الوحدة 5 من 6 · 5 دقيقة قراءة

مخاطر التداول بالذكاء الاصطناعي: الإفراط في المطابقة وأحداث البجعة السوداء

الإفراط في المطابقة يجعل الاستراتيجية تبدو رائعة على البيانات القديمة وعديمة الجدوى على البيانات الجديدة، والبجعة السوداء هي الصدمة النادرة التي لم يُبنَ أي روبوت للتعامل معها، ولهذا يبقي الإنسان يده على زر الإيقاف.

مفتاح الإيقاف

حد الخسارة−20%

بلا مفتاح إيقاف−99%$120 من $10,000 متبقٍّ، مُحي بالكامل

صارم −20% حد أقصى−20%$8,000 من $10,000 متبقٍ، ينجو

البجعة السوداء نفسها، والاستراتيجية نفسها. الفرق الوحيد هو ما إذا كان قد وُضع حدّ صارم مسبقًا لإيقاف التداول. عند إيقاف المفتاح، تستمر الاستراتيجية في الانهيار حتى القاع، ويصبح الحساب شبه ممحو.

جرّب العرض التفاعلي أعلاه. مع إيقاف زر الإيقاف الفوري، تجرف حركة واحدة من نوع البجعة السوداء الحساب بأكمله إلى ما يقارب الصفر؛ وعند تفعيله، يتوقف الانهيار نفسه فورًا عند حد خسارتك. هذا الفارق الوحيد، استراتيجية قد تنزف حتى النهاية مقابل أخرى يتم إيقافها، هو ما تبنيه هذه الوحدة. نمطان من الفشل يدمّران الاستراتيجيات الآلية أكثر من أي شيء آخر، ويأتيانك من اتجاهين متعاكسين. الإفراط في المطابقة هو فخ تعلّم الكثير جدًا من الماضي: نموذج متعلق بالبيانات القديمة إلى درجة أنه يخلط بين التذبذبات العشوائية والأنماط الحقيقية. أما البجعات السوداء فهي المشكلة المعاكسة، اليوم الذي يقدّم فيه المستقبل شيئًا لم يحتوِه الماضي قط، بحيث لا يفيد أي قدر من التعلّم. أحدهما يقول إن الاستراتيجية درست التاريخ بإفراط؛ والآخر يقول إن التاريخ لم يكن القصة كاملة أبدًا. فهم الاثنين معًا هو ما يفرّق بين متداول يحترم الأدوات الآلية وآخر تحطّمه هذه الأدوات بصمت.

الإفراط في المطابقة: تعلّم الضوضاء بدلًا من الإشارة

يوجد داخل أي رسم بياني للأسعار عنصران متداخلان. هناك الإشارة، النمط الحقيقي المتكرر الذي تريد فعلًا التداول بناءً عليه. وهناك الضوضاء، التذبذب العشوائي العابر الذي حدث مرة واحدة ولن يتكرر بالطريقة نفسها.

النموذج الجيد يتعلّم الإشارة ويتجاهل الضوضاء. أما النموذج المُفرط في المطابقة فيفعل العكس: يحفظ الضوضاء وكأنها تحمل معنى. ولأنه تتبّع كل انتفاخة صغيرة في البيانات التاريخية، فإنه يطابق الماضي بشكل شبه مثالي، ما يجعل اختباره الرجعي يبدو وكأنه آلة لطباعة المال. لكنه لا يتنبأ بالمستقبل تقريبًا، لأن الضوضاء التي حفظها لا تتكرر.

هذا هو الفخ كله في جملة واحدة: الاستراتيجية المُفرطة في المطابقة تبدو رائعة على البيانات القديمة وتنهار على البيانات الجديدة. إنها المخاطرة المحورية في التداول القائم فعليًا على التعلّم الآلي، وهي بالضبط ما تنتجه مطابقة المنحنى التي تناولتها الوحدة 4 على الجانب القائم على القواعد.

