QuantHarness: Price-Driven Multi-Agent LLMs for High-Frequency Trading
تقدم الورقة البحثية QuantHarness، وهو إطار عمل جديد للنماذج اللغوية الكبيرة متعددة الوكلاء والمصمم خصيصاً للتداول عالي التردد، والذي يستفيد من وكلاء متخصصين لمعالجة الإشارات المهيكلة ذات الأفق الزمني القصير، مما يظهر دقة تنبؤية وقدرات اتخاذ قرار في الوقت الفعلي تتفوق على النماذج المالية الحالية طويلة الأفق والقائمة على النصوص.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل سوق الأسهم كأنه محيط شاسع وفوضوي. لعقود من الزمن، حاول البحارة (المتداولون) التنبؤ بالأمواج باستخدام خريطتين رئيسيتين. الخريطة الأولى هي تقرير الأرصاد الجوية المليء بالأخبار، والشائعات، وضجيج وسائل التواصل الاجتماعي—ما يقول الناس إن ما يحدث بالفعل. أما الخريطة الثانية فهي المياه نفسها: الارتفاع والانخفاض الفعلي للأمواج، المسجل في أرقام دقيقة. لقد كانت معظم برامج الكمبيوتر الحديثة التي تحاول التنبؤ بالسوق مهووسة بتقارير الطقس، حيث تقرأ ملايين المقالات الإخبارية لتخمين أين ستذهب المياه لاحقًا. ولكن هنا تكمن المشكلة: بحلول الوقت الذي يصل فيه الخبر إلى الإنترنت، تكون المياه قد تحركت بالفعل. الأمواج قد تغيرت بالفعل، والخبر ليس سوى صدى بطيء.
هنا تبريد فكرة جديدة: ماذا لو توقفنا عن قراءة تقارير الطقس واكتفينا بمراقبة المياه فقط؟ هذا النهج، الذي يسمى "التحليل الفني"، يفترض أن كل خبر، وكل خوف، وكل أمل، قد تم استيعابه بالفعل في سعر الأصل. إذا كان بإمكانك قراءة الأنماط في حركات الأسعار نفسها، فقد تتمكن من التنبؤ بالموجة التالية بشكل أسرع من أي شخص يقرأ الأخبار. الآن، تخيل إعطاء عقل كمبيوتر فائق الذكاء (نموذج لغوي كبير - LLM) مهمة قراءة أنماط المياه هذه. عادةً، تكون هذه العقول بارعة في كتابة القصص أو الدردشة، لكنها قد تكون بطيئة وسهلة التشتت بسبب كثرة النصوص. تسأل هذه الورقة سؤالاً بسيطاً وجريئاً: هل يمكننا تعليم هذه العقول الاصطناعية تجاهل الضجيج لتصبح خبراء فائق السرعة في قراءة الأرقام الخام للسوق للتداول في الوقت الفعلي؟
تقدم الورقة نظام QuantHarness، وهو نظام جديد مصمم للإجابة على ذلك السؤال. فكر في QuantHrass ليس كمتداول واحد، بل كفريق تداول صغير عالي السرعة مكون من أربعة روبوتات متخصصة، يعملون جميعاً معاً داخل جهاز كمبيوتر. وخلافاً لمتداولي الذكاء الاصطناعي الآخرين الذين يقضون ساعات في قراءة عناوين الأخبار، ينظر هذا الفريق فقط إلى مخططات "الشموع اليابانية" (candlestick charts)—وهي تلك الأشرطة الملونة الخام التي تظهر أسعار الافتتاح، وأعلى سعر، وأدنى سعر، وأسعار الإغلاق لأصل ما خلال فترة زمنية قصيرة.
يتكون الفريق من أربعة وكلاء متميزين، لكل منهم وظيفة محددة:
- وكيل المؤشرات (The Indicator Agent) هو العبقري في الرياضيات. يأخذ أشرطة الأسعار الخام ويحسب بسرعة "عدادات السرعة" الشهيرة مثل RSI وMACD. هذه الأدوات تخبر الفريق ما إذا كان السوق يتحرك بسرعة كبيرة، أو إذا كان قد تعب، أو إذا كان على وشك الارتداد.
