قراءة متعمقة للقسم 4: كيف تقرأ التجارب
بعد إتمام هذا القسم، ستتمكن من فهم كل جدول نتائج في الورقة: من أين تأتي البيانات، وكيف تُقسَّم، وكيف تُحسب المقاييس، و«التحسين بنسبة 10%» بالنسبة إلى ماذا، وأي المقارنات عادلة.
4.1 البيانات: ثلاثة أسواق، سبع درجات دقة، 30 مليار
| السوق | عدد الأدوات |
|---|---|
| أسهم A | 3914 |
| الأسهم الأمريكية | 888 |
| العملات المشفرة | 28 |
| الإجمالي | 4830 |
تمتد الفترة الزمنية من 2016-8-1 إلى 2026-4-10. بيانات الدقيقة الواحدة 1 هي البيانات المصدرية، وتُشتق الدرجات الأخرى منها بالتجميع، بإجمالي حوالي 30 مئة مليون شمعة K. جميع الأسعار مُعدَّلة بالتعويض الخلفي (back-adjusted).
التقسيم الزمني: الجزء الأكثر إغفالًا
| الغرض | الزمن |
|---|---|
| التدريب | جميع البيانات حتى 2023-12-31 وما قبله |
| التحقق | من 2024-01-01 إلى 2025-12-31 |
| الاختبار | من 2026-01-01 إلى 2026-04-10 |
يجب تقسيم البيانات المالية زمنيًا، لا عشوائيًا: التقسيم العشوائي يجعل النموذج يرى أثناء التدريب بيانات من فترات قبل الاختبار وبعده، أي أنه يلقي نظرة على المستقبل. تفصيل آخر: إحصاءات التوحيد القياسي (MAD) تُحسب أيضًا من فترة التدريب فقط، وتؤكد الورقة صراحةً على «عدم وجود تسريب».
متى يتوقف التدريب؟ يتوقف عندما لا ينخفض متوسط الخسارة على مجموعة التحقق لكل (سوق، درجة دقة) بعد الآن.
المقاييس: IC و RankIC
في كل لحظة إرساء (anchor)، لجميع الأدوات:
- القيمة المتوقعة: متوسط 16 مسارًا (في مهمة العائد: العائد اللوغاريتمي التراكمي عند نهاية المسار؛ في مهمة التقلب: الانحراف المعياري للعوائد اللوغاريتمية مسارًا بمسار)
- القيمة الحقيقية: العائد اللوغاريتمي التراكمي الفعلي، والانحراف المعياري الفعلي للعوائد مسارًا بمسار
ثم يُحسب الارتباط على المقطع العرضي (في اللحظة نفسها، بين الأدوات المختلفة):
- IC: معامل ارتباط بيرسون، ينظر إلى العلاقة الخطية بين القيم
- RankIC: ارتباط سبيرمان بالرتب، ينظر إلى الترتيب فقط
أخيرًا يُؤخذ المتوسط عبر جميع لحظات الإرساء. RankIC غير حساس للقيم المتطرفة وأقرب إلى الاستخدام العملي المتمثل في «اختيار أفضل N أداة»، ولذلك فهو المقياس الرئيسي.
قراءة الجدول 1 والجدول 2
النتائج الرئيسية (المتوسط عبر سبع درجات دقة):
| النموذج | RankIC للعائد | IC للعائد | RankIC للتقلب | IC للتقلب |
|---|---|---|---|---|
| KiT | 0.0571 | 0.0491 | 0.6600 | 0.6797 |
| أقوى منافس في العائد | Kronos-base-FT 0.0521 | TimeGrad 0.0446 | Sundial 0.5281 | GARCH 0.5470 |
التحسينات النسبية في الورقة كلها "نسبة إلى أقوى منافس":
- RankIC للعائد: 0.0521 → 0.0571، أي حوالي +10%
- RankIC للتقلب: 0.5281 → 0.6600، أي حوالي +25%
والأكثر من ذلك أن KiT يحتل المركز الأول في كل واحدة من درجات الدقة السبع، وليس فقط في المتوسط.
