هابل: إطار عمل مبتكر باستخدام نماذج لغوية لتحقيق اكتشافات آمنة ومتنوعة للعوامل المالية

في عالم التمويل، تعتبر عملية اكتشاف العوامل المالية (Alpha Factor Discovery) من التحديات الكبرى بسبب تعقيد المساحة البحثية وارتفاع نسبة الضجيج في بيانات الأسهم اليومية. ولكن مع ظهور إطار العمل الجديد المعروف باسم هابل (Hubble)، أصبح هذا الأمر أكثر سهولة وأمانًا.

يستخدم هابل نماذج لغوية ضخمة (LLMs) مجتمعة مع لغة عملية خاصة بالمجال، وقائمة تنفيذ شجرية (Abstract Syntax Tree - AST)، مما يتيح له البحث عن العوامل المالية بطرق مبتكرة وفعالة. بدلاً من استخدام النموذج اللغوي كمولد غير محدود للأكواد، يفرض هابل قيودًا على النموذج بحيث يقتصر على شجرات العمليات القابلة للتفسير، ما يعزز من سلامة النتائج ودقتها.

تعتمد المنظومة أيضًا على وحدة استرداد معززة بالتوليد (Retrieval-augmented Generation - RAG) وآلية اختيار تراعي العائلات المالية. حيث تقيم كل مرشح من خلال أنبوب بيانات محدد، مما يضمن عدم حدوث أي أعطال أثناء التشغيل. توضح التجارب أن النظام قد أجرى تقييمًا لعدد 104 مرشحين صحيحين، مشيرًا إلى أداء متميز بدون أي أعطال تشغيلية.

من خلال اختبار أداء العوامل على مجموعة أسهم أمريكية تضم حوالي 500 سهم، تم اكتشاف مجموعة من العوامل المالية التاريخية التي تركز على نطاق التقلبات والاتجاهات بدلاً من الأنماط المزدحمة. تم التحقق من جودة هذه العوامل خلال فترة زمنية محجوزة، حيث أظهرت النتائج تفوقًا ملحوظًا للعوامل المتعلقة بالنطاق والتقلب، في حين أظهر عامل الاتجاه الأضعف تراجعًا ملحوظًا.

تشير هذه النتائج إلى إمكانية الترقي باستخدام البحث الآمن المدعوم بنماذج لغوية ضخمة، وتحويله من مولد متوافق مع القواعد إلى سير عمل بحثي تكراري يمكن الاعتماد عليه، مما يعزز من صحة وموثوقية التنوع والفهم العائلي في العوامل المالية.