مطالعه موردی زیرساخت واقعی

Algorithmic Fleet
هشت بات معامله‌گر، زیر یک انضباط مشترک

نوچس یک استراتژی نیست؛ یک ناوگان است. هشت بات با منطق‌های عمداً متفاوت روی چهار صرافی کار می‌کنند و هیچ‌کدام به‌تنهایی مرجع نیستند. چیزی که این سیستم را از «ربات معاملاتی» جدا می‌کند، سرعتِ تصمیم‌گرفتن نیست؛ سخت‌گیری‌اش در پذیرفتنِ تصمیم است. هیچ ایده‌ای تا وقتی بیرون از داده‌ای که با آن ساخته شده دوام نیاورده باشد، سرمایه نمی‌گیرد.

اعتبارسنجی بیرون‌نمونه بودجه‌ی ریسک در سطح ناوگان لایه‌ی ناظر روزانه
طراحی سیستم معاملاتی سایر پروژه‌ها

چرا این ناوگان سطح بالاتری دارد؟

تصمیم در یک نقطه گرفته نمی‌شود. هر بات منطق خودش را دارد، ولی همه از یک دروازه‌ی مشترک عبور می‌کنند — و همان دروازه است که سیستم را سرِ پا نگه می‌دارد، نه هوشمندیِ هیچ‌کدامشان.

تنوعِ عمدی

بات‌ها شبیه هم نیستند و نباید باشند: یکی روی یادگیری تقویتی، یکی مارکت‌نیوترالِ مقطعی، چند تا روی الگوهای آماری. وقتی منطق‌ها متفاوت باشند، اشتباه‌ها هم‌زمان نمی‌شوند.

دروازه‌ی بیرون‌نمونه

هر ایده باید روی داده‌ای که ندیده دوام بیاورد. بیش‌برازش با آزمون آماری شناسایی و رد می‌شود، نه با نگاه‌کردن به منحنیِ خوش‌ظاهرِ بک‌تست.

شکست، یک خروجیِ معتبر

وقتی یک لایه‌ی مدل روی داده‌ی دیده‌نشده عملاً به صفر رسید، بازنشسته شد؛ توجیه نشد و دوباره تیون نشد. جایش را منطقِ ساده‌ترِ قابل‌دفاع گرفت. این سخت‌ترین تصمیمِ کل پروژه بود.

لایه‌ی ناظر

یک ایجنت هر روز کارنامه‌ی ناوگان را می‌خواند و راهنماییِ ریسک صادر می‌کند: کجا کوچک‌تر معامله شود، کجا اصلاً نه. توصیه‌اش ثبت می‌شود و بعداً با نتیجه‌ی واقعی سنجیده می‌شود.

معماری End-to-End از داده تا اجرا

ساختار لایه‌ای است تا هر لایه بتواند مستقل رد شود بدون اینکه بقیه فرو بریزند. خروجیِ هر شب، ورودیِ شب بعد است.

1

Data Ingestion

ورودی چندصرافی و چند تایم‌فریم با همگام‌سازی مداوم و کنترل کیفیت داده.

2

Edge Discovery

جست‌وجوی شبانه‌ی الگوهای پایدار روی کل جهانِ جفت‌ارزها، نه فقط سبد فعلی.

3

Statistical Gate

هر کاندید باید از آزمون‌های بیرون‌نمونه عبور کند؛ آنچه رد شود هرگز به بات نمی‌رسد.

4

Allocation

تخصیص سرمایه و چرخش سبد براساس آنچه واقعاً دوام آورده، با هیسترزیس تا سبد هر شب زیرورو نشود.

5

Risk & Execution

بودجه‌ی ریسک، سقف اهرم، خروجِ بازمحاسبه‌شده و گاردهای افت سرمایه در سطح ناوگان.

6

Oversight Loop

تحلیل کیفیت اجرا، بازخوانی روزانه و بازآموزی؛ هر چرخه پارامترهای چرخه‌ی بعد را می‌سازد.

در عمل، نه در اسلاید

Out-of-Sample Disciplineمعیار پذیرش، رفتار روی داده‌ی دیده‌نشده است، نه زیباییِ بک‌تست
Regime & Event Awarenessاندازه‌ی ریسک با رژیم بازار و رویدادهای پرریسک تنظیم می‌شود
Execution Qualityفاصله‌ی بهترین قیمتِ ممکن تا قیمتِ واقعیِ خروج اندازه‌گیری و اصلاح می‌شود
Fleet-Level Riskهم‌بستگیِ بین بات‌ها هم بودجه دارد، نه فقط ریسکِ تک‌بات

حلقه‌ی عملیات و بهینه‌سازی پیوسته

این بخش جایی است که بیشترِ کار انجام می‌شود. هر شب، بدون دخالت دستی: داده‌ی تازه می‌آید، الگوها بازآزمایی می‌شوند، سبد به‌روز می‌شود و آنچه از دروازه رد شده روی بات‌ها می‌نشیند.

بازبینیِ شبانه

  • دریافت داده‌ی تازه و بازآزمایی الگوها روی کل جهانِ جفت‌ارزها
  • اعمال خودکارِ خروجیِ تأییدشده، بدون توقف سرویس
  • بهینه‌سازیِ عمیقِ دوره‌ای، فقط برای لایه‌هایی که واقعاً از آن سود می‌برند

چرخشِ سبد

  • جفت‌ارزها براساس تناسبِ اندازه‌گیری‌شده وارد و خارج می‌شوند
  • هیسترزیس، تا سبد با هر نوسانِ کوچک زیرورو نشود
  • حذفِ اجباریِ چیزی که دیگر کار نمی‌کند، حتی اگر سابقه‌ی خوبی داشته

مدیریت ریسک عملیاتی

  • سقف معاملات روزانه و فاصله‌ی اجباری بین ورودها
  • گاردِ افت سرمایه، هم‌زمان در سطح تک‌بات و کل ناوگان
  • توقفِ خودکار وقتی چند بات هم‌زمان زیر فشار می‌روند
soodo

خروجیِ سیگنالِ این ناوگان روی سودو هم منتشر می‌شود؛ محصولی مستقل که همین تصمیم‌ها را برای کاربر نهایی قابل‌دنبال‌کردن می‌کند. همان انضباط، این‌بار از سمتِ کسی که فقط نتیجه را می‌بیند.

نقش من در این پروژه

  • طراحی معماری ناوگان: از کشف الگو تا اجرا و گاردهای ریسک
  • ساختن دروازه‌ی آماری که تصمیم می‌گیرد چه چیزی اجازه‌ی زنده‌شدن دارد
  • طراحی حلقه‌ی شبانه‌ی بازبینی، چرخش سبد و استقرار خودکار
  • تبدیل کد تحقیقاتی به زیرساخت عملیاتی با پایش، تحلیل اجرا و کارنامه‌ی قابل‌ممیزی
  • بازنشسته‌کردنِ لایه‌هایی که کار نکردند — سخت‌ترین و پرارزش‌ترین بخشِ کار
جلسه راهبردی معماری معاملاتی بازگشت به مطالعه‌های موردی