لماذا تجعل الاختبارات الخلفية روبوتات التداول بالذكاء الاصطناعي السيئة تبدو رائعة

المقدمة

يُعد الاختبار الخلفي المربح أحد أسهل الطرق لجعل روبوت التداول بالذكاء الاصطناعي يبدو مثيرًا للإعجاب.

تُظهر الرسوم البيانية منحنيات حقوق ملكية سلسة. تعرض تقارير الأداء عوائد عالية. غالبًا ما تبدو معدلات الفوز استثنائية. للوهلة الأولى، يبدو أن نظام التداول جاهز للنشر.

المشكلة هي أن العديد من روبوتات التداول بالذكاء الاصطناعي تؤدي بشكل أفضل بكثير على البيانات التاريخية مما ستفعله في الأسواق الحية.

هذا لا يعني بالضرورة أن الاستراتيجية احتيالية. في كثير من الحالات، يكون النظام قد تعلم الماضي بشكل جيد للغاية.

فهم سبب حدوث ذلك أمر ضروري لأي شخص يقوم ببناء أو تقييم أو استخدام روبوت تداول بالذكاء الاصطناعي.

قبل الوثوق بأي تقرير أداء، يجب على المتداولين فهم قيود الاختبار الخلفي والمخاطر الخفية التي يمكن أن تخلقها البيانات التاريخية.

لماذا يثق المتداولون في الاختبارات الخلفية

يتيح الاختبار الخلفي للمتداولين تقييم كيفية أداء استراتيجية التداول باستخدام بيانات السوق التاريخية.

بالنسبة لروبوتات التداول بالذكاء الاصطناعي، يخدم الاختبار الخلفي عدة أغراض مهمة:

• اختبار منطق الاستراتيجية
• قياس المخاطر والعائد
• مقارنة طرق متعددة
• اكتشاف نقاط الضعف قبل النشر
• تحسين إعدادات إدارة المخاطر

بدون الاختبار الخلفي، سيكون نشر روبوت التداول بالذكاء الاصطناعي قائمًا إلى حد كبير على التخمين.

التحدي ليس أن الاختبار الخلفي عديم الفائدة.

التحدي هو أن العديد من المتداولين يثقون في نتائج الاختبار الخلفي أكثر مما ينبغي.

أكبر مشكلة: الإفراط في التخصيص

أحد الأسباب الأكثر شيوعًا لفشل روبوتات التداول بالذكاء الاصطناعي في الأسواق الحية هو الإفراط في التخصيص.

يحدث الإفراط في التخصيص عندما يصبح نموذج الذكاء الاصطناعي مُحسَّنًا بشكل مفرط للبيانات التاريخية.

بدلاً من تعلم سلوك السوق، يتعلم النموذج الخصائص المحددة لمجموعة البيانات التي تم تدريبه عليها.

النتيجة هي نظام يبدو مربحًا للغاية أثناء الاختبار ولكنه يكافح عندما تتغير ظروف السوق.

مثال بسيط:

قد يكتشف روبوت التداول بالذكاء الاصطناعي أن مجموعة محددة جدًا من المؤشرات أنتجت نتائج قوية بين عامي 2022 و2025.

يعامل النموذج هذا النمط على أنه ذو معنى.

في الواقع، قد لا يكون أكثر من ضجيج عشوائي في السوق.

يؤدي الروبوت بشكل رائع أثناء الاختبار الخلفي لأنه حفظ الإجابات على الاختبار بشكل أساسي.

الأسواق الحية لا تقدم تلك الإجابات.

لماذا تبدو روبوتات التداول بالذكاء الاصطناعي أفضل مما هي عليه في الواقع

الاختبار الخلفي القوي ليس دائمًا دليلًا على استراتيجية تداول قوية.

في كثير من الحالات، تبدو روبوتات التداول بالذكاء الاصطناعي مربحة للغاية لأن عملية الاختبار تحتوي على تحيزات خفية تجعل الأداء التاريخي يبدو أفضل من الواقع.

يقضي المتداولون الكميون المحترفون وقتًا كبيرًا في تحديد وإزالة هذه التحيزات قبل الوثوق بأي استراتيجية.

ثلاثة من أكثر المشاكل شيوعًا هي تحيز البقاء، وتحيز النظر إلى الأمام، وتحيز التنقيب عن البيانات.

تحيز البقاء

يحدث تحيز البقاء عندما يتم استبعاد الأصول الفاشلة أو الرموز المشطوبة أو أنظمة التداول غير الناجحة من التحليل التاريخي.

نتيجة لذلك، تحتوي مجموعة البيانات فقط على الناجين.

هذا يخلق نظرة متفائلة بشكل مفرط للأداء لأن التحليل يتجاهل الأصول التي أدت بشكل سيء أو اختفت تمامًا.