بعض النقاط الجديرة بالملاحظة عند قراءة الجدولين:
- Kronos-base-FT هو نسخة Kronos مُضبطة بدقة، وهو المنافس الأكثر عدالة (نموذج أساسي مالي مثله، ومدرب أيضًا على الرسوم الشمعدانية).
- GARCH قوي جدًا في التقلب (0.5222)، فهذا النموذج الإحصائي الكلاسيكي الذي عمره عقود هزم عدة نماذج أساسية للتعلم العميق. وتفوّق KiT عليه يدل على أن الأمر ليس مجرد "سحق بالنماذج الكبيرة".
- كيف جرت مقارنة خطوط الأساس (الملحق A.2): المنافسون حصلوا فقط على تاريخ أسعار الإغلاق (close-only)، وتنبؤوا بالمستقبل بنفس الطول، وبالمثل أُخذ عائد نقطة نهاية المسار والانحراف المعياري للعائد لكل شمعة. والطرق القادرة على أخذ العينات استخدمت بالمثل 16 مسارًا؛ أما واجهة Chronos وTimesFM فتعطي مسارًا واحدًا فقط (K=1)، واستُخدم تقلبهما من تقلب ذلك المسار الواحد نفسه.
الملحق B: هل النموذج الأكبر أفضل
دُربت ثلاثة أحجام على نفس البيانات، وكلها دُربت حتى 50,000 خطوة:
| KiT-S (3100 عشرة آلاف معامل) | KiT-M (1.01 مئة مليون معامل) | KiT-L (2.84 مئة مليون معامل) | |
|---|---|---|---|
| خسارة التدريب (متوسط آخر 1000 خطوة) | 1.183 | 1.157 | 1.121 |
| خسارة التحقق (متوسط درجات الدقة السبع) | 1.577 | 1.568 | 1.575 |
| RankIC للعائد | 0.0549 | 0.0561 | 0.0571 |
| IC للعائد | 0.0472 | 0.0482 | 0.0491 |
هذا الجدول صادق جدًا:
- خسارة التدريب تنخفض بثبات مع الحجم، لكن خسارة التحقق متقاربة تقريبًا: عند حوالي 30,000 خطوة تتقارب منحنيات التحقق الثلاثة إلى نفس المستوى.
- لكن RankIC في المهام اللاحقة يتحسن بنحو 2% (نسبيًا) مع كل ترقية في الحجم، ولم يتشبع بعد. تسمي الورقة ذلك "قانون الحجم المعتدل".
إذن مقولة "الأكبر أفضل" صحيحة، لكن بهامش صغير. ما رأيته في قسم التدريب من الصفر من ارتفاع واضح في خسارة التحقق هو حالة متطرفة تحدث عندما تكون البيانات 100 سهمًا فقط؛ أما الورقة فتصف على 30 مئة مليون نقطة بيانات ثلاث منحنيات تحقق تتقارب إلى مستويات متقاربة، دون الإشارة إلى ذلك الارتفاع.
اختبر معرفتكلماذا لا يمكن تقسيم بيانات التنبؤ المالي عشوائيًا إلى مجموعة تدريب ومجموعة اختبار؟
تحقق من
- أستطيع تحديد الفترات الزمنية لكل من التدريب والتحقق والاختبار
- أستطيع شرح الفرق بين IC وRankIC، ولماذا نعتمد بشكل أساسي على RankIC
- أستطيع تحديد بالنسبة إلى من تكون "+10%" و"+25%"
- أستطيع استخدام أرقام الملحق B لتوضيح حجم تأثير الحجم
القسم التالي: الاختبار الرجعي، والاستنتاجات، والأسئلة التي يجب طرحها عند قراءة الأوراق البحثية.