كيف يمكن اختبار RSI بشكل مسؤول؟

حدّد RSI والحساب الدقيق قبل إجراء الاختبار

RSI (مؤشر القوة النسبية) هو مذبذب زخم مبني على تغيّرات الأسعار السابقة. في الاختبار الخلفي (backtesting)، تتمثل أول مسؤولية في تحديد المدخلات وتفاصيل الحساب التي ستستخدمها (على سبيل المثال، ما سلسلة الأسعار التي ستغذيها—الإغلاق، السعر النموذجي، أو خيار ثابت آخر—and ما طول lookback الذي تستخدمه لحساب RSI). هذا مهم لأن اختلافات تنفيذ صغيرة يمكن أن تغيّر قيم RSI وبالتالي تغيّر أي تقييم لاحق.

حدّد أيضًا ما الذي يعنيه “حدث الإشارة” في تصميم اختبارك. لا ينبغي لاختبار RSI أن يفترض ضمنيًا أن “تحرك RSI” هو نفسه “حدوث صفقة”. قرر كيف ستقيس النتائج دون تحويل المؤشر إلى وعد مستقل: على سبيل المثال، يمكنك تقييم ما إذا كانت الفترات التي تتميز بـ RSI أعلى أو أقل مرتبطة بتوزيعات عوائد مستقبلية مختلفة، وفقًا لقاعدة واضحة.

اختر قواعد بيانات وافتراضات تبقى ثابتة

يبدأ الاختبار الخلفي المسؤول بتنظيف البيانات وافتراضات صريحة. تشمل قواعد البيانات الشائعة التي يجب توثيقها:

• أي الطوابع الزمنية وتواتر أخذ العينات الذي تستخدمه (إغلاقات نهاية الشمعة مقابل سلوك داخل الشمعة).
• كيفية التعامل مع البيانات المفقودة، والإجراءات/التعديلات المؤسسية (إن كانت مطبقة)، والقيم الشاذة.
• ما إذا كنت تتضمن كامل التاريخ اللازم لـ “تهيئة” حساب RSI قبل أول نقطة يتم اختبارها.

يجب أن يذكر كل حساب افتراضاته. إذا اختبرت “N شموع للأمام”، فحدّد ما إذا كانت النتائج تستخدم عوائد من إغلاق إلى إغلاق، وما إذا كنت تضع في الاعتبار نتيجة واحدة فقط لكل شمعة، وما الذي يحدث عندما تتداخل عدة أحداث.

أدرج التكاليف وافتراضات تنفيذ واقعية

تفشل الاختبارات الخلفية غالبًا بسبب تجاهل ما يتغير من الاختبار الخلفي إلى ظروف التداول المباشر. على الأقل، نمذج التكاليف بطريقة متسقة واجعلها واضحة:

• تكاليف المعاملات (السبريد، العمولات، الرسوم) كاحتكاك إضافي ضمن منطق الدخول/الخروج.
• الانزلاق أو عدم اليقين في التنفيذ إذا كان اختبارك يفترض تنفيذًا مثاليًا.

لا تحتاج إلى بنية دقيقة لميكرو-بنية الوسيط (broker microstructure) لتكون مسؤولًا، لكن يجب أن تتجنب الافتراضات غير الواقعية. طريقة عملية للتعامل مع ذلك هي إجراء فحوصات الحساسية: كرر التقييم تحت سيناريوهات متعددة ومعقولة للتكاليف والتنفيذ حتى تتمكن من معرفة ما إذا كانت الاستنتاجات تصمد في ظروف أقل ملاءمة.

تحكم في التحيز عبر التقييم خارج العينة وwalk-forward

حتى مع حساب RSI صحيح، قد تُبالغ الاختبارات الخلفية في تقدير الأدلة بسبب التحيز وفرط الملاءمة (overfitting). استخدم ضوابط تحيز تقلل من تسرب البيانات (data leakage) وآثار ضبط المعلمات:

• الاختبار خارج العينة (out-of-sample): اختر إعدادات RSI أو قواعد القرار باستخدام فترة واحدة، ثم قيّم الأداء على فترة لاحقة منفصلة لم تستخدمها في التصميم.
• التقييم عبر التقدم المتحرك (walk-forward/rolling): حدّث القاعدة اعتمادًا فقط على البيانات السابقة ثم اختبر على المقطع التالي.

حافظ على ثبات بروتوكول التقييم. إذا كنت تغيّر الإعدادات بشكل متكرر لمطاردة النتائج على مجموعة البيانات نفسها، فإنك تخاطر بقياس عملية تكرارك (iteration) بدلًا من قياس القيمة التنبؤية للمؤشر.

قيّم حالات الفشل، وليس فقط “النتائج الجيدة”

يجب أن يتضمن اختبار RSI الخلفي المسؤول على الأقل قيدًا جوهريًا أو حالة فشل واحدة. أمثلة يجب أخذها في الاعتبار:

• حساسية نظام السوق (Regime sensitivity): قد تضعف علاقات RSI أو تنعكس اعتمادًا على التقلب، وقوة الاتجاه، أو بنية السوق.
• عدم استقرار المعلمات: قد تعتمد النتائج بشكل كبير على طول RSI محدد أو تعريف حدّ (threshold) بعينه، ما يجعل إعادة الإنتاج صعبة.
• الأحداث المتداخلة: قد تتفاعل الشروط التي تُفعَّل بواسطة RSI بشكل متكرر، لذا قد تكون تفترض دون قصد مراكز متعددة في الوقت نفسه أو تتجاهل تكلفة الفرصة.

وبما أن العلاقات التاريخية لا تثبت النتائج المستقبلية، تعامل مع النتائج على أنها فرضيات حول الارتباط ضمن مجموعة محددة من الافتراضات—خصوصًا عندما تختلف الأسواق وظروف التنفيذ.

تحقّق مما تدّعيه عبر تقارير واضحة

للتحقق بشكل مستقل من منطق اختبار RSI الخلفي، اذكر ما الذي يحتاجه الآخرون لإعادة إنتاج نتائجك:

• تفاصيل تعريف RSI (مدخلات السعر، طول lookback، وطريقة التنعيم إن وجدت).
• قاعدة الحدث الدقيقة أو طريقة التقييم (كيف تصنّف فترات “RSI المرتفع” وما نافذة المستقبل التي تقيسها).
• تكرار البيانات، نهج التهيئة (warm-up)، وكيفية التعامل مع البيانات المفقودة.
• افتراضات التكلفة والتنفيذ المستخدمة، بالإضافة إلى أي نطاق حساسية.
• بروتوكول out-of-sample أو walk-forward، بما في ذلك أي فترات تم استخدامها للاختيار مقابل التقييم.

سؤالك التالي المفيد هو ما إذا كانت استنتاجاتك تستمر بعد تغيير افتراض واحد في كل مرة (تواتر البيانات، مستوى التكلفة، أو تعريف الحدث). إذا كانت الاستنتاجات لا تثبت إلا ضمن اختيارات ضيقة، فهذا بحد ذاته دليل على عدم الاستقرار وليس علامة على المتانة (robustness).

DOCUMENT END