Historical Coefficient Fields: A Controlled Evaluation of Geometric Market-Memory Representations for Financial Forecasting
تقدم هذه الورقة تقييماً منضبطاً لحقل المعامل التاريخي (HCF)، وهو تمثيل هندسي لتاريخ السوق، وتخلص إلى أنه على الرغم من أساسه النظري القائم على إعادة بناء إحداثيات التأخير والتحليل الطوبولوجي، فإنه يفشل في تحسين دقة التنبؤ بالاتجاه مقارنة بالنماذج المرجعية البسيطة عبر مختلف الأدوات المالية، مما يثبت أن هذا التنظيم الهندسي لا يحمل أي إشارة تنبؤية تتجاوز الإحصاءات البسيطة الموجودة حالياً.
تخيل أنك تحاول التنبؤ بالطقس. لقرون مضت، كان خبراء الأرصاد الجوية ينظرون إلى التقويم، يتحققون مما إذا كان اليوم هو الثلاثاء أو إذا كانت السماء قد أمطرت لثلاثة أيام متتالية. هكذا يحاول معظم الناس تخمين المستقبل: من خلال النظر إلى ما حدث للتو قبل ذلك في خط مستقيم من الزمن. ولكن ماذا لو كان الطقس لا يكترث بالتقويم؟ ماذا لو كانت عاصفة في يوم ثلاثاء من شهر يوليو تشبه تماماً عاصفة في يوم جمعة من شهر أكتوبر، رغم أنهما يفصل بينهما شهور؟ بدأ العلماء الذين يدرسون الأسواق المالية — وهي الأماكن التي يشتري فيها الناس ويبيعون أشياء مثل الأسهم والذهب والعملات الرقمية — في طرح سؤال مشابه. فبدلاً من مجرد النظر إلى سعر الأمس، تساءلوا: هل يمكننا تنظيم التاريخ حسب "الشكل" بدلاً من "التاريخ"؟ إذا بدا يومان متشابهين هندسياً، حتى لو كانا متباعدين زمنياً، فربما سيتصرفان بنفس الطريقة غداً. تُسمى هذه الفكرة "الذاكرة السوقية الهندسية"، وهي تبدو وكأنها قوة خارقة للتنبؤ بالمستقبل.
هذه الورقة البحثية، التي كتبها سعيد القبطي ورجاء فيلالي، قررت وضع هذه القوة الخارقة قيد الاختبار. لقد بنوا طريقة جديدة للنظر إلى التاريخ المالي تسمى "حقل المعامل التاريخي". تخيل أخذ تحركات الأسعار اليومية لسهم ما خلال الأشهر القليلة الماضية وتحويلها إلى سحابة من النقاط في الفضاء. وبدلاً من رصفها في صف واحد مثل الخرز في خيط، قاموا بتوزيعها بناءً على مدى تشابهها. ثم أضافوا بعض "الموصِفات" — مثل قياس مدى ازدحام السحابة، أو مدى تشتت النقاط، أو مدى استقرار الشكل. ثم قاموا بتغذية هذه السحابة الهندسية المتطورة في برامج حاسوبية (مثل الانحدار اللوجستي والغابات العشوائية) لمعرفة ما إذا كان بإمكانها التنبؤ بما إذا كان السهم سيرتفع أو ينخفض غداً.
والنتيجة؟ كانت السحابة الهندسية صامتة.
على الرغم من الإعداد الذكي، لم تنجح الطريقة الجديدة في تقديم أي أداء أفضل من أبسط تخمين ممكن. في الواقع، كانت أسوأ قليلاً. عندما اختبر المؤلفون هذه الفكرة على أربع أدوات مالية مختلفة تماماً — الذهب، ومؤشر S&P 500، وسعر صرف اليورو/الدولار، والبيتكوين — فشلت النهج "الهندسي" الجديد في التغلب على "معدل الفئة الأكثر شيوعاً". وهذا تعبير منمق يعني: إذا كنت قد خمنت "الارتفاع" في كل مرة لأن الأسهم ترتفع أكثر مما تنخفض، فستكون قد حققت نتيجة تضاهي النموذج الهندسي المعقد. حققت النماذج الحاسوبية باستخدام البيانات الهندسية الجديدة دقة تتراوح بين 51% إلى 52% تقريباً، وهي دقة تماثل تقريباً رمي العملة المعدنية.
لقد كان المؤلفون حذرين للغاية للتأكد من أن هذا ليس خطأً. فقد اختبروا الفكرة بنوافذ زمنية مختلفة (بالنظر إلى 6 أشهر، أو سنة واحدة، أو سنتين) وباستخدام متعلمين حاسوبيين مختلفين، وكانت النتيجة هي نفسها في كل مرة. حتى أنهم جربوا الطريقة على هدف مختلف: التنبؤ بمتى سيصبح السوق "مضطرباً" (التقلبات). وحتى هناك، حيث يسهل العثور على الإشارات، هُزم الأسلوب الهندسي أمام الرياضيات التقليدية البسيطة التي تعتمد فقط على المتوسطات الأخيرة.
