تعلّم الآلة في التداول: الجانب المبالغ فيه والجانب العملي
🎯 ما ستتعلّمه
في نهاية هذا الدرس ستكون قادرًا على:
- تعلّم الآلة للتداول: هندسة السمات (أي مدخلات)، اختيار النموذج (random forest، الشبكات العصبية)، منع الإفراط في التكيّف
- الإفراط في التكيّف = النموذج يحفظ التاريخ بدل أن يتعلّم الأنماط
- التحقّق المتقاطع: درِّب على فترات متعدّدة واختبر على بيانات محجوزة
- الإطار: صمّم السمات → تحقّق تقاطعيًا → اختبر بأسلوب walk-forward → إذا كان الأداء متسقًا في كل الاختبارات فأطلقه
⚡ خطوات سريعة للغد (اضغط للعرض)
لا تُثقل على نفسك. ابدأ بهذه الخطوات الثلاث:
- ابدأ بهندسة سمات بسيطة (بلا تعلّم آلة بعد) — قبل الشبكات العصبية، حدّد 3-5 سمات بسيطة قد تحسّن استراتيجيتك. السمات = مدخلات قابلة للقياس. أمثلة: (1) نسبة ATR (ATR الحالي ÷ متوسط 20 يومًا) = سياق التقلّب، (2) نسبة الحجم (الحالي ÷ متوسط 20 يومًا) = المشاركة، (3) وقت اليوم = تأثيرات الجلسة، (4) تباعد RSI = ضعف الزخم، (5) المسافة عن المتوسط المتحرّك (السعر ÷ EMA لـ 20 - 1) = قوّة الاتجاه. الليلة اختر 3 سمات. سجّلها عند الدخول في صفقاتك العشر القادمة. بعد 10 صفقات حلّل: «هل كانت قيم الرابحات مختلفة عن الخاسرات؟» مثال: 8 من 10 صفقات رابحة كانت نسبة ATR فيها أعلى من 1.2، و7 من 10 خاسرة كانت أقل من 0.9. لقد وجدت مرشّحًا بلا تعلّم آلة: «لا تأخذ الاختراقات إلا حين يكون ATR أعلى من 1.2.» هندسة السمات تمثّل 80 % من نجاح تعلّم الآلة. الاختبار اليدوي أولًا يبني الحدس ويجنّبك الإفراط في التكيّف لاحقًا.
- تعلّم كيف تكتشف الإفراط في التكيّف في backtest — الإفراط في التكيّف = النموذج حفظ التاريخ بدل أن يتعلّم الأنماط. الاختبار: (1) شغّل backtest على كل البيانات التاريخية → سجّل نسبة الربح والعائد، (2) شغّل backtest على أول 60 % (فترة التدريب)، (3) اختبر الـ 40 % الباقية (فترة الاختبار). إذا كان التدريب 75 % ربحًا و+50,000 دولار والاختبار 52 % ربحًا و-8,000 دولار فهذا إفراط في التكيّف (تعلّم ضجيجًا لم يتكرّر). خسرت نينا باتيل $47,300 عند إطلاق استراتيجية تعلّم آلة مفرطة التكيّف — أظهر الـ backtest نسبة ربح 87 % بينما جاء الواقع 41 % (حفظ أنماطًا عشوائية). الاستراتيجيات الجيّدة يقل فيها هبوط الأداء بين التدريب والاختبار عن 10 %. الليلة قسّم بياناتك التاريخية 60/40. قارن النتائج. إذا هبط الاختبار أكثر من 15 % فالقواعد مفصّلة على التاريخ أكثر من اللازم. بسّط (بارامترات أقل ومرشّحات أوسع).