العلامات التي تدل على أن الاستراتيجية مُفرطة في المطابقة

لست بحاجة إلى أن تكون عالم بيانات لتشمّ رائحة الإفراط في المطابقة. بضع علامات كاشفة تفضحه:

معاملات كثيرة جدًا مقارنة بحجم البيانات. كلما زاد عدد المقابض التي تملكها الاستراتيجية، سهُل ضبطها حتى يبدو الماضي مثاليًا. وجود مقابض كثيرة مع بيانات قليلة إنذار، لا ميزة.
منحنى رأس مال سلس بشكل غير واقعي. الأفضليات الحقيقية متعرجة. الاختبار الرجعي الذي يرتفع في خط شبه مستقيم يعني عادةً أن الاستراتيجية صُبّت على الشكل الدقيق للماضي.
الهشاشة. حرّك معاملًا واحدًا بمقدار ضئيل جدًا فتتأرجح النتائج بعنف، أو تنهار الاستراتيجية في اللحظة التي تواجه فيها بيانات لم تَرَها من قبل. الأفضلية الحقيقية ليست بهذه الدقة الهشة.
الحاجة إلى إعادة ضبط مستمرة. إذا كانت الاستراتيجية لا تستمر في العمل إلا حين تواصل تعديلها، فأنت لا تحافظ على أفضلية، بل تطارد ضوضاء لا تتوقف عن التحرك.

الغريزة السليمة هي تفضيل الاستراتيجية الأبسط والأكثر متانة على الاستراتيجية المعقّدة والهشة، حتى عندما تُظهر الأخيرة اختبارًا رجعيًا أجمل. المتانة هي ما يصمد أمام بيانات الغد، والاختبار الرجعي الجميل بشكل مريب هو في كثير من الأحيان علامة تحذير، لا جائزة.

أحداث البجعة السوداء: اليوم الذي يقع خارج البيانات

البجعة السوداء، بحسب مفهوم Nassim Nicholas Taleb، هي حدث نادر عالي الأثر يقع خارج التوقعات الطبيعية، ويبرره الجميع باعتباره «واضحًا بأثر رجعي» بعد وقوعه فقط. فكّر في الانهيارات المفاجئة، أو انهيار منصات التداول، أو صدمة لم تُسعّرها الأسواق قط.

وإليك سبب كون هذا سمًّا لأي استراتيجية آلية. يتعلّم النموذج من البيانات التي دُرِّب واختُبر عليها. والبجعة السوداء، بحكم تعريفها، تقع خارج تلك البيانات. لم يرَ النموذج قط أي شيء يشبهها ولو من بعيد، فليس لديه استجابة متعلَّمة صالحة. يستمر في تطبيق قواعد بُنيت لعالم لم يعد موجودًا.

والأمر يزداد سوءًا. الأسواق الحقيقية لديها ذيول سمينة، بمعنى أن التحركات الحادة تحدث أكثر مما يفترضه نموذج منحنى الجرس المرتّب. لذلك تكون الاستراتيجية المعايَرة على تقلب «طبيعي» غير مستعدة بصمت لليوم الذي يهم فعلًا، لأن فكرتها كلها عن «إلى أي مدى يمكن أن يسوء الأمر» كانت مضبوطة على مستوى منخفض جدًا.

عندما تجعل الأتمتة الانهيار أسوأ

الأتمتة لا تتعامل بشكل سيئ مع الانهيار فحسب. بل يمكن أن تساهم في التسبب به.

في الانهيار المفاجئ الذي وقع في 6 مايو 2010، هبط مؤشر داو جونز نحو 998 نقطة (حوالي 9 بالمئة)، واختفى نحو تريليون دولار أمريكي من القيمة السوقية بشكل مؤقت خلال دقائق قبل أن يرتد السوق، واستمرت الواقعة كاملة نحو 36 دقيقة. في أحداث كهذه، تتراكم الاستراتيجيات الآلية فوق بعضها: تنطلق سلسلة من أوامر وقف الخسارة المتتالية وتُشعل مزيدًا من البيع، وتتبخر أوامر الشراء بحيث لا يبقى من يشتري بسعر معقول، وتُنفَّذ الصفقات بعيدًا جدًا عن النقطة التي «توقعت» الاستراتيجية التداول عندها.

كما تنفّذ الأتمتة الأخطاء البسيطة بسرعة الآلة. خسرت Knight Capital نحو 440 مليون دولار أمريكي خلال قرابة 45 دقيقة عندما سمح نشر برمجي معيب لنظام آلي بإطلاق عاصفة من الأوامر غير المقصودة. الروبوت لا يصاب بالذعر، وهذا يبدو ميزة، لكنه أيضًا لا يتوقف للتفكير، وعند السرعة القصوى يكمن الخطر في ذلك بالضبط.