إذن، ماذا يعني هذا؟ تخلص الورقة البحثية إلى أن مجرد إعادة تنظيم تاريخ السوق إلى شكل هندسي لا يكشف سحرياً عن أنماط خفية تغفل عنها الطرق البسيطة. إنها تشير إلى أن "شكل" الماضي، فيما يتعلق بالتنبؤ باتجاهات الأسعار اليومية، لا يحمل أي معلومات سرية إضافية عما نعرفه بالفعل. يقدم المؤلفون هذا كـ "نتيجة سلبية" قيمة: فهي توقفنا عن بناء نظريات معقدة على أساس يتضح أنه فارغ. وبينما كانت الفكرة الهندسية مبدعة وجميلة رياضياً، إلا أنها في عالم التداول الواقعي لم تساعدهم على رؤية المستقبل بوضوح أكبر من مجرد نظرة بسيطة على الاتجاه العام السائد.
ملخص تقني: حقول المعاملات التاريخية والذاكرة السوقية الهندسية
بيان المشكلة تعتمد التنبؤات المالية عادةً على تمثيلات زمنية للتاريخ، مثل الأسعار المتأخرة (lagged prices)، أو الإحصاءات المتحركة، أو التسلسلات الكامنة التي تتعلمها نماذج التعلم العميق. ومع ذلك، قد تكون حالات السوق البعيدة في الزمن متشابهة بنيوياً، بينما قد تختلف الجلسات المتعاقبة بشكل كبير. هذا الملاحظة تحفز فرضية مفادها أن تنظيم البيانات التاريخية حسب التشابه البنيوي في فضاء السمات، بدلاً من الوقت التقويمي، قد يحسن التنبؤ الاتجاهي. يبحث البحث فيما إذا كان تمثيل التاريخ الأخير لأداة مالية كحقل هندسي لمتجهات معاملات معيارية سيقدم مزايا تنبؤية مقارنة بالخطوط المرجعية الزمنية القياسية.
المنهجية يقترح المؤلفون الحقل المعاملاتي التاريخي (HCF)، وهو تمثيل هندسي لذاكرة السوق. تُعرف المنهجية كما يلي:
تمثيل المدخلات: يتم ترميز كل جلسة تداول كـ متجه معامل نسبي بالنسبة للافتتاح (Ct)، يتكون من نسب هندسية معيارية (الانحرافات العليا والسفلى والرأسية نسبة إلى سعر الافتتاح). يضمن هذا ثبات المقياس (scale invariance).
بناء الحقل: يُعرَّف الـ HCF كمجموعة نقاط (point cloud) Ft(N)=(Ht(N),d)، حيث Ht(N) هي مجموعة آخر N متجهات معاملات، و d هو مقياس إقليدي. إن موضوع الدراسة هو تنظيم هذه المجموعة من النقاط وليس فهرسها الزمني.
الموصِّفات الهندسية: لحصر هيكل مجموعة النقاط، يتم حساب مجموعة من سبعة موصِّفات سببية عبر نافذة متحركة ماضية حصراً:
كثافة محلية (ρ)
الاستمرارية (P)
التشتت (D)
استقرار المسار (S)
مسافة النظير الأقرب (η)
اعتلاج القسمة (H)
الطاقة الهندسية (E)
ملاحظة: يشير المؤلفون صراحةً إلى أن الطاقة الهندسية زائدة جبرياً (E=D2) وأن التشتت والاستقرار والطاقة تشكل عنقوداً شديد الارتباط.
بروتوكول التقييم: يتم استخدام بروتوكول محكم للغاية يعتمد على التمثيل فقط لعزل تأثير تمثيل المدخلات.
المتغيرات الثابتة: خوارزميات التعلم (الانحدار اللوجستي، الغابة العشوائية، تعزيز التدرج)، وتقسيمات بيانات السير للأمام (نافذة توسعية، بحد أدنى 750 جلسة، إعادة ضبط كل 252)، والمتغيرات المستهدفة؛ كلها ثابتة.
المتغير: التمثيل المدخل فقط هو الذي يتغير. تمت اختبار أربعة تمثيلات:
الأصول: أربع أدوات عامة ذات مقاييس أسعار متفاوتة: الذهب (GC=F)، ومؤشر S&P 500 (^GSPC)، واليورو/دول أمريكي (6E=F)، والبيتكوين (BTC-USD).
الأهداف: (1) إشارة عائد الجلسة التالية (التنبؤ الاتجاهي)؛ (2) توسع التقلب (ما إذا كان نطاق الجلسة التالية يتجاوز وسيط الـ 21 جلسة الأخيرة).
الخط المرجعي: تُقاس الكفاءة مقابل معدل الفئة الأكثر تكراراً (دقة التنبؤ الدائم بالاتجاه الأكثر شيوعاً) لمنع التضخم الناتج عن الاتجاه العام لمقاييس الدقة.