- اختبر بأسلوب walk-forward قبل الانتقال إلى الحساب الحقيقي — walk-forward = تقسيم متدحرج بين التدريب والاختبار يتقدّم عبر الزمن. الطريقة: (1) درّب من يناير إلى يونيو (6 أشهر)، (2) اختبر يوليو (شهر واحد)، (3) تقدّم: درّب من فبراير إلى يوليو واختبر أغسطس، (4) كرّر على كل البيانات. يجب أن تكون الاستراتيجية رابحة في معظم فترات الاختبار (70 % فأكثر). مثال: اختبرت 12 فترة وكانت رابحة في 9 أشهر من 12 (اتساق 70 %) = جيّد. 5 أشهر من 12 (42 %) = أفضلية غير مستقرّة حالفها الحظ في فترة واحدة. احسب: «فترات الاختبار الرابحة ÷ الإجمالي». إذا كانت أقل من 60 % فالأفضلية غير مستقرّة أو مفرطة التكيّف. يحاكي walk-forward التداول الحقيقي أفضل من backtest واحد. الأسواق تتغيّر. الاستراتيجيات التي تعمل عبر فترات متعدّدة تنجو من تغيّر النظام. وهو يلتقط الإفراط في التكيّف الذي تفوّته اختبارات backtest المنفردة.
«تُدخل بيانات السعر إلى شبكة عصبية ← ربح.»
ليت الأمر كذلك. الواقع أن معظم استراتيجيات تعلّم الآلة لدى الأفراد تفشل في التداول الحقيقي. لا لأن تعلّم الآلة لا ينفع، بل لأن المتداولين يسيئون استخدامه.
الأسواق غير مستقرّة إحصائيًا. نسبة الإشارة إلى الضجيج منخفضة. وتعلّم الآلة يفرط في التكيّف بشكل مذهل إن لم تنتبه.
🚨 بصراحة
تعلّم الآلة ليس مطبعة نقود. إنه تمييز أنماط مدعّم. استخدمه خطأً (تسرّب البيانات، الإفراط في التكيّف، نقص البيانات) وستحصل في الـ backtest على احتمال 90 % يهبط إلى 40 % في الواقع. استخدمه بشكل صحيح؟ يصبح مرشّحًا قويًا للإعدادات عالية الاحتمال.
كارثة الإفراط في التكيّف لدى نينا بـ 47,300 دولار (وكيف عالجتها)
المتداول: نينا باتيل (مثال مركّب)، 29 عامًا، محلّلة كمّية تحوّلت إلى متداولة مستقلّة، سان فرانسيسكو، كاليفورنيا
الإطار الزمني: يناير-أكتوبر 2024
رأس المال: $220,000
الخلفية: شهادة في علوم الحاسوب، 3 سنوات في شركة تقنية مالية ناشئة، واثقة من Python وتعلّم الآلة
الفصل الأول: النموذج «المثالي» (يناير-فبراير 2024)
منهج نينا الأول: «أنا مبرمجة. سأبني نموذج تعلّم آلة يتنبّأ بالصفقات الرابحة.»
| المقياس | Backtest (2022-2023) | التداول الحقيقي (الربع الأول 2024) | الفجوة |
|---|---|---|---|
| نسبة الصفقات الرابحة | 87.4% | 41.2% | -46.2 % (كارثة!) |
| متوسط مضاعف R | 2.8R | -0.4R | فجوة 3.2R! |
| العائد الشهري | +18.3% | -7.2% | -25.5 % فجوة!!! |
| الـP&L (3 أشهر) | +121,200 دولار (متوقّع) | -47,300 دولار (فعلي) | تأرجح بمقدار 168,500 دولار! |
ما الذي أخطأت فيه؟ الأخطاء الخمسة القاتلة:
| الخطأ | ما الذي فعلته خطأً | الأثر |
|---|---|---|
| 1. التحيّز الاستشرافي | استخدمت «أعلى/أدنى سعر لليوم» كسمة (وهو غير معروف قبل الإغلاق!) | كان النموذج «يتنبّأ» بالحركات ببيانات مستقبلية. مستحيل في الواقع. |
