آیا استراتژی‌های معاملات کوانت را می‌توان از داده OHLCV آموزش داد؟

اکثر آدم‌هایی که می‌پرسند «آیا می‌شود استراتژی معاملاتی را از OHLCV آموزش داد؟» در واقع یک سؤال دیگر دارند: «آیا می‌شود یک مدل را روی قیمت گذشته آموزش داد و در آینده پول درآورد؟» جواب کوتاه: تکنیکاً بله، عملاً به‌ندرت به‌شکل قابل‌اعتماد.

چرا این سؤال اصلاً مهم است

هر روز صدها نفر یک فایل CSV با ستون‌های Open، High، Low، Close، Volume باز می‌کنند و فکر می‌کنند دارند وارد دنیای یادگیری ماشین (Machine Learning) در معاملات می‌شوند. مشکل اینجاست که OHLCV یک فشرده‌سازی شدید از واقعیت بازار است، نه خود بازار. وقتی این را نفهمی، هر مدلی که بسازی، رو‌ی نویز آموزش دیده، نه روی سیگنال.

این موضوع برای کسی که می‌خواهد یک سیستم معاملاتی واقعی راه‌اندازی کند، فقط یک بحث آکادمیک نیست؛ مستقیماً روی هزینه، ریسک و مقیاس‌پذیری تصمیمی که می‌گیرد اثر می‌گذارد.

مشکلی که اکثر افراد اشتباه می‌فهمند

فرض غلط رایج این است: «اگر داده کافی بدهم و مدل قوی انتخاب کنم، مدل الگو را پیدا می‌کند.» این جمله در بینایی ماشین یا پردازش زبان طبیعی درست است، چون این حوزه‌ها ساختار پایدار دارند. یک گربه در عکس همیشه گربه است. اما یک الگوی قیمتی که دیروز کار کرده، امروز ممکن است چون صدها نفر دیگر هم آن را پیدا کرده و استفاده کرده‌اند، از بین رفته باشد. این را در حوزه مالی «آلفای فرسایش‌پذیر» (Alpha Decay) می‌نامند و OHLCV به‌تنهایی هیچ اطلاعاتی درباره اینکه چرا یک الگو از بین رفته به شما نمی‌دهد.

چیزی که یک آرکیتکت سیستم متفاوت می‌بیند

OHLCV یک نمایش است، نه واقعیت

وقتی به OHLCV به‌عنوان یک ساختار (Structure) نگاه کنی، متوجه می‌شوی این پنج عدد، خلاصه‌ی صدها یا هزاران معامله واقعی در آن بازه زمانی است. اطلاعات مربوط به عمق سفارش (Order Book Depth)، جریان سفارش (Order Flow) و رفتار شرکت‌کنندگان بازار، همه در این فشرده‌سازی گم شده‌اند. این یعنی مدلی که فقط روی OHLCV آموزش می‌بینی، از یک لایه بسیار پایین‌تر از سطح اطلاعاتی که بازیگران بزرگ بازار دارند، کار می‌کند.

مسئله واقعی: نسبت سیگنال به نویز، نه انتخاب مدل

اکثر بحث‌ها روی این تمرکز می‌کنند که کدام مدل بهتر است: LSTM، XGBoost، یا Transformer. این سؤال اشتباه است. سؤال درست این است: «چه مقدار از تغییرات قیمت، اصلاً قابل پیش‌بینی از روی داده تاریخی است؟» در بازارهای نقدشونده و رقابتی مثل S&P 500 یا BTC/USDT، این نسبت به‌شدت پایین است. هر مدلی، هرقدر هم پیچیده، نمی‌تواند سیگنالی را استخراج کند که در داده وجود ندارد.

Overfitting در معاملات، شکل خطرناک‌تری دارد

در بیشتر مسائل یادگیری ماشین، Overfitting یعنی مدل روی داده تست ضعیف عمل می‌کند و همین کافی است که متوجه شوی. در معاملات، مدل Overfit شده می‌تواند روی بک‌تست و حتی روی چند ماه اول معاملات زنده، عالی عمل کند، و بعد یک‌دفعه بترکد. چرا؟ چون بازار در یک رژیم (Regime) خاص بوده و مدل تو، بدون اینکه بفهمی، یک شرط روی ادامه آن رژیم بسته بوده، نه یک الگوی پایدار.

یک چارچوب عملی برای فکر کردن به این مسئله

به‌جای پرسیدن «آیا می‌شود مدل ساخت»، این سؤال‌ها را از خودت بپرس:

• افق زمانی من چیست؟ (سیگنال‌های کوتاه‌مدت در OHLCV معمولاً نویزی‌تر از سیگنال‌های میان‌مدت هستند)
• آیا مکانیزم اقتصادی پشت الگو را می‌فهمم، یا فقط یک همبستگی آماری پیدا کرده‌ام؟
• مدل من چند پارامتر آزاد دارد نسبت به حجم داده‌ای که در اختیارش گذاشته‌ام؟
• آیا تست Out-of-Sample من واقعاً مستقل است، یا به‌طور پنهانی نشت داده (Data Leakage) دارم؟
• اگر این استراتژی روی هزار سرمایه‌گذار دیگر هم اجرا شود، همچنان کار می‌کند؟

جدول مقایسه: رویکردهای رایج آموزش مدل روی OHLCV

لنگر عملی: یک مثال واقعی

فرض کن یک تیم یک مدل درختی روی داده روزانه OHLCV آموزش می‌دهد تا جهت حرکت فردا را پیش‌بینی کند. دقت بک‌تست ۵۸ درصد می‌شود؛ عدد خوبی به نظر می‌رسد. اما وقتی هزینه معاملات (Slippage و Commission) را وارد می‌کنند، سود خالص منفی می‌شود. چرا؟ چون مدل یاد گرفته بود در روزهای نوسان بالا، جهت را کمی بهتر از شانس تشخیص دهد؛ اما این برتری آن‌قدر کوچک بود که هزینه اجرا آن را کامل خورد. این دقیقاً همان جایی است که تفاوت بین «مدل دقیق» و «سیستم سودآور» مشخص می‌شود؛ این دو، یک چیز نیستند.

