🤖 AI

Conv-FinRe: A Conversational and Longitudinal Benchmark for Utility-Grounded Financial Recommendation

يقدم Conv-FinRe معياراً مرجعياً حوارياً وطولياً لتوصيات الأسهم يقيم النماذج اللغوية الكبيرة من خلال التمييز بين محاكاة سلوك المستخدم المشوب بالضجيج وبين توليد تصنيفات قائمة على المنفعة ومتوافقة مع أهداف المستثمر طويلة الأجل، مما يكشف عن توتر مستمر بين جودة القرار العقلاني والاتساق السلوكي.

المؤلفون الأصليون: Yan Wang, Yi Han, Lingfei Qian, Yueru He, Xueqing Peng, Dongji Feng, Zhuohan Xie, Vincent Jim Zhang, Rosie Guo, Fengran Mo, Jimin Huang, Yankai Chen, Xue Liu, Jian-Yun Nie

نُشر 2026-02-20

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yan Wang, Yi Han, Lingfei Qian, Yueru He, Xueqing Peng, Dongji Feng, Zhuohan Xie, Vincent Jim Zhang, Rosie Guo, Fengran Mo, Jimin Huang, Yankai Chen, Xue Liu, Jian-Yun Nie

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك توظف مستشاراً مالياً. لديك طريقتان للحكم على جودته:

اختبار "المُقلد": هل أخبرك بأن تشتري بالضبط ما اشتريته في المرة الماضية؟
اختبار "الحكمة": هل قدم لك نصيحة من شأنها أن تجعلك أكثر ثراءً وأماناً على المدى الطويل، حتى لو تطلب ذلك منه أن يمنعك مما كنت ترغب في فعله؟

معظم اختبارات الذكاء الاصطناعي الحالية للمشورة المالية تستخدم فقط اختبار "المُقلد". فهي تسأل: "هل خمن الذكاء الاصطناعي ما نقر عليه المستخدم؟". لكن المشكلة هي أن البشر فوضويون؛ فأحياناً نصاب بالذعر ونبيع الأسهم عندما تنخفض السوق، أو نندفع وراء الطمع ونشتري سهماً عالي المخاطر لمجرد أنه رائج حالياً. إذا قام الذكاء الاصطناعي بمجرد نسخ هذه التحركات الفوضوية والعاطفية، فهو لا يكون مستشاراً جيداً، بل مجرد مرآة سيئة.

Conv-FinRe هو اختبار جديد وأكثر ذكاءً صُمم لإصلاح هذا الخلل. وإليك كيف يعمل، مقسماً بتبسيط شديد:

1. الإعداد: علاقة طويلة الأمد، وليس مجرد دردشة عابرة

تخيل أنك توظف مدرباً شخصياً.

الاختبارات القديمة: تسأل المدرب: "ما هو التمرين الذي قمت به بالأمس؟" فيقوم فقط بتكرار روتينك بدقة.
Conv-FinRe: يحاكي هذا المعيار علاقة مدتها 30 يوماً. يبدأ بمقابلة (عملية "التهيئة") حيث يتعرف الذكاء الاصطناعي على أهدافك، ومخاوفك، وميزانيتك. ثم، يوماً بعد يوم، يتحدث إليك الذكاء الاصطناعي مع تغيرات السوق، ويقدم النصيحة ويرى كيف ستكون ردة فعلك. إنها ليست مجرد مسألة لمرة واحدة، بل هي محادثة مستمرة.

2. "العيون الأربع" للحكم

هذا هو الجزء الأكثر إبداعاً. عندما يقدم الذكاء الاصطناعي توصية، لا يكتفي الاختبار بالتحقق من مفتاح إجابة واحد، بل يختبر نصيحة الذكاء الاصطناعي مقابل أربع "عيون خبراء" مختلفة ليرى ما يفكر فيه الذكاء الاصطناعي حقاً:

👁️ "عين المستخدم" (ما فعلته أنت بالفعل): هل نسخ الذكاء الاصطناي خياراتك الفوضوية السابقة؟ (هذا هو مقياس "المُقلد").
🧠 "العين العقلانية" (ما هو الأفضل رياضياً): بناءً على قدرتك على تحمل المخاطر، ما الذي ينبغي لمستثمر مثالي وهادئ أن يفعله؟ (هذا هو مقياس "الحكمة").
📈 "عين الضجيج" (ما يفعله السوق الآن): هل تبع الذكاء الاصطناعي الحشود واشترى أكثر الأسهم رواجاً لهذا الأسبوع؟
🛡️ "عين الأمان" (ما يحافظ على سلامتك): هل أعطى الذكاء الاصطناوت الأولوية لتجنب الخسائر الكبيرة بدلاً من مطاردة المكاسب الكبيرة؟

التشبيه: تخيل طالباً يؤدي امتحاناً.