لماذا يحتاج زر الإيقاف إلى إنسان

يشير نمطا الفشل كلاهما إلى الدرس الهادئ نفسه. إدراك أن «هذا الموقف يقع خارج كل ما بُنيت الاستراتيجية من أجله» هو قرار تقديري، وعادةً لا تستطيع قاعدة ثابتة أو نموذج مدرَّب على بيانات طبيعية اتخاذ هذا القرار بنفسه. فهو لا يعرف سوى العالم الذي عُرض عليه.

ولهذا فإن زر الإيقاف اليدوي والإشراف البشري النشط هما ضابطا مخاطرة، لا علامتا إعداد بدائي. الاستراتيجية الآلية الأخطر ليست تلك التي تخطئ بين الحين والآخر. بل تلك التي تستمر في التداول بثقة داخل ظروف لم تُصمَّم قط للتعامل معها، لأنه لم يكن هناك إنسان يراقب لحظة سحب القابس. بناء تلك الحدود هو محور الوحدة 6 بالكامل.

عندما يصطدم منحنى مُفرط في المطابقة بالواقع

تخيّل استراتيجيتين جنبًا إلى جنب.

الاستراتيجية أ لديها 15 معاملًا، جميعها مُحسَّنة على ثلاث سنوات من التاريخ. داخل عينة الاختبار، تُظهر نسبة صفقات رابحة 95 بالمئة ومنحنى رأس مال شديد النعومة بزيادة 200 بالمئة. تبدو الاستراتيجية عصيّة على الإيقاف. لكن عند تشغيلها، من دون أي تعديل، على سنة جديدة لم ترها من قبل، تنخفض نسبة الصفقات الرابحة إلى نحو 48 بالمئة ويأتي العائد عند نحو ناقص 12 بالمئة. والأسوأ من ذلك أن تحريك معامل واحد بخطوة واحدة يقلب تلك النسبة داخل العينة من زائد 200 بالمئة إلى نحو ناقص 5 بالمئة. الحساسية الشديدة والانهيار أمام بيانات جديدة هما مثال كلاسيكي على الإفراط في المطابقة: المقابض الـ15 تتبعت ضوضاء الماضي، لا أفضلية حقيقية.

الاستراتيجية ب تستخدم معاملين فقط. داخل العينة، تُظهر نسبة صفقات رابحة أكثر تواضعًا عند 80 بالمئة. وخارج العينة، تحافظ على نحو 74 بالمئة، وبالكاد تحرّكها التغيرات الصغيرة في المعاملات. اختبارها الرجعي أقل بريقًا، لكن أفضليتها ثابتة عبر بيانات لم ترها من قبل.

المتداول المنضبط يعتمد الاستراتيجية ب ويحذف الاستراتيجية أ، لأن المتانة في التداول الحي تتفوق على الاختبار الرجعي الجميل في كل مرة.

ما تعنيه «الذيول السمينة» فعليًا

تفترض نماذج بسيطة كثيرة، بصمت، أن عوائد السوق تتبع منحنى جرس مرتبًا (توزيعًا طبيعيًا)، حيث تكون التحركات الضخمة نادرة إلى درجة يمكن معها تجاهلها تقريبًا. الأسواق الحقيقية لا تتصرف بهذه الطريقة. توزيعات عوائدها لها ذيول سمينة: النتائج المتطرفة عند الأطراف البعيدة تحدث أكثر بكثير مما يتوقعه منحنى الجرس.

النتيجة العملية غير مريحة. الاستراتيجية المضبوطة على أيام «طبيعية» تعامل حركة تحدث مرة كل عقد وكأنها مستحيلة أساسًا، فتحدد حجم المراكز وتضع المخاطر وكأن الصدمة الكبيرة لن تأتي أبدًا. وعندما يظهر الذيل السمين فعلًا، وهو يظهر دائمًا على أفق زمني طويل بما فيه الكفاية، تجد الاستراتيجية نفسها مكشوفة بأكثر بكثير مما أخذته في الحسبان قط. الذيول السمينة جزء كبير من سبب إحداث البجعات السوداء أضرارًا جسيمة في النماذج التي افترضت الهدوء.

