based сохт.
• Дар намунаи баррасишуда моделҳои хусусӣ дар маҷмӯъ баландтарин натиҷаҳои ба риск мутобиқшударо ба вуҷуд овардаанд.
• Claude 3 Haiku дар байни моделҳои баррасишуда баландтарин таносуби Sharpe ва қимати alpha-и якфакториро ба вуҷуд овардааст.
• Аз Claude 3 Haiku-и кӯҳнатар пасттар мондани Claude 4.5 Haiku нишон медиҳад, ки версияи нави модел дар ҳамон вазифа худкор сигнали қавитар намедиҳад.
• Llama 3.1 8B дар вазифаи баррасишуда ба Gemini 2.5 Flash наздик ва аз GPT-4.1 Nano баландтар самаранокӣ нишон додааст.
• Llama 3.2 1B аз benchmark нагузашта ва alpha-и якфактории манфӣ ба вуҷуд овардааст.
• Фарқи байни Llama 3.1 8B ва Mistral 7B бо андозаи параметрии монанд нишон медиҳад, ки шумораи параметрҳо ба танҳоӣ самаранокиро шарҳ намедиҳад.

Натиҷаҳое, ки таҳқиқот дастгирӣ намекунад

• Исбот нашудааст, ки Claude 3 Haiku дар ҳамаи давраҳои молиявӣ ё ҳамаи бозорҳо беҳтарин LLM аст.
• Нишон дода нашудааст, ки фарқҳои alpha ё Sharpe байни стратегияҳои модел аз ҷиҳати оморӣ аҳамиятноканд.
• Исбот нашудааст, ки тамоми alpha-и гузоришшуда танҳо аз сентименти хабарҳо сар мезанад.
• Наметавон хулоса кард, ки моделҳои 1B умуман барои таснифи молиявӣ нокифояанд; танҳо як модели 1B санҷида шудааст.
• Нишон дода нашудааст, ки моделҳои дорои вазнҳои кушода метавонанд ҳамаи моделҳои тиҷоратии API-ро иваз кунанд.
• Азбаски хароҷоти муомилот ба ҳисоб гирифта нашудааст, даромаднокии софи сармоягузории стратегияҳо исбот нашудааст.
• Нишон дода нашудааст, ки дониши рӯйдодҳои гузашта аз pre-training пурра бартараф шудааст.
• Натиҷаҳо барои сармоягузори инфиродӣ маслиҳати харидуфурӯш намебошанд.

Самтҳои таҳқиқоти оянда

Манбаъ се самти асосии тавсеаро пешниҳод мекунад. Якум, илова кардани хароҷоти муомилот ва дигар соишҳои бозор ба натиҷаҳои портфел. Дуюм, муқоисаи LLM-ҳои генеративӣ бо моделҳои дискриминативии махсуси соҳаи молия, масалан сохторҳои encoder монанди FinBERT.

Самти сеюм маълумоти ҳувияти ширкат аз pre-training аст. Аноним кардани номҳои ширкатҳо метавонад равшантар ҷудо кунад, ки модел воқеан семантикаи хабарро тафсир мекунад ё аз ассотсиатсияҳои ширкат ва бренде, ки қаблан омӯхтааст, истифода мебарад.

Ёддошт оид ба Манбаъ ва Усул

Унвони пурраи аслӣ: Open-Source versus Proprietary LLMs for Sentiment-Based Equity Portfolios.

Муаллифон: Felipe Affonso; Marcelo S. Perlin.

Муассиса: Escola de Administração, Departamento de Finanças, Universidade Federal do Rio Grande do Sul (UFRGS), Porto Alegre, Brazil.

Corresponding author: Felipe Affonso.

Навъи манбаъ: Preprint / таҳқиқоте, ки аз ҳамтоарзёбӣ нагузаштааст.

Маҷаллаи ҳадаф: Дар PDF ибораи “Preprint submitted to Economics Letters” мавҷуд аст.

Платформа: SSRN.

Шиносаи SSRN: 7009844.

DOI: 10.2139/ssrn.7009844.

Санаи нашри SSRN: 27 июни 2026.

Ҳолати ҳамтоарзёбӣ: PDF-и боршуда ба таври равшан мегӯяд, ки таҳқиқот ҳанӯз аз ҳамтоарзёбӣ нагузаштааст.

Иҷозатномаи кушода: Дар PDF-и боршуда ва сабти тасдиқшудаи SSRN Creative Commons ё иҷозатномаи муодили кушодаи истифодаи дубора тасдиқ нашудааст. Аз ин рӯ, баёни Verianla мустақилона бар асоси далелҳои илмӣ сохта шудааст; матни манбаъ, тарҳи аслии ҷадвал ё композитсияи визуалии Расми 1 нусхабардорӣ нашудааст.

Манбаи маълумот: Сарлавҳаҳои хабарҳои молиявии ширкатҳои дар ИМА рӯйхатшуда аз портали EOD Historical Data.

Давраи баррасишуда: Январ 2021–Декабр 2025.

Шумораи хабарҳои ибтидоӣ: 1.689.569.

Намунаи ниҳоии таҳлилӣ: 1.477.385 сарлавҳа.