| 2. تقسيم عشوائي بين التدريب والاختبار | خلطت الصفقات، ودرّبت على بيانات الربع الثالث 2023، واختبرت على الربع الأول 2023 | «رأى» النموذج المستقبل. الزمن لا يسير هكذا في التداول! |
| 3. إفراط هائل في التكيّف | شبكة عصبية (5 طبقات، 128 خلية) على 180 صفقة فقط | حفظ النموذج الضجيج لا الأنماط. وفشل مع البيانات الجديدة. |
| 4. تحسين نسبة الإصابة | طاردت نسبة ربح 90 % وتجاهلت R:R (مكاسب كثيرة بـ 0.3R وخسائر قليلة بـ 3R) | نسبة إصابة عالية وتوقّع سالب. الفخ الكلاسيكي لتعلّم الآلة. |
| 5. لا اختبارات walk-forward | تقسيم واحد بين التدريب والاختبار على البيانات التاريخية | لم تختبر كيف يتدهور النموذج مع الوقت. وقد تدهور بسرعة. |
مجزرة نينا الشهرية في الربع الأول 2024:
| الشهر | الصفقات المنفَّذة | نسبة الصفقات الرابحة | متوسط R | P&L | ردّ فعل نينا |
|---|---|---|---|---|---|
| يناير 2024 | 28 | 39% | -0.3R | -$12,400 | «حظ سيّئ. النموذج يحتاج بيانات أكثر ليتأقلم.» |
| فبراير 2024 | 32 | 44% | -0.5R | -$18,200 | «تغيّر نظام السوق. أعيد تدريب النموذج…» |
| مارس 2024 | 26 | 40% | -0.4R | -$16,700 | «هذا النموذج سيّئ. سأبدأ من الصفر.» |
| إجمالي الربع الأول 2024: | -$47,300 | drawdown في رأس المال بنسبة 21.5 % | |||
نقطة الانكسار (31 مارس 2024):
«أظهر الـ backtest نسبة ربح 87 %. وفي الواقع؟ 41 %. ظننت نفسي ذكية: شهادة في علوم الحاسوب، وعمل في شركة تقنية مالية، وإتقان Python. اتضح أنني لا أعرف شيئًا عن تعلّم الآلة في التداول.
ارتكبت كل أخطاء المبتدئين: التحيّز الاستشرافي (استخدمت أعلى سعر لليوم كسمة!)، وتقسيمًا عشوائيًا بين التدريب والاختبار (سافرت إلى الماضي!)، وشبكة عصبية من 5 طبقات على 180 صفقة (مفرطة التكيّف إلى أقصى حد)، وحسّنت نسبة الإصابة بدل التوقّع الرياضي.
47,300 دولار في 3 أشهر. حان وقت تعلّم كيف يعمل تعلّم الآلة فعليًا في الأسواق.»
— نينا باتيل، مدوّنة يوميات 31 مارس 2024
الفصل الثاني: التعلّم بالطريقة الصعبة (أبريل-مايو 2024)
مسار إعادة البناء عند نينا: استعانت بمرشد من شركة تداول خاصة (5,000 دولار شهريًا) متخصّص في تعلّم الآلة. وأمضت 6 أسابيع في تعلّم المنهجية الصحيحة.
| المكوّن | V1 (كارثة الإفراط في المواءمة) | V2 (متحقَّق منه كما ينبغي) |
|---|---|---|
| السمات | 32 سمة تتضمّن تحيّزًا استشرافيًا (أعلى/أدنى سعر لليوم، حجم الإغلاق) | 12 سمة، بلا أي استشراف (RSI، المسافة عن VWAP، ATR، CVD عند لحظة الإشارة) |
| التقسيم بين التدريب والاختبار | خلط عشوائي (تقسيم 80/20) | walk-forward: 4 نوافذ متدحرجة، تدريب على الماضي واختبار على المستقبل |
| النموذج | شبكة عصبية: 5 طبقات، 128 خلية (نحو 50,000 وزن على 180 صفقة!) | Random Forest: max_depth=4، 30 شجرة (نحو 450 قاعدة تقسيم على 240 صفقة) |
