في عالم التمويل التقليدي، كانت العوامل تصنع يدويًا بواسطة خبراء بناءً على أسس اقتصادية قوية. ولكن مع تقدم التقنيات الحديثة، وخصوصًا أنظمة النماذج اللغوية الكبيرة (Large Language Models)، شهدنا تحولًا ملحوظًا في هذا المجال. الآن، يمكن لأدوات متعددة الوكلاء الأوتوماتيكية (multi-agent systems) أن تتجاوز الجهود اليدوية، مما يحسن بشكل كبير من عملية استخراج العوامل.

ومع ذلك، هناك عيب واضح في هذه الطرق الآلية: التركيز على تحقيق العوائد بدلاً من التأكد من أن العامل المولد لا يزال يعكس الفرضية الاقتصادية المرتبطة به. تُظهر الأبحاث أن هذه الفجوة بين الشكل الرياضي والمعنى الاقتصادي تعتبر فشلًا هيكليًا في الأتمتة الموجهة نحو العوائد.

ولمعالجة هذه المشكلة، نقترح إطار FaVOR (التحقق من العوامل من خلال الاستدلال القابل للملاحظة). هذا الإطار يمكّن الباحثين من إعادة هيكلة عملية استخراج العوامل بحيث تركز على الأدلة القائمة على الفرضيات بدلاً من النتائج المالية فقط. يتضمن FaVOR ثلاث مراحل:

1. **التفكيك**: تقسيم الفرضية الاقتصادية الواسعة إلى شروط قابلة للملاحظة بشكل مستقل.
2. **التحقق**: التأكد من أن كل عامل يعكس حالته المقصودة.
3. **الإدماج**: دمج الأمور للحصول على تركيب يبقى قابلًا للتفسير.

عند اختبار FaVOR على مؤشرات CSI 500 وS&P 500 في عام 2025، أظهر الأداء تفوقًا على الأسس الحالية مع الحفاظ على فعالية عبر تغيرات الأنظمة. هذه النتائج تؤكد على أن اكتشاف العوامل المبني على الفرضيات ينتج إشارات يمكن تفسيرها بسهولة، مما يجعلها عجلة أساسية في عالم التمويل الحديث.

لمعرفة المزيد عن FaVOR، يمكنك زيارة رابط كود GitHub الخاص بالمشروع. ما رأيكم في هذا التطور الجديد في عالم التمويل؟ شاركونا آراءكم في التعليقات!