- وكيل الأنماط (The Pattern Agent) هو الفنان. ينظر إلى شكل أشرطة الأسعار ويحاول رصد رسومات مألوفة، مثل شكل حرف "V" للتعافي السريع، أو مثلث يشير إلى انفجار سعري وشيك. إنه يحول الخطوط المتعرجة إلى أشكال يمكن التعرف عليها.
- وكيل الاتجاه (The Trend Agent) هو الملاح. يرسم خطوطاً على المخطط ليرى ما إذا كان السوق يتجه عموماً للأعلى، أو للأسفل، أو عالق في زحام مروري. كما يتحقق مما إذا كان السعر يرتد عن أرضية (دعم) أو يصطدم بسقف (مقاومة).
- وكيل المخاطر (The Risk Agent) هو ضابط السلامة. قبل أن يتخذ أي شخص أي خطوة، يقوم هذا الوكيل بحساب المبلغ الذي يمكن خسارته بالضبط ويحدد "وقف الخسارة" (نقطة التوقف لحماية المال) و"جني الأرباح" (نقطة الخروج بالربح).
أخيراً، يعمل وكيل القرار (The Decision Agent) كقبطان. يستمع إلى تقارير زملائه الأربعة، ويزن الأدلة، ويتخذ القرار النهائي: شراء (Long) أو بيع (Short). تم تصميم النظام للعمل في منطقة "التداول عالي التردد"، مما يعني أنه يتخذ القرارات في غضون ساعات أو حتى دقائق، وليس أياماً.
اختبر الباحثون هذا الفريق في تسعة أسواق مالية مختلفة، بما في ذلك البيتكوين، والنفط الخام، ومؤشرات الأسهم الرئيسية مثل S&P 500. وقارنوا QuantHarness مع مُخمن عشوائي، ونموذج رياضي بسيط، ونموذج تعلم آلي قياسي. كانت النتائج واعدة: في هذه الاختبارات، حقق فريق QuantHarness باستمرار تنبؤات أكثر دقة حول الاتجاه الذي ستسلكه السوق في الساعات القليلة القادمة. على سبيل المثال، في عقود ناسداك الآجلة، حسّن دقة التنبؤ بنحو 26.5% مقارنة بالتخمين العشوائي. كما نجح في الحد من الخسائر بشكل أفضل من الطرق الأخرى في معظم الحالات.
ومع ذلك، تحرص الورقة على عدم الادعاء بأن هذا "آلة لصنع المال السحري". يشير المؤلفون إلى أن النظام يعمل بشكل أفضل في الأطر الزمنية لساعة واحدة و4 ساعات. وعندما حاولوا استخدامه في أطر زمنية قصيرة جداً (مثل 1 إلى 15 دقيقة)، ارتبك النظام بسبب "ضجيج" السوق، وانخفضت دقته. كما يعترفون بأن النظام ليس "في الوقت الفعلي" حقاً بعد؛ لأن الذكاء الاصطناعي يحتاج إلى التفكير واستدعاء أدواته، مما يؤدي إلى تأخير طفيف قد يكون بطيئاً جداً بالنسبة لأسرع الصفقات التي تحدث في أجزاء من الثانية.
في النهاية، تشير الورقة إلى أنه من خلال الجمع بين قدرة الذكاء الاصطناعي على رصد الأنماط وبين سرة وهيكلية بيانات الأسعار الخام، يمكننا بناء أنظمة تداول ليست أسرع فحسب، بل أيضاً أسهل في الفهم. بدلاً من أن يكون "صندوقاً أسود" يتخذ قرارات غامضة، يقدم QuantHarness شرحاً مكتوباً واضحاً لكل صفقة، موضحاً بالضبط أي نمط أو مؤشر هو الذي أدى إلى الحركة. إنها خطوة نحو جعل التداول عالي السرعة أقل شبهاً بالمقامرة وأكثر شبهاً بعلم منضبط وشفاف.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.