| هدف التحسين | تعظيم نسبة الإصابة (بلغت 87 % لكن بـ R:R رديء) | تعظيم التوقّع الرياضي (الدولار لكل صفقة مع مراعاة R:R) |
| التحقّق | backtest واحد على بيانات 2022-2023 | 4 نوافذ walk-forward + تحقّق على 20 صفقة ورقية |
| عتبة الثقة | تداولت كل التنبؤات فوق 0.5 | تداولت فقط التنبؤات فوق 0.65 (مرشّح ثقة عالية) |
نتائج تحقّق walk-forward للنسخة V2 (أبريل 2024):
| النافذة | فترة التدريب | فترة الاختبار | نسبة الربح في الاختبار | متوسّط R في الاختبار | فحص الإفراط في التكيّف |
|---|---|---|---|---|---|
| النافذة 1 | Q1-Q2 2023 | Q3 2023 | 68% | 1.4R | التدريب: 71 %، الاختبار: 68 % (فجوة 3 % = مقبولة) |
| النافذة 2 | Q2-Q3 2023 | Q4 2023 | 64% | 1.2R | التدريب: 69 %، الاختبار: 64 % (فجوة 5 % = مقبولة) |
| النافذة 3 | Q3-Q4 2023 | Q1 2024 | 71% | 1.6R | التدريب: 72 %، الاختبار: 71 % (فجوة 1 % = ممتازة) |
| النافذة 4 | Q4 2023-Q1 2024 | Q2 2024 | 66% | 1.3R | التدريب: 70 %، الاختبار: 66 % (فجوة 4 % = مقبولة) |
| متوسط الأداء في الاختبارات: | 67.2% | 1.4R | لم يُرصد إفراط في التكيّف (متوسط فجوة 3.2 %) | ||
الفكرة المحورية: أظهرت V2 نسبة ربح 67 % مقابل 87 % للنسخة V1. لكن الـ 67 % في V2 كانت حقيقية (تم التحقّق منها عبر 4 نوافذ زمنية)، بينما كانت الـ 87 % في V1 زائفة (ضجيج مفرط التكيّف).
الفصل الثالث: تداول النموذج الصحيح على الحقيقي (يونيو-أكتوبر 2024)
استراتيجية نينا لإطلاق V2:
- تحقّق على 20 صفقة ورقية (مايو 2024): نسبة ربح 70 % ومتوسط 1.5R ← اجتازت!
- بدأت على الحقيقي بنصف حجم المركز، أي 50 % (يونيو): نسبة ربح 65 % ← الثقة تنمو
- حجم المركز الكامل (من يوليو فصاعدًا): مرشّح تعلّم الآلة يعمل
- إعادة تدريب شهرية: أضف الصفقات الجديدة، وأعد تشغيل walk-forward، وحدّث النموذج إن تحسّن بمقدار 3 % فأكثر
| الشهر | الإشارات | المرشّحة بتعلّم الآلة | الصفقات المنفَّذة | نسبة الصفقات الرابحة | متوسط R | P&L |
|---|---|---|---|---|---|---|
| يونيو 2024 | 42 | 18 (43%) | 24 | 67% | 1.3R | +$9,400 |
| يوليو 2024 | 38 | 15 (39%) | 23 | 70% | 1.6R | +$12,700 |
| أغسطس 2024 | 46 | 20 (43%) | 26 | 65% | 1.2R | +$10,800 |
| سبتمبر 2024 | 40 | 16 (40%) | 24 | 71% | 1.5R | +$11,900 |
| أكتوبر 2024 | 44 | 19 (43%) | 25 | 68% | 1.4R | +$10,600 |
| إجمالي الأشهر الخمسة: | 122 صفقة | 68.2% | 1.4R | +$55,400 | ||
أساس المقارنة: ماذا لو أخذت نينا كل الإشارات (بلا مرشّح تعلّم آلة)؟
أنت الآن في منتصف الطريق. تعلّمت الاستراتيجيات الأساسية.
تقدّم رائع! خذ استراحة قصيرة إن احتجت، ثم ننتقل إلى المفاهيم المتقدّمة التالية.
