أنظمة متعددة الوكلاء تعتمد على نماذج اللغة الكبيرة التكيفية لتعزيز أداء التداول الكمي

تقتصر الطرق التقليدية للتداول الكمي على قدرة محدودة في تجميع مصادر البيانات المتنوعة والتكيف مع تحولات أنظمة السوق. نقترح إطار عمل ثلاثي الطبقات يدمج بشكل منهجي نماذج اللغة الكبيرة للمعالجة الدلالية، وأنظمة متعددة الوكلاء للذكاء التعاوني، والتعلم المعزز العميق لاتخاذ القرارات التكيفية. تعتمد البنية على خمسة وكلاء متخصصين يُنسقون عبر آلية مزود سياق النموذج لتوليد درجات عوامل يومية تُعلم خوارزمية تحسين السياسة القريبة. أجرينا تحققاً تجريبياً صارماً عبر خمس أسهم أمريكية باستخدام بيانات تاريخية تمتد 25 عاماً مع تقسيم زمني صارم لمنع التحيز في التوقع. خلال فترة الاختبار خارج العينة المتقلبة من يوليو 2024 إلى يونيو 2025، يحقق الإطار عائداً سنوياً متوسطاً نسبة 53.87% مع نسبة شارب 1.702، متفوقاً بشكل ملحوظ على عائد استراتيجية الشراء والاحتفاظ الذي بلغ 26.08% ونسبة شارب 0.765. متوسط السحب الأقصى يصل إلى 12.54% مقارنة بـ 30.24% للاستراتيجيات السلبية. تؤكد المقارنات الشاملة مع 15 نموذجاً أساسياً تفوقاً ذا دلالة إحصائية عبر جميع المؤشرات، مع اختبارات ديبولد–ماريانو التي أظهرت قيم p أقل من 0.0001 بعد تصحيح بونفيروني. تظهر دراسات الإبَطال المنهجية تآزراً حقيقياً في البنية، حيث يتفوق الدمج الكامل للطبقات الثلاث على أفضل تركيبة من مكونين بمقدار 15.35 نقطة مئوية. يحافظ الإطار على أداء قوي عبر مختلف أنظمة التقلب، مبرهناً على قوته الخاصة خلال فترات التقلب العالي عندما تواجه الطرق التقليدية عوائد سلبية.