Олами ширкатҳо: Узвҳои таърихии point-in-time-и S&P 500 барои ҳар моҳ.

Филтри дубликатҳои наздик: Ҷуфтҳои сарлавҳаҳои ҳамон ширкат ва ҳамон сана бо монандии нормализатсияшудаи Levenshtein зиёда аз 0,6.

Вазифаи LLM: Таснифи сарлавҳаҳои хабарӣ ҳамчун мусбат, манфӣ ё бетараф/номуайян.

Шумораи LLM: 7.

Моделҳои хусусӣ: GPT-4.1 Nano, Claude 3 Haiku, Claude 4.5 Haiku, Gemini 2.5 Flash.

Моделҳои гурӯҳи open-source/weights-available-и манбаъ: LLaMA 3.1 8B Instruct, LLaMA 3.2 1B Instruct, Mistral 7B Instruct v0.2.

Decoding: Дар моделҳои хусусӣ API temperature = 0; дар моделҳои маҳаллӣ greedy decoding ва do_sample=False.

Inference-и маҳаллӣ: Hugging Face transformers ва FP16.

Сигнали асосӣ: Sentiment Index-и моҳона дар сатҳи ширкат.

Қоидаи портфел: Тартибдиҳии коҳишёбанда аз рӯи холи сентименти моҳи гузашта, ҳадафи ҳадди ақал 15 саҳмия, вазни баробар, мувозинаткунии ҳармоҳа.

Филтри расонаӣ: Ҳадди ақал 15 хабар барои ҳар ширкат-моҳ.

Benchmark-ҳо: S&P 500 Equal Weighted ва портфели Random 15, ки миёнаи 1.000 интихоби Monte Carlo аз узвҳои фаъоли S&P 500 мебошад.

Навъи даромад: Даромади умумии барои тақсимшавӣ ва дивидендҳо ислоҳшуда.

Фарзияи Sharpe: Меъёри фоизи бидуни риск сифр.

Усули alpha/beta: Регрессияи якфактории OLS-и даромадҳои моҳонаи стратегия нисбат ба даромади моҳонаи S&P 500 EW.

Санҷиши формалии муқоисаи моделҳо: Барои фарқҳои alpha ва Sharpe санҷиши формалии аҳамиятнокии байни моделҳо гузориш нашудааст; натиҷаҳо тавсифӣ пешниҳод шудаанд.

Санҷиши look-ahead: Санаҳои хабар аз вуруди модел хориҷ шудаанд, тасниф бо batch-ҳои бе маълумоти тартиби замонӣ анҷом дода шудааст ва ба моделҳо нархи саҳмия дода нашудааст. Бо вуҷуди ин, дониши рӯйдодҳо тавассути pre-training пурра хориҷ карда намешавад.

Санҷиши post-cutoff: Дар моделҳое, ки мушоҳидаҳои кофии post-cutoff доранд, аломати alpha аломати намунаи пурраро нигоҳ доштааст; барои ду модели навтарин равзана хеле кӯтоҳ аст.

Маблағгузорӣ: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior – Brasil (CAPES), Finance Code 001.

Баёнияи зеҳни сунъии генеративӣ: Муаллифон изҳор мекунанд, ки барои беҳтар кардани хондашавии матни ниҳоӣ Google Gemini-ро истифода бурда, баромадро баррасӣ ва таҳрир кардаанд ва масъулияти мундариҷаи мақоларо ба уҳда мегиранд.

Бархӯрди манфиатҳо: Дар PDF-и боршуда баёнияи алоҳидаи бархӯрди манфиатҳо гузориш нашудааст.

CRediT / саҳмҳои муаллифон: Дар PDF-и боршуда баёнияи муфассали CRediT оид ба саҳми муаллифон гузориш нашудааст.

Дастрасии маълумот: Гарчанде таъминкунандаи маълумоти манбаъ нишон дода шудааст, дар PDF бахши алоҳида ва равшани дастрасии маълумот гузориш нашудааст.

Маҳдудиятҳои асосӣ: Хориҷ кардани хароҷоти муомилот; истифодаи танҳо alpha-и якфакторӣ; қисман ҳампӯш шудани санаҳои қатъи дониши моделҳо бо намуна; моил шудани филтри ҳадди ақали хабар барои ҳар ширкат ба ширкатҳои дорои намоёнии баланди расонаӣ; тағйир дар раванди истихроҷи хабар аз ҷониби таъминкунандаи маълумот дар соли 2025; баррасии танҳо ҳафт модел; мавҷуд будани танҳо як модели 1B; эҳтимоли тағйири версияҳои API бо вақт; ба таври миқдорӣ чен нашудани хароҷот, таъхир ва талаботи сахтафзор.

Расми 1: Рушди кумулятивии сарватро дар 2021–2025 барои стратегияҳои модел, S&P 500 EW ва benchmark-и Random 15 муқоиса мекунад. Стратегияҳои қавитар пас аз соли 2022 аз benchmark ҷудо мешаванд, дар ҳоле ки Llama 3.2 1B дар қисми зиёди намуна аз benchmark поён мемонад.