إذا قام فقط بنسخ إجابات صديقه، فسوف يجتاز "عين المستخدم".
إذا حل المسألة باستخدام المنطق المثالي، فسوف يجتاز "العين العقلانية".
إذا خمن فقط الإجابة الرائجة على وسائل التواصل الاجتماعي، فسوف يجتاز "عين الضجيج".
يريد Conv-FinRe معرفة: هل الذكاء الاصطناعي منطقي ذكي، أم مُقلد بلا عقل، أم ملاح للترندات؟

3. السر الخفي: "الهندسة العكسية" لعقلك

كيف يعرف الاختبار ما هي الإجابة "العقلانية" إذا كان المستخدم قد اتخذ قراراً "فوضوياً"؟

استخدم الباحثون حيلة ذكية تسمى التحسين العكسي (Inverse Optimization).

فكر في الأمر كالتالي: ترى لاعب شطرنج يقوم بنقلة غريبة. أنت لا تعرف استراتيجيته، ولكن من خلال مراقبة العديد من نقلاته بمرور الوقت، يمكنك رياضياً "هندسة عقله عكسياً" لمعرفة: "آه، هذا اللاعب في الواقع يتجنب المخاطرة بشدة؛ فهو يتجنب خسارة القطع حتى لو كان ذلك يعني تحقيق نقاط أقل".
يقوم هذا المعيار بهذا الأمر مع بيانات المستخدم؛ حيث يستنتج الشخصية الحقيقية الخفية للمستخدم (مثل: "أنا أكره خسارة المال أكثر مما أحب كسبه") ويستخدم ذلك كـ "معيار ذهبي" لما تبدو عليه النصيحة الجيدة.

4. الاكتشاف الكبير: "شد الحبل"

عندما اختبروا نماذج الذكاء الاصطناعي الرائدة (مثل GPT-4، Llama، إلخ) على هذا المعيار الجديد، وجدوا توتراً مضحكاً وهاماً في آن واحد:

الذكاء الاصطناعي "الذكي": كانت بعض النماذج بارعة في العين العقلانية. فقد قدمت نصائح مثالية رياضياً تتوافق مع أهداف المستخدم طويلة المدى. ومع ذلك، غالباً ما فشلت في عين المستخدم؛ لأنها أخبرت المستخدم بشيء لن يفعله المستخدم في الواقع، مما جعل المستخدم يشعر بأنه غير مفهوم.
الذكاء الاصطناعي "المتعاطف": كانت نماذج أخرى (خاصة تلك التي تم تدريبها خصيصاً على التمويل) بارعة في عين المستخدم. لقد حاكت خيارات المستخدم العاطفية والفوضوية بدقة. ومع ذلك، فشلت في العين العقلانية. فقد كانت مشغولة جداً بتقليد عادات المستخدم السيئة لدرجة أنها قدمت نصائح مالية سيئة للغاية.

الخلا الخلاصة

يعلمنا Conv-FinRe أن الذكاء الاصطناعي المالي الناجح حقاً لا ينبغي أن يكون مجرد "إمعة" ينسخ أخطاءك، ولا ينبغي أن يكون "روبوتاً" يتجاهل مشاعرك.

بل يجب أن يكون مرشداً حكيماً: شخصاً يفهم شخصيتك، ويحترم مخاوفك، ولكن يوجهك بلطف بعيداً عن الفخاخ العاطفية التي تؤذي محفظتك المالية. هذا المعيار الجديد هو أول أداة يمكنها حقاً قياس مدى نجاح الذكاء الاصطناعي في تحقيق هذا التوازن الدقيق.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "Conv-FinRe: معيار محادثاتي وطولي لتقديم التوصيات المالية القائمة على المنفعة."

1. بيان المشكلة

تقيم معايير التوصية الحالية النماذج اللغوية الكبيرة (LLMs) بشكل أساسي بناءً على المحاكاة السلوكية: أي ما إذا كانت مخرجات النموذج تتطابق مع خيارات المستخدم التاريخية (مثل النقرات، أو التقييمات، أو التداولات). في المجال المالي، يعد هذا النهج معيبًا بشكل جوهري بسبب:

الأفعال المشوشة: غالبًا ما تكون قرارات المستثمرين مدفوعة بتقلبات السوق قصيرة المدى، أو العواطف، أو القيود العابرة، بدلاً من الأهداف طويلة المدى المستقرة.
عدم توافق الحقيقة: إن اعتبار سلوك المستخدم المرصود بمثابة "الحقيقة المطلقة" يخلط بين محاكاة الضجيج وبين تقديم نصيحة مالية عالية الجودة. فالنموذج الذي يحاكي بدقة تداولات المستخدم الاندفاعية قد يفشل في خدمة منفعته طويلة المدى.
الافتقار إلى التأسيس على المنفعة: تفتقر المعايير الحالية إلى آلية لتقييم التوصيات مقابل تفضيلات المخاطر الكامنة للمستخدم والمنفعة العقلانية لديه، مما يجعل من المستحيل التمييز بين التحليل العقلاني، والمحاكاة السلوكية، وملاحقة زخم السوق.

