التعلم الانتباهي العميق لتنبؤ حركة الأسهم من النصوص الإعلامية الاجتماعية والارتباطات بين الشركات

في المجال المالي، تعتمد نماذج التقييم المالي وتحقيق الأرباح بشكل كبير على مهمة تنبؤ حركات الأسهم المعقدة والدقيقة. يُعد تنبؤ أسعار الأسهم مُعقدًا نظرًا للديناميكيات العشوائية والسلوك غير الثابت للسوق. تتأثر حركات الأسهم بعوامل متعددة تتجاوز الأسعار التاريخية التقليدية التي تُدرس، مثل وسائل التواصل الاجتماعي والعلاقات الترابطية بين الأسهم. مع الانتشار المتزايد للمحتوى والمعارف الإلكترونية، أصبح من الضروري استكشاف نماذج تأخذ بعين الاعتبار هذه الإشارات متعددة الوسائط لتحسين دقة تنبؤات الأسهم. نُقدّم معمارية تحقق مزيجًا قويًا من الإشارات الزمنية الفوضوية المستمدة من البيانات المالية، ووسائل التواصل الاجتماعي، والعلاقات بين الأسهم، من خلال شبكة عصبية رسمية (Graph Neural Network) بطريقة زمنية هرمية. ومن خلال تجارب أجريت على بيانات مؤشر S&P 500 الحقيقية ورسائل تويتر الإنجليزية، نُظهر الجدوى العملية لنموذجنا كأداة لاتخاذ قرارات استثمارية واتخاذ قرارات تداول.