دانشگاه آزاد اسلامی واحد تهران جنوب

صفحه اصلی / دومین همایش دوسالانه پژوهش های نوپدید در حسابداری،مالی و مدیریت

ارائه یک مدل هوش مصنوعی مولد در تحلیل و مدیریت ریسک مالی

نویسندگان :

محبوبه کمالی دولت آبادی¹ علی اصغر انواری رستمی²

1- گروه حسابداری، واحد تهران جنوب ، دانشگاه آزاد اسلامی، تهران، ایران 2- گروه حسابداری، دانشگاه تربیت مدرس، تهران، ایران

کلمات کلیدی :

هوش مصنوعی مولد،ریسک مالی،GPT،مدل‌های زبانی بزرگ (LLMs)

چکیده :

این مقاله به ارائه و ارزیابی یک نمونه‌اولیه برای بهره‌گیری از هوش مصنوعی مولد (GenAI) در تحلیل ریسک مالی می‌پردازد. تمرکز اصلی بر تنظیم دقیق (Fine-tuning) مدل‌های GPT با داده‌های اختصاصی است. مدل‌سازی ریسک مالی، توسعه، اعتبارسنجی و تأیید آن نه تنها به تکنیک‌های پیشرفته هوش مصنوعی نیاز دارد، بلکه به‌دلیل حجم وسیع و پیچیدگی داده‌ها، مستلزم دقت و ملاحظات اجرایی ویژه است. این پژوهش بر ضرورت نظارت انسانی برای کاهش خطاهایی که ممکن است از مدل‌های کاملاً خودکار ناشی شوند، تأکید دارد. در این مطالعه، کاربرد مدل‌های زبانی بزرگ (LLMs) در حوزه‌های گوناگون ریسک مالی، همچون ارزیابی ریسک اعتباری، پیش‌بینی ریسک بازار و شناسایی ناهنجاری‌ها بررسی می‌شود. هرچند تولید داده مصنوعی در این پژوهش مدنظر نبوده است، اما از رویکرد طبقه‌بندی بدون نمونه (Zero-shot classification) با استفاده از مدل‌های Hugging Face و ابزارهای OpenAI بهره گرفته شده است. نتایج نشان داد که ChatGPT در تولید پرسش‌های مرتبط بیش از 70٪ دقت و در وظایف طبقه‌بندی حدود 60٪ صحت به دست آورده است. علاوه بر این، خط لوله‌ای (Pipeline) نمونه ارائه می‌شود که قابلیت‌های GenAI را در جریان‌های کاری مالی ادغام کرده و امکان پیاده‌سازی آن بر روی سامانه‌های رایانشی کوچک نیز وجود دارد. این راهکار شامل آزمون پشتیبان از طریق Flask و نمونه‌سازی سریع با استفاده از دستورهای cURL است که بستر عملی برای آزمایش و استقرار مدل‌ها فراهم می‌آورد. با تنظیم دقیق GenAI بر اساس داده‌های تخصصی و بهینه‌سازی فرآیندهای تصمیم‌گیری، این پژوهش ظرفیت دگرگون‌ساز ادغام هوش مصنوعی مولد در مدیریت ریسک مالی را نشان می‌دهد. نتایج، دیدگاه‌های نوینی در زمینه ارتقای کارایی مدل‌ها، انطباق با الزامات مقرراتی و بهبود مقیاس‌پذیری ارائه می‌کنند. همچنین، چالش‌های کلیدی از جمله مدیریت مجموعه‌داده‌های عظیم و تضمین بهره‌گیری اخلاقی از هوش مصنوعی در نظام‌های تصمیم‌گیری مورد توجه قرار گرفته‌اند. این مطالعه گامی مؤثر در جهت توسعه و پذیرش GenAI در تحلیل‌های مالی محسوب می‌شود و مسیر را برای روش‌های نوآورانه، پایدار و کارآمد در پاسخگویی به نیازهای در حال تحول بخش مالی هموار می‌سازد.