چیزی که اکثر افراد اشتباه می‌فهمند

باور غلط رایج: «داده بیشتر یعنی مدل بهتر.» در بازارهای مالی، داده بیشتر به معنای پوشش رژیم‌های بیشتر بازار است، نه لزوماً سیگنال بیشتر. ۱۰ سال داده روزانه S&P 500 شامل حباب دات‌کام، بحران ۲۰۰۸، و کرونا است؛ مدلی که روی این داده آموزش می‌بینی، باید همه این رژیم‌ها را همزمان یاد بگیرد، که اغلب یعنی هیچ‌کدام را خوب یاد نمی‌گیرد.

حالت‌های شکست رایج

• نشت داده از آینده به گذشته (Look-Ahead Bias) در محاسبه اندیکاتورها
• انتخاب بهترین نتیجه از میان صدها بک‌تست بدون تصحیح آماری (Multiple Testing Bias)
• نادیده گرفتن هزینه معاملات و Slippage در ارزیابی عملکرد
• آموزش و تست روی یک بازه زمانی که فقط یک رژیم بازار را نشان می‌دهد
• اعتماد به معیارهایی مثل دقت (Accuracy) به‌جای معیارهای وزن‌دهی‌شده با بازده مالی

واقعیت عملیاتی

در عمل، تیم‌های حرفه‌ای معاملات کوانت به‌ندرت فقط از OHLCV استفاده می‌کنند. آن‌ها این داده را با داده‌های جانبی مثل عمق سفارش، احساسات خبری، داده‌های آلترناتیو (Alternative Data) یا حتی داده‌های زنجیره تأمین ترکیب می‌کنند. OHLCV نقطه شروع ساختار سیستم است، نه پایان آن. کسی که فکر می‌کند فقط با پنج ستون قیمتی می‌تواند یک سیستم پایدار بسازد، در واقع دارد پیچیدگی مسئله را دست‌کم می‌گیرد.

محدودیت‌ها و تصمیمات معماری

هر تصمیم در طراحی این سیستم‌ها یک هزینه پنهان دارد. استفاده از افق زمانی کوتاه‌تر، نویز بیشتر و هزینه محاسباتی بالاتر می‌آورد. استفاده از داده جانبی، هزینه اکتساب داده و پیچیدگی زیرساخت را بالا می‌برد. مدیریت این محدودیت‌ها، نه انتخاب یک الگوریتم «جادویی»، تفاوت اصلی بین یک پروژه آماتور و یک سیستم عملیاتی است.

خلاصه نکات کلیدی

• OHLCV یک فشرده‌سازی از بازار است، نه بازار خودش؛ سقف اطلاعاتی دارد
• مدل قوی‌تر، جواب سؤال اشتباه است؛ سؤال درست، نسبت سیگنال به نویز است
• Overfitting در معاملات می‌تواند ماه‌ها دیر تشخیص داده شود، نه فوراً
• تست Out-of-Sample واقعی و هزینه معاملات، معیار نهایی موفقیت هستند، نه دقت مدل
• ترکیب OHLCV با داده‌های جانبی، تفاوت بین یک سیستم آماتور و یک سیستم قابل مقیاس‌گذاری است

سؤالات متداول

آیا می‌توان یک استراتژی معاملاتی سودآور فقط با OHLCV ساخت؟

بله، اما نادر و دشوار است. سیگنال‌های ساده مثل مومنتوم یا میانگین‌گیری معکوس گاهی روی OHLCV کار می‌کنند، ولی معمولاً حاشیه سود کم و فرسایش سریع دارند.

چه مدلی برای آموزش روی داده OHLCV بهترین است؟

هیچ مدل واحدی «بهترین» نیست. انتخاب باید بر اساس افق زمانی، حجم داده، و نوع فرضیه اقتصادی پشت استراتژی باشد، نه بر اساس محبوبیت مدل.

چگونه بفهمم مدل من Overfit شده است؟

اگر عملکرد مدل روی داده Out-of-Sample به‌شدت افت کند، یا اگر عملکرد آن به شدت به یک بازه زمانی خاص وابسته باشد، احتمال Overfitting بالا است.

آیا یادگیری عمیق بهتر از روش‌های آماری سنتی برای OHLCV است؟

نه لزوماً. یادگیری عمیق به داده و منابع محاسباتی بیشتری نیاز دارد و اغلب بدون بهبود قابل‌توجه در سیگنال، فقط پیچیدگی اضافه می‌کند.

چه داده‌های دیگری باید به OHLCV اضافه کنم؟

بسته به بازار، عمق سفارش، داده احساسات، داده‌های آلترناتیو، و شاخص‌های میان‌بازاری (Cross-Market Indicators) معمولاً بیشترین ارزش افزوده را دارند.