Quantum Weighted Moving Average for Predicting Limit Order Book Trends
تقدم هذه الورقة نموذجاً هجيناً كلاسيكياً-كمياً يسمى المتوسط المتحرك الموزون الكمي (QWMA) للتنبؤ باتجاهات سجل أوامر الحد، والذي يحقق أداءً يضاهي النماذج الكلاسيكية الرائدة على مجموعات البيانات المالية رغم عدم إظهاره ميزة كمية حاسمة.
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
في عالم التداول عالي التردد الصاخب، حيث تُصنع الثروات وتُفقد في طرفة عين، تتحدث السوق بلغة الأوامر. فقبل أن يتحرك سعر السهم، يهمس من خلال سجل رقمي يُعرف باسم "سجل أوامر الحد" (limit order book). هذا السجل هو سجل متغير باستمرار لكل مشترٍ وبائع ينتظرون التداول، يسرد أسعارهم المرغوبة وعدد الأسهم التي يريدونها. إنه سلسلة زمنية متعددة المتغيرات، تدفق معقد من نقاط البيانات التي تتطور عبر أجزاء من الملي ثانية، تلتقط التوتر بين العرض والطلب. لعقود من الزمن، حاول المتداولون البشريون والحواسيب الكلاسيكية إيجاد أنماط في هذه الضوضاء، باستخدام أدوات رياضية لتنعيم الفوضى والتنبؤ بما إذا كان السعر سيرتفع أو ينخفض أو يظل ثابتاً. إحدى هذه الأدوات هي "المتوسط المتحرك"، وهي طريقة بسيطة تنظر إلى تاريخ الأسعار لتخمين المستقبل، معتبرة البيانات الحديثة دليلاً لما سيأتي لاحقاً.
الآن، يطرح فريق من الباحثين سؤالاً جريئاً: هل يمكن لقواعد ميكانيكا الكم الغريبة وغير البديهية أن تساعدنا في قراءة هذا السجل بشكل أفضل؟ لقد أظهرت الحواسيب الكمومية، التي تستخدم خصائص الجسيمات دون الذرية لمعالجة المعلومات، وعوداً في مجالات مثل الكيمياء والتشفير، لكن تطبيقها على الأسواق المالية لا يزال غير مختبر إلى حد كبير. التحدي لا يتعلق فقط بالسرعة الخام؛ بل يتعلق بإيجاد طريقة لترجمة بيانات الأسواق المالية الفوضوية والواقعية إلى تنسيق يمكن للآلة الكمومية فهمه والتعلم منه. إذا نجح الأمر، فقد يفتح هذا باباً جديداً للتنبؤ المالي، مما يوفر عدسة جديدة يمكن من خلالها رؤية الرقصة المعقدة لرأس المال العالمي.
شرع الباحثون، الذين يعملون من مراكز في سنغافورة وزيورخ، في بناء نموذج كمومي مصمم خصيصاً للتنبؤ بالاتجاهات في سجلات الأوامر هذه. لم يحاولوا ببساطة إجبار حاسوب كمومي على فعل ما يفعله الحاسوب الكلاسيكي بالفعل؛ بدلاً من ذلك، صمموا بنية جديدة تسمى "المتوسط المتحرك الموزون كمومياً" (Quantum Weighted Moving Average). لفهم كيفية عمل ذلك، تخيل الحاسوب الكمومي كآلة يمكنها احتواء احتمالات كثيرة في وقت واحد. أخذ الباحثون أولاً البيانات الخام من سجل الأوامر - الأسعار والأحجام من المستويات العشرة الأولى للسوق - وقاموا بتنظيفها باستخدام تقنية تسمى "التطبيع ثنائي الخطية" (bilinear normalization). هذه الخطوة حاسمة؛ فهي تعمل على تغيير مقياس البيانات بحيث يمكن للآلة الكمومية معالجتها دون أن ترتبك بسبب الحجم الهائل للأرقام، تماماً مثل ضبط التباين في صورة فوتوغرافية لجعل التفاصيل مرئية.
بمجرد تجهيز البيانات، قام الفريق بتغذيتها في الدائرة الكمومية. يتضمن جوهر طريقتهم تقنية تُعرف باسم "التركيبة الخطية للوحدات" (linear combination of unitities). بعبارات بسيطة، يعني هذا أن الحاسوب الكمومي يأخذ المعلومات من لحظات زمنية مختلفة ويمزجها معاً بطريقة محددة. يتم التعامل مع كل لحظة في الماضي كقطعة متميزة من أحجية، وتقوم الآلة الكمومية بتعيين وزن لكل قطعة، لتقرر مقدار الأهمية التي يجب إعطاؤها للماضي مقابل الحاضر. سمح الباحثون للنموذج بتعلم هذه الأوزان تلقائياً، تاركين الآلة تكتشف أي اللحظات في تاريخ السهم كانت الأكثر قدرة على التنبؤ بالمستقبل. كما أنشأوا نسخاً أبسط من هذا النموذج، بما في ذلك نموذج يحاكي "المتوسط المتحرك الأسي" القياسي، وهو أداة مالية شائعة تعطي وزناً أكبر للأحداث الأخيرة وأقل للأحداث القديمة.