2. المنهجية: إطار عمل Conv-FinRe

قدم المؤلفون Conv-FinRe، وهو معيار محادثاتي وطولي مصمم لتقييم النماذج اللغوية الكبيرة بما يتجاوز مجرد مطابقة السلوك البسيط.

أ. صياغة المهمة

تحاكي المهمة تفاعلاً طوليًا بين مستشار استثماري مشخصن (النموذج اللغوي الكبير) ومستخدم عبر أفق زمني ثابت ( $T$ ). وعلى عكس المعايير القياسية التي تعتمد على تسمية "ذهبية" واحدة، يستخدم Conv-FinRe إطار عمل المحاذاة متعددة الرؤى مع أربع رؤى مرجعية:

خيار المستخدم ( $y_{user}$ ): السهم الذي اختاره المشارك البشري (سلوك مشوش).
المنفعة العقلانية ( $y_{util}$ ): التصنيف الأمثل نظريًا بناءً على دالة منفعة معايرة توازن بين العائد والمخاطر.
زخم السوق ( $y_{mom}$ ): تصنيف موجه نحو الربح يعتمد فقط على العوائد التراكمية الأخيرة.
الحساسية للمخاطر ( $y_{safe}$ ): تصنيف محافظ يفرض عقوبات على التقلبات ومخاطر الهبوط وفقًا لملف المستخدم الخاص.

يجب على النموذج اللغوي الكبير دمج هذه الإشارات المتضاربة لتوليد تصنيف نهائي، مما يشخص بفعالية ما إذا كان يعتمد على التحليل العقلاني، أو يحاكي الضجيج، أو يلاحق الاتجاهات.

ب. التأسيس على التفضيلات الكامنة عبر التحسين العكسي

بما أن النموذج لا يملك وصولاً إلى دالة المنفعة الحقيقية للمستخدم، يقوم المعيار ببناء إشارة تفضيل كامنة باستخدام التحسين العكسي:

دالة المنفعة: تُعرف كالتالي: $U(s) = \tilde{\mu} - \lambda \tilde{\sigma}^2 - \gamma \tilde{Drawdown}$ ، حيث تمثل $\lambda$ و $\gamma$ حساسية المستخدم للتقلبات ومخاطر الهبوط.
تقدير المعلمات: يقوم النموذج بتقدير المعلمات الخاصة بالمستخدم $(\lambda_i, \gamma_i)$ عن طريق تقليل "الاحتمال اللوغاريتمي السلبي المنتظم" لمسار قرار المستخدم الطولي المرصود ( $H_{1:T}$ ).
بناء المرجع: تُستخدم هذه المعلمات المقدرة لتوليد تصنيفات المرجع $y_{util}$ و $y_{safe}$ ، والتي تعمل كحقيقة مطلقة لجودة القرار "العقلاني" دون كشف الدالة للنموذج اللغوي أثناء الاستدلال.

ج. جمع البيانات والمحاكاة

عالم الأسهم: مجموعة مختارة من 10 أسهم من مؤشر S&P 500 تغطي 11 قطاعًا من قطاعات GICS، مصنفة حسب بيتا السوق (تقلب منخفض، متوسط، مرتفع).
ملفات تعريف المستخدمين: قدم 10 مشاركين ملفات تعريف ثابتة عبر استبيان مهيكل (متوافق مع توجيهات MiFID II و FINRA) وتفاعلوا مع أداة محاكاة أصول مخصصة على مدار 30 يومًا.
محاكاة المحادثة: يولد المعيار حوارات مهيكلة متعددة الدورات تتكون من:
- التهيئة (Onboarding): مقابلة من 4 جولات لاستخراج الخلفية المالية والقدرة على تحمل المخاطر.
- الاستشارة الطولية: 23 خطوة من التفاعل حيث تقدم لجنة من ثلاثة مستشارين متخصصين (عقلاني، زخم، مخاطر) نصائح متضاربة، ويتخذ المستخدم قرارًا.
النطاق: 230 حالة إجمالية، بمتوسط 15 دورة لكل حالة، مع تعقيد سياقي كبير (متوسط 4,320 رمزًا/Token).

د. مقاييس التقييم

يستخدم إطار العمل مجموعة تقييم متعددة الأبعاد:

NDCG القائم على المنفعة (uNDCG): يقيس مدى التوافق مع المنفعة العقلانية الكامنة ( $y_{util}$ ).
MRR ومعدل الإصابة (HR@K): يقيس مدى التوافق مع خيار المستخدم المرصود ( $y_{user}$ ).
درجة محاذاة الخبراء (EAS): تستخدم معامل كيندال ( $\tau$ ) لقياس المحاذاة مع استراتيجيات الخبراء الثلاث (المنفعة، الزخم، المخاطر).