| السيناريو | الصفقات المنفَّذة | نسبة الصفقات الرابحة | متوسط R | إجمالي P&L | التحليل |
|---|---|---|---|---|---|
| بلا مرشّح (كل الإشارات) | 210 | 54.7% | 0.5R | +$34,100 | الأساس: أفضلية متوسّطة وصفقات ضجيج كثيرة |
| مرشّحة بتعلّم الآلة (ثقة عالية) | 122 | 68.2% | 1.4R | +$55,400 | أضاف تعلّم الآلة +21,300 دولار (تحسّن 62.5 %!) |
| القيمة المضافة لمرشّح تعلّم الآلة: | +21,300 دولار (زيادة 62.5 %) | ||||
أهم الدروس من نجاح V2 لدى نينا:
- استبعد مرشّح تعلّم الآلة 42 % من الإشارات ← تخطّى الإعدادات منخفضة الثقة
- الصفقات المرشّحة: نسبة ربح 68.2 % مقابل 54.7 % في الأساس ← تحسّن 13.5 %
- مضاعفات R أفضل: متوسط 1.4R مقابل 0.5R في الأساس ← اختار تعلّم الآلة إعدادات بـ R:R أفضل
- تحسّن في P&L بنسبة 62.5 %: +55,400 دولار مقابل +34,100 دولار في الأساس = +21,300 دولار قيمة مضافة
- أداء واقعي: تطابقت الـ 68 % في الواقع مع الـ 67 % في اختبار walk-forward ← بلا إفراط في التكيّف!
نتائج نينا النهائية: خسارة الربع الأول 2024 مقابل التعافي من يونيو إلى أكتوبر 2024
| الفترة | إصدار النموذج | نسبة الصفقات الرابحة | متوسط R | P&L | الدرس المستفاد |
|---|---|---|---|---|---|
| Q1 2024 | V1 (مفرط التكيّف) | 41.2% | -0.4R | -$47,300 | تحيّز استشرافي، وتقسيم عشوائي، وشبكة عصبية مبالغ فيها |
| يونيو-أكتوبر 2024 | V2 (متحقَّق منه) | 68.2% | 1.4R | +$55,400 | سمات نظيفة، وwalk-forward، وRandom Forest، وتحسين على التوقّع الرياضي |
| صافي نتيجة 2024: | +$8,100 | تعادل بعد درس مكلف | |||
حكمة نينا المكتسبة بشقّ الأنفس (أكتوبر 2024):
«خسرت 47,300 دولار في 3 أشهر لأنني ظننت تعلّم الآلة سحرًا. ليس كذلك. إنه تمييز أنماط — وإن أطعمته قمامة (تحيّزًا استشرافيًا وتقسيمات عشوائية وشبكات عصبية مفرطة التكيّف) فستحصل على تنبؤات قمامة.
لم يكن الحل نموذجًا أفضل. كان منهجية أفضل:
• صفر سمات استشرافية (فقط البيانات المتاحة عند لحظة الإشارة)
• تحقّق walk-forward (تدريب على الماضي واختبار على المستقبل، 4 نوافذ متدحرجة)
• نموذج أبسط (Random Forest يتفوّق عادةً على الشبكات العصبية مع مجموعات صفقات صغيرة)
• حسّن التوقّع الرياضي لا نسبة الإصابة (68 % عند 1.4R أفضل من 87 % عند -0.4R)
• تداول 20 إشارة ورقيًا قبل المخاطرة برأس المال
نموذجي V2 لا يتنبّأ بالمستقبل. إنه يرشّح إعداداتي: نسبة ربح 68 % مقابل 55 % في الأساس. هذه الأفضلية البالغة 13 % جلبت 21,300 دولار في 5 أشهر.
تعلّم الآلة ليس استراتيجية. إنه مرشّح. استخدمه لتخطّي الصفقات منخفضة الاحتمال، لا لتوليدها. هذا هو السرّ.»
— نينا باتيل، متداولة كمّية (أكتوبر 2024)
تكلفة تعليم نينا في تعلّم الآلة:
- خسائر الربع الأول 2024: -47,300 دولار (رسوم تعلّم النموذج المفرط التكيّف)
- أتعاب المرشد: -10,000 دولار (شهران × 5,000 دولار، أبريل-مايو)
- إجمالي الاستثمار: -$57,300
- التعافي خلال 5 أشهر: +55,400 دولار (يونيو-أكتوبر)
- صافي المركز: -1,900 دولار (تعادل تقريبًا)
- القيمة المستقبلية: يضيف مرشّح تعلّم الآلة الآن نحو 4,300 دولار شهريًا (51,000 دولار سنويًا) مقارنةً بالأساس بلا مرشّح
- جدول الاسترداد: يُسترد الاستثمار بالكامل بحلول نهاية نوفمبر، وما بعده ربح صافٍ
🎯 ما ستكسبه
بعد هذا الدرس ستكون قادرًا على:
- بناء مرشّحات تعلّم آلة للصفقات (التنبّؤ بأي الإعدادات أرجح للربح)
- هندسة السمات بشكل صحيح (مستقرّة إحصائيًا وبلا تحيّز استشرافي)
- استخدام التحقّق المتقاطع بأسلوب walk-forward لتجنّب الإفراط في التكيّف
- اختيار النماذج بحكمة (Random Forest أفضل من الشبكات العصبية في معظم الحالات)
💡 لحظة الإدراك
تعلّم الآلة ليس استراتيجية مستقلّة. إنه مرشّح. لديك إعدادات بالفعل (كنسات Janus). ويتنبّأ تعلّم الآلة بأيها احتماله 68 % بدل 55 %. تداول ما احتماله 68 % وتخطَّ ما احتماله 55 %. هذه هي الأفضلية.