قد يبدو روبوت التداول بالذكاء الاصطناعي المدرب على بيانات الناجين فقط أكثر نجاحًا بكثير مما كان عليه في ظروف السوق الحقيقية.

تحيز النظر إلى الأمام

يحدث تحيز النظر إلى الأمام عندما تستخدم الاستراتيجية عن طريق الخطأ معلومات لم تكن متاحة في وقت تنفيذ الصفقة.

حتى كمية صغيرة من المعلومات المستقبلية يمكن أن تحسن نتائج الاختبار الخلفي بشكل كبير.

تبدو الاستراتيجية دقيقة للغاية لأنها تستفيد دون علم من بيانات لا يمكن للمتداولين الحقيقيين الوصول إليها مسبقًا.

هذه واحدة من أسرع الطرق لإنشاء روبوت تداول بالذكاء الاصطناعي مربح بشكل مضلل.

تحيز التنقيب عن البيانات

يحدث التنقيب عن البيانات عندما يختبر المتداولون ويُحسنون الاستراتيجيات بشكل متكرر حتى يكتشفوا تكوينًا يؤدي بشكل استثنائي على البيانات التاريخية.

المشكلة هي أن الاستراتيجية قد تكون ببساطة تتناسب مع الأنماط العشوائية بدلاً من سلوك السوق الحقيقي.

كلما زاد عدد المعلمات التي يتم تعديلها، زاد خطر العثور على استراتيجية تنجح في الماضي ولكنها تفشل في المستقبل.

العديد من اختبارات روبوتات التداول بالذكاء الاصطناعي المثيرة للإعجاب هي نتيجة تحسين مفرط بدلاً من قوة تنبؤية حقيقية.

عندما يتم تجاهل هذه التحيزات، يمكن حتى للأنظمة التداولية الضعيفة أن تنتج أداءً تاريخيًا رائعًا.

لهذا السبب يركز المتداولون المحترفون بشكل أقل على منحنيات حقوق الملكية المثيرة للإعجاب وأكثر على طرق التحقق التي تختبر ما إذا كانت الاستراتيجية يمكن أن تنجو من ظروف السوق غير المرئية.

يجب أن يتحدى الاختبار الخلفي الواقعي الاستراتيجية، وليس أن يجعلها تبدو مثالية.

عندما تصبح البيانات التاريخية فخًا

البيانات التاريخية قيمة، لكنها لها حدود.

الأسواق تتطور باستمرار.

التغييرات في:

• السيولة
• التقلبات
• التنظيم
• الظروف الاقتصادية الكلية
• المشاركين في السوق
• تكنولوجيا التداول

يمكن أن تغير كيفية أداء الاستراتيجيات.

قد يواجه روبوت التداول بالذكاء الاصطناعي المدرب بشكل رئيسي خلال سوق صاعدة قوية صعوبة خلال فترات طويلة من الظروف الجانبية.

وبالمثل، قد يفشل النموذج المحسن خلال فترات التقلبات المنخفضة عندما تتوسع التقلبات فجأة.

يجب أن يُنظر إلى الأداء التاريخي على أنه دليل، وليس إثبات.

لماذا تغير أنظمة السوق كل شيء

تتحرك الأسواق المالية عبر أنظمة مختلفة.

تشمل الأمثلة:

الأسواق الصاعدة

اتجاهات قوية وثقة متزايدة للمستثمرين.

الأسواق الهابطة

ضغط بيع مستمر وتجنب المخاطر.

بيئات التقلبات العالية

حركات أسعار سريعة وسلوك غير متوقع.

بيئات التقلبات المنخفضة

حركة أسعار مخفضة وفرص تداول أقل.

يتم تقييم العديد من روبوتات التداول بالذكاء الاصطناعي باستخدام مجموعة محدودة من ظروف السوق.

عندما يتغير البيئة، قد لا تكون افتراضات الاستراتيجية صالحة بعد الآن.

هذا هو أحد الأسباب التي تجعل الاستراتيجية التي حققت نتائج استثنائية العام الماضي قد تواجه صعوبة اليوم.

تغير السوق.

النموذج لم يتغير.

الفرق بين الاختبار الخلفي والتداول الحي

نادراً ما تلتقط الاختبارات الخلفية كل التحديات الموجودة في الأسواق الحقيقية.

يقدم التداول الحي متغيرات إضافية مثل:

• الانزلاق
• زمن استجابة البورصة
• تأخيرات تنفيذ الأوامر
• قيود السيولة
• أحداث السوق غير المتوقعة
• رسوم التداول
• فشل البنية التحتية

حتى الاختلافات الصغيرة يمكن أن تؤدي إلى نتائج مختلفة بشكل كبير في التداول الحي مقارنةً بالاختبار الخلفي.