آلتان جعلتا الأمر أسوأ

يستحق الانهيار المفاجئ لعام 2010 وخسارة Knight Capital التوقف عندهما، لأنهما يُظهران الطريقتين اللتين تحوّل بهما الأتمتة السيء إلى كارثي.

كان الانهيار المفاجئ سلسلة متتالية من نضوب السيولة. أدى البيع الآلي إلى مزيد من البيع الآلي، وسُحبت أوامر الشراء المعلّقة على الفور تقريبًا، ولبضع دقائق لم يكن هناك أي أرضية للسعر ببساطة. سُجّلت أسعار بعض الأصول عند مستويات عبثية قبل أن يرتد السوق. لم تكن هناك حاجة إلى «عطل» واحد؛ فحلقة التغذية الراجعة بين المشاركين الآليين الكثيرين كانت كافية.

كانت Knight Capital خطأً في النشر. ترك طرح برمجي معيب جزءًا قديمًا من الشيفرة فعّالًا، وبدأ النظام الآلي للشركة بإرسال سيل من الأوامر غير المقصودة لحظة افتتاح السوق. لم تكن المسألة استراتيجية أخطأت في قراءة السوق. بل كانت آلة تنفّذ خطأً آلاف المرات قبل أن يتمكن البشر من التدخل، وتبخّر نحو 440 مليون دولار أمريكي في نحو ثلاثة أرباع الساعة.

أسباب مختلفة، الدرس نفسه: السرعة من دون قاطع دائرة بشري تحوّل خللًا صغيرًا إلى كارثة كبرى.

اختبار سريع للمعرفة

ما هو الإفراط في المطابقة، بعبارات بسيطة؟ استراتيجية مضبوطة بإحكام شديد على البيانات الماضية إلى درجة أنها تحفظ الضوضاء العشوائية بدلًا من النمط الحقيقي، فتبدو ممتازة في الاختبار الرجعي لكن ليس لها أي قيمة تنبؤية بمجرد أن تتداول فعليًا.

لماذا تكون الاستراتيجية الآلية غير مستعدة بنيويًا لمواجهة بجعة سوداء؟ البجعة السوداء تقع، بحكم تعريفها، خارج البيانات التي دُرِّبت واختُبرت عليها الاستراتيجية، فهي لم ترَ شيئًا مشابهًا لها من قبل وليس لديها استجابة متعلَّمة صالحة، كما أن الأسواق لديها ذيول سمينة تجعل صدمات كهذه أكثر شيوعًا مما يفترضه نموذج عادي.

لماذا يحتاج قرار إيقاف الاستراتيجية إلى إنسان؟ إدراك أن الظروف قد تجاوزت ما بُنيت الاستراتيجية من أجله هو قرار تقديري لا تستطيع قاعدة ثابتة أو نموذج مدرَّب بشكل عادي اتخاذه بنفسه بشكل موثوق، لذلك يُعد زر الإيقاف اليدوي والإشراف البشري ضوابط أساسية، لا علامات على نظام بدائي.

المصادر

Notices of the AMS (أكاديمية)، Bailey, Borwein, Lopez de Prado & Zhu، «Pseudo-Mathematics and Financial Charlatanism: The Effects of Backtest Overfitting on Out-of-Sample Performance»، حول كيف يمكن لنموذج أن يصف ضوضاء عشوائية بدلًا من النمط الأساسي ثم يفشل في التعميم على بيانات جديدة.
arXiv (أكاديمية)، Nassim Nicholas Taleb، «Statistical Consequences of Fat Tails»، تعريف Nassim Nicholas Taleb لحدث نادر عالي الأثر يُبرَّر بأنه متوقع بأثر رجعي فقط.
U.S. SEC & CFTC (تقرير موظفين مشترك)، «Findings Regarding the Market Events of May 6, 2010»، الانهيار خلال جلسة يوم 6 مايو 2010، حجمه، ومدته البالغة نحو 36 دقيقة.
U.S. SEC، «Press Release 2013-222: SEC Charges Knight Capital With Violations of Market Access Rule»، فشل نشر البرمجيات في 1 أغسطس 2012 والخسارة الناتجة عنه.
OECD (OECD.AI Policy Observatory)، «What is AI? Defining AI and machine learning»، حول النماذج التي تتعلم الأنماط من البيانات بدلًا من اتباع قواعد مكتوبة صراحةً.