🎓 أهم الخلاصات
- تعلّم الآلة مرشّح لا استراتيجية: استخدمه للتنبّؤ بأي الإعدادات أعلى توقّعًا رياضيًا، لا لتوليد الصفقات
- هندسة السمات أهم من اختيار النموذج: السمات الجيّدة (RSI، المسافة عن VWAP) تتفوّق في كل مرّة على النماذج المعقّدة
- تحقّق walk-forward إلزامي: التقسيم بين التدريب والاختبار على السلاسل الزمنية = تسرّب بيانات. استخدم نوافذ متدحرجة
- حسّن التوقّع الرياضي: نسبة إصابة 80 % مع R:R رديء تخسر المال. ونسبة إصابة 55 % مع 3R تربح
- تجنّب التحيّز الاستشرافي: يجب أن تستخدم السمات البيانات المتاحة عند لحظة التنبّؤ فقط
- Random Forest أفضل من الشبكات العصبية: في معظم تطبيقات التداول تعمّم النماذج الأبسط بشكل أفضل
🎯 تمرين عملي: طبّق هندسة سمات تعلّم الآلة لترشيح الصفقات
الهدف: ابنِ نموذج تعلّم آلة يرشّح إعداداتك الحالية ويحسّن التوقّع الرياضي بنسبة 10-15 % عبر انتقاء الصفقات.
الجزء 1: هندسة السمات (أهم خطوة)
لكل صفقة من صفقاتك التاريخية احسب هذه السمات عند لحظة الإشارة (بلا استشراف!):
قالب مجموعة السمات (يُنصح بـ 20 سمة فأكثر):
سمات السعر:
1. المسافة عن VWAP (%): (السعر - VWAP) / VWAP
2. المسافة عن EMA لـ 50 (%): (السعر - EMA50) / EMA50
3. المسافة عن أعلى سعر لليوم السابق (%): (أعلى السابق - السعر) / أعلى السابق
4. المسافة عن أدنى سعر لليوم السابق (%): (السعر - أدنى السابق) / أدنى السابق
سمات الزخم:
5. RSI (14): قيمة بين 0 و100
6. ADX (14): قوّة الاتجاه
7. نسبة +DI / -DI: مؤشّر الاتجاه
8. Rate of Change (10): تغيّر السعر في آخر 10 شموع
سمات التقلّب:
9. نسبة ATR / السعر: تقلّب مُطبَّع
10. عرض نطاقات بولينجر %: (الأعلى - الأدنى) / الوسط
11. اتساع المدى مؤخرًا: ATR الحالي / متوسط ATR على 20 فترة
سمات الحجم:
12. الحجم مقابل المتوسط: الحالي / متوسط 20 فترة
13. CVD (دلتا الحجم التراكمية): صافي ضغط الشراء
14. المسافة بين VWAP وPOC: التوافق مع القيمة العادلة
سمات الزمن:
15. وقت اليوم: الدقائق منذ الافتتاح (طبِّعها بين 0 و390)
16. يوم الأسبوع: الاثنين=1، الجمعة=5
17. الوقت منذ آخر إشارة: بالدقائق
سمات النظام السوقي:
18. مستوى VIX: قراءة VIX الحالية
19. درجة النظام: مركّب من ADX + ATR + عرض النطاقات
20. تغيّر DXY %: رياح كلّية معاكسة أو مواتية
سماتك أنت (احسبها لـ 50 صفقة تاريخية فأكثر):
الصفقة 1: [السمة 1: ___، السمة 2: ___، ...، السمة 20: ___، النتيجة: ربح/خسارة]
الصفقة 2: [...]الجزء 2: التقسيم بين التدريب والاختبار (على أساس الزمن فقط)
لا تخلط بيانات السلاسل الزمنية أبدًا. استخدم نوافذ متدحرجة:
تحقّق walk-forward لتعلّم الآلة:
النافذة 1:
التدريب: يناير-يونيو 2023 (الصفقات 1-30)
الاختبار: يوليو-سبتمبر 2023 (الصفقات 31-40)
النموذج: Random Forest، max_depth=5
نسبة الإصابة في الاختبار: ___%
الأداء في الاختبار: ___%
النافذة 2:
التدريب: أبريل-سبتمبر 2023 (الصفقات 15-50)
الاختبار: أكتوبر-ديسمبر 2023 (الصفقات 51-65)
النموذج: أعد التدريب على النافذة الجديدة
نسبة الإصابة في الاختبار: ___%
الأداء في الاختبار: ___%
النافذة 3:
التدريب: يوليو-ديسمبر 2023 (الصفقات 35-75)
الاختبار: يناير-مارس 2024 (الصفقات 76-90)
نسبة الإصابة في الاختبار: ___%
الأداء في الاختبار: ___%
متوسط الأداء في الاختبارات: ___% نسبة نجاح
قارن بالأساس (بلا مرشّح): ___% نسبة نجاح
التحسّن: +___% (الهدف: 10% على الأقل)الجزء 3: اختيار النموذج ومنع الإفراط في التكيّف
جرّب 3 نماذج. يفوز أبسط نموذج يعمل:
| النموذج | المعاملات | نسبة الإصابة في التدريب | نسبة الإصابة في الاختبار | مفرط التكيّف؟ |
|---|---|---|---|---|
| الانحدار اللوجستي | بسيط، بارامترات قليلة | ____% | ____% | < 10% gap = OK |
| Random Forest | max_depth=5, n_estimators=50 | ____% | ____% | < 10% gap = OK |
| شبكة عصبية | طبقتان، 32 خلية | ____% | ____% | الخطر: إفراط في التكيّف إذا تجاوزت الفجوة 15 % |
إشارة تحذير: إذا كانت نسبة الإصابة في التدريب 90 % وفي الاختبار 60 % فأنت تفرط في التكيّف. قلّل تعقيد النموذج أو أضف بيانات أكثر.
الجزء 4: تحليل أهمية السمات
أي السمات مهمّة فعلًا؟ استخدم درجات أهمية السمات في النموذج:
أهمية السمات في Random Forest:
أهم 10 سمات (حسب درجة الأهمية):
1. مستوى VIX: 0.18 (الأهم)
2. المسافة عن VWAP: 0.15
3. ADX: 0.12
4. وقت اليوم: 0.10
5. CVD: 0.09
6. RSI: 0.07
7. نسبة ATR: 0.06
8. الحجم مقابل المتوسط: 0.05
9. عرض النطاقات: 0.04
10. تغيّر DXY: 0.03
سمات الذيل (أقل من 0.02): يوم الأسبوع، الوقت منذ آخر إشارة
← احذف هذه السمات (ضجيج لا إشارة)
نموذج مبسّط (أهم 6 سمات فقط):
نسبة الإصابة في الاختبار: ___% (قارنها بنموذج الـ 20 سمة)
إذا كان الفارق أقل من 2% فاستخدم النموذج الأبسط (إفراط أقل في التكيّف)الجزء 5: التشغيل الإنتاجي مع عتبات الثقة
لا تتداول كل التنبؤات. خذ فقط عالية الثقة منها:
مخرج النموذج = احتمال (من 0.0 إلى 1.0)
عتبات الثقة:
احتمال فوق 0.65 = ثقة عالية (خذ الصفقة)
احتمال بين 0.45 و0.65 = محايد (تخطَّ الصفقة)
احتمال دون 0.45 = ثقة منخفضة (تخطَّ أو اعكس)
نتائج backtest حسب العتبة:
كل الصفقات (بلا مرشّح): نسبة ربح 55%، متوسط 0.5R
ثقة فوق 0.60: ___% توقّع رياضي، متوسط ___R
ثقة فوق 0.65: ___% توقّع رياضي، متوسط ___R