النتائج الرئيسية يفضي التقييم التجريبي إلى نتيجة سلبية قوية:
التنبؤ الاتجاهي: لا يوجد أي تمثيل، عبر أي من النماذج الثلاثة أو الأدوات الأربع، يتجاوز معدل الفئة الأكثر تكراراً (المتوسط 52.0%) بشكل ملموس. جميع أرقام الدقة تقع ضمن نطاق 50.9–52.4%، مما يتوافق مع الضوضاء العشوائية.
تأثير الموصِّفات الهندسية: التمثيل المقترح للحقل المعاملاتي التاريخي (R4) لا يتحسن عن متجه المعامل الخام (R3). في الواقع، إضافة الموصِّفات الهندسية يؤدي قليلاً إلى تدهور الدقة الاتجاهية (على سبيل المثال، 51.6% مقابل 52.4% للانحدار اللوجستي في المتوسط).
زيادة الموصِّفات: يكشف تحليل الارتباط أن مجموعة الموصِّفات المقترحة ليست مستقلة. فالارتباط بين التشتت واستقرار المسار والطاقة الهندسية يتراوح بين 0.95–0.98، مما يجعل الموصِّفات الثلاثة تنهار فعلياً لتصبح مقداراً واحداً وهو "الاتساع العام".
هدف توسع التقلب: بالنسبة لهدف أكثر قابلية للتنبؤ وهو توسع التقلب (حيث توجد إشارة وتتفوق فيه جميع التمثيلات على المعدل الأساسي البالغ 51.4%)، فإن التمثيلات الهندسية (R3 و R4) هي أقل كفاءة من الإحصاءات المتحركة البسيطة (R2)، والتي حققت دقة تقارب 57%. التنظيم الهندسي ليس مجرد فائض فحسب، بل إنه يسجل أداءً أقل بنشاط من السمات القياسية عندما تكون هناك إشارة موجودة.
القوة والثبات: النتائج السلبية تظل قائمة عبر مختلف أطوال نوافذ التاريخ (N∈{126,252,504} جلسة).
الإسهامات الرئيسية يؤطر الورقة مساهماتها ليس كنظرية تنبؤية جديدة، بل كتصحيح تجريبي صارم ونموذج منهجي:
تعريف HCF: تعريف رسمي للحقل المعاملاتي التاريخي ومجموعة مدمجة من الموصِّفات الهندسية، وضعه صراحةً في مواجهة المفاهيم الراسخة مثل تضمين تنسيق التأخير، والتنبؤ بالتماثل، وتقدير كثافة النواة.
بروتوكول تقييم محكوم: تصميم تجريبي "للتمثيل فقط" يعمل على تثبيت النماذج وتقسيمات البيانات، بما يضمن أن أي فروقات في الأداء يمكن عزوه تماماً لتمثيل المدخلات.
إثبات النتيجة السلبية: تقديم تقرير صادق بأن النظام الهندسي لإعادة تنظيم ذاكرة السوق لا يحمل أي معلومات اتجاهية تتجاوز الخطوط المرجعية البسيطة. ويجادل البحث بأن التدقيق الكتابي الهندسي الأكثر تفصيلاً لتمثيل خالٍ من الإشارة لا يخلق إشارة.
الأهمية والادعاءات يدعي المؤلفون أهمية بحثهم أساساً من خلال صرامة النتيجة السلبية والانضباط المنهجي المطبق:
منع النظريات غير القابلة للتحقق: تعمل الدراسة على منع بناء "نظريات" هندسية غير قابلة للتحقق تستند إلى تمثيلات لا تحمل أي إشارة اتجاهية. لقد ثبت أن إعادة التنظيم الهندسي لذاكرة السوق ليست طريقاً مختصراً نحو القدرة على التنبؤ.
معيار التقييم: يوفر البحث نموذجاً قابلاً لإعادة الاستخدام، ومنضبطاً، ومرجعياً للفئات الأساسية، ومستقلاً عن النموذج لتقييم التمثيلات المستقبلية للتاريخ المالي.
النطاق المحدود: يصرح المؤلفون صراحةً أن نتيجتهم هي بيان حول هذه العائلة المحددة من التمثيلات وفي هذه المهام المحددة. هم لا يدعون استحالة التنبؤ الهندسي عالمياً، لكنهم يجادلون بأن أي تمثيل هندسي مستقبلي يجب أولاً أن يجتاز نفس هذا المعيار المحكوم قبل بناء هياكل أكثر غزارة عليه.
باختصار، خلص البحث إلى أنه رغم كون التنظيم الهندسي لذاكرة السوق إطاراً مفاهيمياً صالحاً، إلا أنه يفشل في تقديم قيمة تنبؤية للتنبؤ الاتجاهي أو توسع التقلب مقارنة بالنماذج الزمنية الكرونولوجية البسيطة والإحصاءات المتحركة.