لاختبار ابتكارهم، استخدم الفريق مجموعتين من البيانات من العالم الحقيقي. كانت الأولى مجموعة بيانات معروفة لخمسة أسهم فنلندية، تحتوي على ملايين أحداث التداول المسجلة على مدار عشرة أيام. والثانية كانت مجموعة بيانات لأسهم صينية. أجروا نماذجهم الكمومية عبر آلاف عمليات المحاكاة، مقارنين أداءهم بأفضل نماذج التعلم الآلي الكلاسيكية المتاحة حالياً. كانت النتائج مفاجئة في توازنها. لم تتفوق النماذج الكمومية على النماذج الكلاسيكية؛ بل في الواقع، لم تظهر "ميزة كمومية" واضحة تجعلها أسرع أو أقوى من التكنولوجيا الموجودة. ومع ذلك، كان أداؤها جيداً بشكل ملحوظ، حيث طابقت دقة أفضل النماذج الكلاسيكية في العديد من السيناريوهات. يشير هذا إلى أن النهج الكمومي قابل للتطبيق وقادر على التقاط الأنماط الأساسية في البيانات، حتى بدون دفعة هائلة في السرعة.
كشفت الدراسة عن بعض الفروق الدقيقة المهمة حول كيفية تعلم هذه النماذج. وجد الباحثون أن الطريقة التي تم بها تطبيع البيانات كانت أكثر أهمية من تعقيد الدائرة الكمومية نفسها. عندما استخدموا تقنية التطبيع الصحيحة، ازدهرت النماذج الكمومية. كما اكتشفوا أن الآلة الكمومية كانت جيدة بشكل خاص في التركيز على الأجزاء الأكثر قدرة على التنبؤ في السلسلة الزمنية. وفي النسخ الأبسط من النموذج، حيث كانت الأوزان ثابتة لتتبع اضمحلالاً أسياً - مما يعني أنه تم توجيه الآلة للاهتمام أكثر بالبيانات الأخيرة - كان أداؤها يقارب أداء النسخة الأكثر تعقيداً التي كان عليها تعلم الأوزان من الصفر. وهذا يعني أنه بالنسبة للتنبؤات قصيرة المدى، غالباً ما يكون التاريخ الأخير هو الأكثر قيمة، وأن اتباع نهج مهيكل لوزن هذه البيانات يمكن أن يكون فعالاً بقدر النهج الذي يتعلم الأوزان بالكامل.
رغم هذه النجاحات، كان الباحثون حذرين في ضبط التوقعات. فقد ذكروا صراحة أن عملهم لا يثبت أن الحواسيب الكمومية متفوقة حالياً على الحواسيب الكلاسيكية في هذه المهمة. أُجريت التجارب على برامج محاكاة، وليس على أجهزة كمومية حقيقية، والتي لا تزال في مراحلها الأولى والمشوبة بالضجيج. تتطلب النماذج التي بنوها عملية تسمى "الاختيار اللاحق" (post-selection)، حيث يتعين على الحاسوب استبعاد العديد من المحاولات للحصول على الإجابة الصحيحة، وهي خطوة ستكون بطيئة جداً على الأجهزة الفيزيائية الحالية. علاوة على ذلك، فإن مجموعات البيانات التي استخدموها لها قيود؛ فطريقة أخذ عينات البيانات وتسميتها قد تؤدي إلى تحيزات تؤثر على مدى قدرة النماذج على التعميم في العالم الحقيقي. وأشار الباحثون إلى أن مجموعات البيانات غالباً ما تفتقر إلى التفصيل اللازم لاختبار إمكانات الخوارزميات الكمومية بشكل كامل، وأن الجيل الحالي من الأجهزة ليس قوياً بما يكفي للتعامل مع تدفقات البيانات الضخمة والدقيقة في سوق حية.
تخلص الورقة البحثية إلى أنه بينما لا يزال حلم ثورة الحاسوب الكمومي في تداول الأسهم بعيد المنال، فإن الطريق نحو المستقبل أصبح أكثر وضوحاً. يعمل نموذج "المتوسط المتحرك الموزون كمومياً" كحجر زاوية، مما يثبت أن الأساليب الكمومية يمكن تخصيصها للتعامل مع السلاسل الزمنية متعددة المتغيرات والمعقدة في الأسواق المالية. إنه يظهر أنه مع المعالجة المسبقة الصحيحة والتصميم المدروس، يمكن للآلات الكمومية أن تتعلم قراءة همسات السوق تماماً مثل الحواسيب الكلاسيكية. ويقترح المؤلفون أن الخطوات التالية تتضمن اختبار هذه النماذج على أجهزة كمومية حقيقية وتحسين إعداد البيانات لتناسب القيود الفريدة لهذه الآلات الجديدة بشكل أفضل. في الوقت الحالي، يقف هذا العمل كدليل قوي على أن الحوسبة الكمومية ليست مجرد فضول نظري للتمويل، بل هي أداة عملية بدأت تجد موطئ قدم لها في عالم التداول الصاخب وعالي المخاطر.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.