ثقة فوق 0.70: ___% توقّع رياضي، متوسط ___R (صفقات أقل)
العتبة المثلى: 0.___ (عظّم التوقّع الرياضي لا نسبة الإصابة)
نتائجك أنت:
الصفقات المأخوذة بمرشّح تعلّم الآلة: ___ من أصل 100 إشارة
تحسّن نسبة النجاح: من ___% ← ___% (+___%)
تحسّن التوقّع الرياضي: من ___ دولار للصفقة ← ___ دولار للصفقةالجزء 6: بروتوكول المتابعة وإعادة التدريب
نماذج تعلّم الآلة تتدهور مع الوقت. تابعها وأعد تدريبها:
جدول المتابعة:
الأسبوع 1-4: تابع الأداء الحقيقي مقابل تنبؤات الاختبار
المتوقّع: نسبة إصابة 60%
الفعلي: ___% نسبة إصابة
الانحراف: ___% (أقل من 5% مقبول)
الأسبوع 5-8: واصل المتابعة
الفعلي: ___% نسبة إصابة
الانحراف: ___% (إن تجاوز 10% فأعد التدريب)
مُطلِقات إعادة التدريب:
1. هبوط نسبة الإصابة أكثر من 10% دون أساس الاختبار
2. تحوّل نظام السوق (قفزات VIX، دورة جديدة)
3. كل 3 أشهر على الأقل (تحديث ببيانات حديثة)
خطوات إعادة التدريب:
- أضف بيانات صفقات آخر 3 أشهر
- أعد تشغيل تحقّق walk-forward
- قارن النموذج الجديد بالقديم على مجموعة الاختبار نفسها
- لا تطلقه إلا إذا تفوّق الجديد بمقدار 3% فأكثرهدف التطبيق: ابنِ مرشّح تعلّم آلة خلال 4-6 أسابيع باستخدام آخر 50-100 صفقة لديك. شغّله ورقيًا على 20 إشارة. مثال على الهدف: تحسين التوقّع الرياضي بنسبة 10 % على الأقل عبر ترشيح انتقائي. إن نجح، يكون تعلّم الآلة قد رفع توقّعك الرياضي بشكل قابل للقياس بمساعدتك على تخطّي الإعدادات منخفضة الاحتمال. هكذا يستخدم المحترفون تعلّم الآلة: لا كسحر، بل كتعزيز منهجي للأفضلية.
لقد تعلّمت للتو ما يكتشفه معظم متداولي تعلّم الآلة بعد تفجير حساب: هندسة السمات أهم من اختيار النموذج، واختبار walk-forward إلزامي، والتحسين يكون على التوقّع الرياضي (لا على نسبة الإصابة). صار بإمكانك الآن استخدام تعلّم الآلة كأداة لا كمقامرة.
دروس ذات صلة
تطوير الأنظمة
يندمج تعلّم الآلة في الاستراتيجيات المنهجية — ابنِ الأساس أولًا.
اقرأ الدرس ←واقع backtesting
تجنّب الإفراط في التكيّف في تعلّم الآلة بتقنيات تحقّق سليمة.
اقرأ الدرس ←⏭️ التالي
المقال #56: مفاهيم التداول عالي التردّد — HFT ليس متاحًا للأفراد، لكن فهم مراجحة زمن الوصول وسُميّة order flow يجنّبك أن تكون أنت سيولة الخروج.
💬 نقاش (0 تعليق)
جارٍ تحميل التعليقات…
هل أنت مستعدّ للتداول مع Signal Pilot؟
طبّق ما تعلّمته باستخدام مؤشرات احترافية وأدوات لتحليل السوق في الوقت الفعلي.
العودة إلى Signal Pilot →لأغراض تعليمية فقط. ينطوي التداول على مخاطر خسارة كبيرة. هذه ليست نصيحة مالية. الأداء السابق لا يضمن النتائج المستقبلية.