مقدمه
در دورهای که بازارهای مالی با سرعتی بسیار بالاتر از تحلیل انسان واکنش نشان میدهند، توانایی «درک احساس بازار» تبدیل به یک مزیت رقابتی جدی شدهاست. مدل FinBERT یکی از ابزارهای هوش مصنوعی است که با هدف سنجش و تحلیل احساسات مالی در متنها طراحی شدهاست؛ مدلی که به زبان عدد و ماتریس، آن چیزی را میخواند که ذهن معاملهگران در شبکهها، خبرها و گزارشهای اقتصادی پنهان میکنند.
بخش اول: FinBERT از کجا آمده؟
FinBERT نسخهای تخصصی از معماری معروف BERT (مدل زبانی گوگل برای درک متن) است که روی دادههای مالی آموزش دیده.
درحالیکه BERT روی متون عمومی مثل ویکیپدیا یا خبرهای عمومی آموزش دیده، FinBERT فقط روی مقالات، گزارشها، و خبرهای مالی تمرکز دارد. همین تمرکز باعث میشود که بتواند تفاوت ظریف بین عبارتهایی مثل «risk-off sentiment» یا «hawkish policy tone» را بفهمد — چیزهایی که برای مدل عمومی کاملاً مبهماند.
در نتیجه هر جمله یا پاراگراف در دنیای مالی، در FinBERT بهصورت یکی از سه کلاس معنا میشود:
- Bullish (صعودی و خوشبینانه)
- Bearish (نزولی و بدبینانه)
- Neutral (خنثی یا محتاط)
بخش دوم: فرایند کار FinBERT در بازار
وقتی یک خبر یا توییت وارد سیستم شود، مدل به شکل زیر عمل میکند:
- پیشپردازش متن: حذف نویز، علامتها و تبدیل به توکنهای قابلخواندن برای مدل.
- تحلیل احساسی: مدل بردار ویژگی (Embedding) جمله را استخراج میکند و بر اساس آن تصمیم میگیرد که متن در کدام دسته احساسی قرار دارد.
- تجمیع اطلاعات: اگر صدها خبر در بازهای دریافت شوند، سیستم مجموع وزن احساسی را محاسبه میکند؛ مثلاً امروز 70٪ خبرها ماهیت bearish دارند → ریسک بازار بالا است.
- خروجی برای معاملهگر یا سیستم معاملاتی: این عدد یا شاخص میتواند بهعنوان ورودی مدلهای الگوریتمی (FinRL، Forecasting Agents و غیره) استفاده شود تا تصمیم خرید یا فروش تطبیق پیدا کند.
بخش سوم: مزایا و محدودیتها
✅ مزایا:
- استخراج سریع احساس از حجم بزرگ خبرها (هزاران منبع در دقیقه).
- قابلیت اتصال به هر زبان یا منبع داده متنی (توییتر، Coindesk، بلومبرگ و …).
- ورودی استاندارد برای مدلهای پیشبینی یا مدیریت پورتفویو.
⚠️ محدودیتها:
- درک ظرافت انسانی محدود است؛ مثلاً طنز یا کنایه را تشخیص نمیدهد.
- به شدت وابسته به کیفیت دادههای ورودی است (اگر خبرها اسپم یا جعلی باشند، کل تحلیل اشتباه میشود).
- واکنش آن نسبت به اخبار چندزبانه یا محلی (مانند فارسی) هنوز ضعیفتر از انگلیسی است.
جمعبندی
FinBERT در واقع چشمِ احساسیِ هوش مصنوعی در بازار مالی است: چیزی که جو روانی معاملهگران را از میان حجم انبوه متنها بیرون میکشد و به عدد تبدیل میکند.
در دورانی که تصمیمات معاملاتی بین میلیثانیهها شکل میگیرند، فهم جهت عاطفی بازار میتواند همان مرزی باشد که یک استراتژی را از زیان سنگین یا از سود بزرگ جدا میکند.
مطالعه بیشتر
- Paper: FinBERT: A Pretrained Language Model for Financial Communications (Araci, 2019)
پیشنهاد مطالعه داخلی: “روان شناسی جمعی در بازار رمزارز ها“
