چرا اکثر سیستمهای تشخیص رژیم بازار در عمل شکست میخورند
یک تیم کوانت که با آن کار کرده بودم، سیستم تشخیص رژیم بازار (Market Regime Detection) را روی Moving Average Crossover و یک آستانهٔ نوسان (Volatility Threshold) ساخته بود. در بکتست عالی کار میکرد. در سه ماه اول اجرای لایو، سیستم پشتسرهم سیگنال غلط داد و پوزیشنها را دقیقاً در نقطهٔ اشتباه چرخاند.
مشکل از الگوریتم نبود. مشکل از فرض غلط زیر آن بود: اینکه رژیم بازار یک متغیر قابل مشاهدهٔ مستقیم است که با یک خط تقاطع یا یک عدد ثابت قابل تشخیص است.
اکثر تیمها رژیم را با یک سیگنال تکی تعریف میکنند: عبور میانگین متحرک کوتاه از بلند، یا عبور نوسانپذیری از یک آستانهٔ ثابت. این رویکرد یک خطای ساختاری دارد: رژیم بازار یک وضعیت پنهان (Latent State) است، نه یک مقدار مشاهدهشده. سیگنالهای ساده فقط یک برش نویزی از آن وضعیت پنهان را نشان میدهند، نه خود وضعیت را.
چارچوب سیستمی: رژیم بازار چیست و چرا یک سیگنال کافی نیست
تعریف: رژیم بازار به بازهای گفته میشود که در آن ساختار آماری بازار — میانگین بازده، واریانس، همبستگی بین داراییها و پایداری روند — نسبتاً ثابت میماند. تغییر رژیم یعنی این ساختار بهطور معنادار شیفت کرده، نه اینکه یک قیمت از یک خط عبور کرده باشد.
Moving Average Crossover فقط جهت قیمت را اندازه میگیرد. Volatility Threshold فقط دامنهٔ نوسان را اندازه میگیرد. هیچکدام همبستگی بین داراییها، ساختار نقدینگی یا پایداری میکروساختار بازار را نمیبینند. یک معمار سیستم این را بهعنوان مشکل بُعد (Dimensionality Problem) میبیند: رژیم یک بردار چندبُعدی است و فشردهکردنش در یک عدد اسکالر، اطلاعات حیاتی را حذف میکند.
| روش | چه چیزی را میبیند | نقطهٔ کور اصلی |
|---|---|---|
| MA Crossover | جهت قیمت با تأخیر | لَگ ساختاری؛ در بازار رنج، سیگنال کاذب مکرر |
| Volatility Threshold | دامنهٔ نوسان کوتاهمدت | نمیداند نوسان ناشی از روند است یا نویز |
| Hidden Markov Model چندعاملی | احتمال حالت پنهان از چند سری زمانی | پیچیدگی محاسباتی و ریسک Overfitting در انتخاب حالت |
مکانیزم عملی: چرا Crossover دیر و اشتباه سیگنال میدهد
در یکی از پروژههای سیستمسازی من، یک استراتژی روندمحور روی طلا (Gold) با Crossover پنجاه/دویست روزه اجرا میشد. در یک بازهٔ رنج سهماهه، قیمت هفت بار از میانگینها عبور کرد. هر عبور یک سیگنال معاملاتی تولید کرد. شش مورد از هفت مورد ظرف کمتر از ده روز معکوس شدند.
دلیل فنی ساده است: میانگین متحرک یک فیلتر پایینگذر (Low-pass Filter) با تأخیر ذاتی است. در رژیم رونددار، این تأخیر قابل تحمل است چون روند ادامه مییابد. در رژیم رنج، همان تأخیر باعث میشود سیستم دقیقاً در نقطهٔ برگشت وارد شود — یعنی بدترین نقطهٔ ممکن.
Volatility Threshold هم مشکل مشابهی دارد اما از زاویهٔ دیگر: افزایش نوسان میتواند نشانهٔ شروع یک روند قوی باشد یا نشانهٔ یک بازار بدون جهت با نویز بالا. بدون سیگنال تکمیلی از همبستگی بین داراییها یا ساختار حجم معاملات، این آستانه نمیتواند این دو حالت را از هم تفکیک کند.
تلههای رایج و رویکرد سیستمی جایگزین
سه تلهٔ رایج در طراحی این سیستمها:
- اتکا به یک سیگنال تکی بهجای ترکیب چند سری زمانی مستقل
- عدم مدلسازی عدم قطعیت رژیم؛ سیستم رژیم را بهصورت باینری (روند یا رنج) طبقهبندی میکند بهجای یک احتمال پیوسته
- Overfitting پارامترها روی داده تاریخی بدون تست پایداری در رژیمهای نادیده
رویکردی که در عمل بهتر جواب میدهد، ترکیب چند بُعد مستقل است: جهت (با فیلترهای چندبازه)، پایداری همبستگی بین داراییها و ساختار نقدینگی. مدلهایی مانند Hidden Markov Model یا Gaussian Mixture روی این ابعاد، رژیم را بهصورت توزیع احتمال خروجی میدهند، نه یک برچسب قطعی.
این رویکرد هزینه دارد: پیچیدگی پیادهسازی بیشتر، نیاز به داده تمیزتر و زمان تیون طولانیتر. برای بسیاری از تیمهای کوچک، این هزینه توجیه ندارد — و همانجاست که Crossover ساده هنوز ابزار درستی است، به شرط آنکه محدودیتش صادقانه پذیرفته شود.
تشخیص رژیم بازار یک مسئلهٔ آماری نیست؛ یک مسئلهٔ طراحی سیستم است. سیستمی که رژیم را با یک عدد تعریف میکند، دیر یا زود همان عدد را قربانی بازار میکند.
نظرات (0)
برای ثبت نظر باید وارد حساب کاربری خود شوید.
ورود / ثبتنام