3. المساهمات الرئيسية

معيار Conv-FinRe: أول معيار محادثاتي وطولي لتوصيات الأسهم يقيم النماذج اللغوية الكبيرة بناءً على منفعة المستثمر بدلاً من مجرد المطابقة السلوكية.
إطار تشخيصي متعدد الرؤى: نهج مبتكر يستخدم التحسين العكسي لفك الارتباط بين المحاذاة السلوكية (محاكاة ضجيج المستخدم) وجودة القرار العقلاني (التحسين من أجل المنفعة طويلة المدى).
التقييم المنهجي: تقييم شامل للنماذج اللغوية الكبيرة الحديثة (بما في ذلك GPT-5.2، وGPT-4o، وDeepSeek، وQwen، ومتغيرات Llama) مما يكشف عن أنماط سلوكية استشارية متميزة.

4. النتائج التجريبية

كشف تقييم 8 نماذج لغوية متنوعة عن توتر مستمر بين جودة القرار العقلاني والمحاذاة السلوكية:

المقايضة بين العقلانية والسلوك:
- حققت نماذج مثل Llama-3.3-70B أعلى درجة uNDCG (0.97)، مما يشير إلى توافق قوي مع المنفعة العقلانية، ولكنها سجلت معدلات إصابة أقل (أي أنها لم تحاكِ خيارات المستخدم بفعالية).
- برعت نماذج مثل Qwen2.5-72B و Llama3-XuanYuan3-70B في MRR ومعدل الإصابة (Hit Rate)، حيث حاكت بفعالية قرارات المستخدم المشوشة والمحققة، لكنها أظهرت توافقًا أقل مع المنفعة العقلانية المثالية.
أنماط محاذاة الخبراء:
- أظهر Llama-3.3-70B ارتباطًا قويًا بين المنفعة العقلانية ومحاذاة زخم السوق، ولكنه واجه صعوبة كبيرة في الحساسية للمخاطر (السلامة)، مما يوحي بأنه يخلط بين إشارات النمو وإشارات السلامة.
- أظهر DeepSeek-V3.2 الملف الأكثر توازنًا، حيث حافظ على محاذاة مستقرة مع "السلامة" مع تجنب الانحياز الشديد للمقاييس المدفوعة بالعائد.
- النماذج المتخصصة في المجال (XuanYuan3): رغم انخفاض درجات محاذاة الخبراء لديها، إلا أنها حققت معدلات إصابة سلوكية عالية، حيث عملت كـ "مستشارين بشريين متمرسين" يعطون الأولوية لتفضيلات المستثمر العملية، وإن كانت مشوشة، على المعادلات الرياضية الجامدة.
ديناميكيات اكتشاف التفضيلات:
- المستشارون التكيفيون (مثل GPT-5.2، DeepSeek): أظهروا مكاسب كبيرة في محاذاة المنفعة عند توفر التاريخ الحواري، حيث نجحوا في استخراج تفضيلات المخاطر الكامنة.
- المفرطون في المحاكاة السلوكية (مثل Qwen2.5، XuanYuan3): عانوا من تدهور في محاذاة المنفعة عند إدخال التاريخ، مما يشير إلى أنهم يبالغون في ملاءمة (Overfit) الأفعال العابرة للمستخدم بدلاً من استنتاج التفضيلات المستقرة.

5. الأهمية والأثر

تحول في النموذج الفكري: يتحدى Conv-FinRe النموذج السائد "السلوك كحقيقة" في أنظمة التوصية، ويجادل بأن محاكاة سلوك المستخدم في التمويل يمكن أن تكون ضارة إذا كان ذلك السلوك غير عقلاني أو قصير النظر.
القدرة التشخيصية: يوفر المعيار أداة لتشخيص سبب فشل النموذج—سواء كان ذلك بسبب الإفراط في ملاءمة الضجيج، أو الملاحقة العمياء لزخم السوق، أو الفشل في فهم القدرة على تحمل المخاطر.
الاتجاهات المستقبلية: تشير النتائج إلى أن الذكاء الاصطناعي المالي المستقبلي لا ينبغي أن يهدف فقط إلى المحاذاة السلوكية، بل يجب أن يدير المقايضة بين تقديم النصيحة الأكثر عقلانية والحفاظ على محاذاة تعاطفية مع قصد المستخدم. تم إصدار مجموعة البيانات والبرمجيات الخاصة بالدراسة لتسهيل المزيد من الأبحاث في مجال الذكاء الاصطناعي المالي القائم على المنفعة.