ما البيانات المطلوبة لتقييم فلترة الاختراق الكاذب؟
فلترة الاختراق الكاذب: ما هي
فلترة الاختراق الكاذب هي طريقة لتقليل أو استبعاد محاولات الاختراق التي تفشل بسرعة. يجب تعريف “الاختراق” بشكل آلي (على سبيل المثال، أن يتحرك السعر عبر مستوى ضمن نافذة نظر محددة). عادةً ما يعني “الاختراق الكاذب” أن الحركة لا تستمر، بل تعود إلى النطاق السابق ضمن شرط زمني أو مسافي.
ولكي تقيم ما إذا كانت طريقة التصفية متماسكة وقابلة للقياس، تحتاج إلى بيانات تُمكّنك من (1) تحديد الاختراقات، (2) تصنيفها على أنها كاذبة أو غير كاذبة، و(3) إعادة إنتاج النتائج نفسها تحت افتراضات مُعلنة بوضوح.
مدخلات البيانات التي تحتاجها
ابدأ بأصغر مجموعة بيانات تدعم التعريفات.
- معرّفات الأداة والسوق
- اسم أداة التداول بدقة ومكان التداول أو مصدر التسعير.
- اصطلاح الاقتباس (على سبيل المثال، ما إذا كنت تلاحظ أسعار bid/ask أو الأسعار المتوسطة).
- سلاسل الأسعار مع الطوابع الزمنية
- Open, high, low, close (OHLC) و/أو بيانات التيك أو البار.
- تغطية كاملة للطابع الزمني مع منطقة زمنية واضحة وحدود للبار.
- أخذ عينات متسق: نفس تعريف الإطار الزمني لاكتشاف الاختراق ونفسه لنافذة “الاختراق الكاذب”.
- معلمات قاعدة الاختراق
- نافذة النظر المستخدمة لتعريف النطاق أو المستوى السابق.
- العتبة الخاصة بـ “الاختراق” (مثل الإغلاق فوق المستوى مقابل أي لمس).
- ما إذا كنت تتطلب تأكيدات متعددة (مثل أكثر من بار واحد) ومدة استمرارها.
- معلمات قاعدة الفشل الكاذب
- شرط “الكاذب”: مسافة العودة (إلى أي مدى للخلف) وتوقيت العودة (كم عدد البارات أو مقدار الوقت).
- ما إذا كانت الفلترة تستخدم أسعار الإغلاق، أو القمم/القيعان داخل البار، أو bid/ask.
- الافتراضات اللازمة للحسابات
- كيفية التعامل مع السبريد، والانزلاق، وتوقيت التنفيذ. إذا لم تكن لديك بيانات صفقات/اقتباسات، يجب أن تحدد حتى الآن ما البديل الذي استخدمته (مثل السعر المتوسّط) وأن هذا يغيّر النتائج.
- كيفية التعامل مع البارات المفقودة والقيم الشاذة والتغيرات شبيهة بالتغيرات المؤسسية (نادرة لكن ممكنة في بعض مجموعات البيانات).
مصدرية البيانات والوقت وجودة الفحوصات
قد تبدو مجموعتا بيانات متطابقتين بينما تخفيان تفاصيل غير متوافقة. للتقييم، تحتاج إلى مصدرية (من أين جاءت البيانات)، وتوقيت (متى تعكس الواقع)، وفحوصات جودة.
- مصدرية يمكنك التحقق منها
- هوية مصدر البيانات: أي مزود أو منصة أنتجتها.
- ما إذا كانت السلسلة مُعاد بناؤها أو مُنسقة/مُجمّعة أو مُلتقطة مباشرة.
- توثيق لكيفية تجميع السلسلة إلى بارات (خصوصًا لـ OHLC).
- التوقيت والمواءمة
- الفترة التي يغطيها набор البيانات.
- أي معالجة مسبقة معروفة مثل تحويل المنطقة الزمنية أو التعامل مع التوقيت الصيفي.
- دليل على أن اكتشاف الاختراق وتصنيف “الكاذب” يستخدمان نفس الساعة وتعريفات البار.
- فحوصات جودة البيانات (ما الذي تبحث عنه)
- معدل البيانات المفقودة وكيف يتم ملء الفجوات أو استبعادها.
- الاتساق بين OHLC وبيانات داخل البار/التيك (إذا وُجدت كليهما).
- قواعد التعامل مع القيم الشاذة: على سبيل المثال، ما إذا كانت تتم إزالة القمم الشاذة أو الاحتفاظ بها.
- قابلية إعادة التشغيل: يجب أن تكون قادرًا على إعادة تشغيل نفس الحساب على نفس المدخلات والحصول على نفس التصنيف.
دليل أو مثال: تحويل القواعد إلى تصنيفات قابلة للقياس
يحتاج المُقيّم إلى ربط البيانات بالنتائج بطريقة قابلة لإعادة الإنتاج.
مثال إطار عمل (يجب ذكر الافتراضات):
- عرّف مستوى الاختراق من نطاق آخر N بار.
- عيّن “اختراق” عندما يتجاوز الإغلاق ذلك المستوى.
- عيّن “كاذب” إذا عاد السعر ليغلق داخل النطاق السابق خلال M بار.
ومع البيانات المطلوبة، يمكنك حساب أعداد مثل:
- إجمالي الاختراقات المكتشفة وفقًا للقاعدة.
- نسبة ما تم تصنيفه على أنه كاذب ضمن شرط التوقيت/المسافة.
- الحساسية للمعلمات (مثل تغيير N أو M).
مهم: هذا يوضح قابلية قياس تعريف الفلترة، وليس ضمان تحسين. قد تتغير جودة التصنيف التاريخي مع أنظمة التقلبات وبنية السوق الدقيقة.
القيود والمخاطر (أنماط فشل جوهرية)
حتى مع بيانات صحيحة، قد تفشل فلترة الاختراق الكاذب بطرق يمكن تحديدها.
-
عدم تطابق التعريف إذا كان تعريف “الاختراق” يستخدم أسعار الإغلاق بينما يستخدم “الكاذب” القيم القصوى داخل البار (أو العكس)، تصبح التصنيفات غير متسقة ويصعب مقارنتها.
-
تأثيرات بنية السوق الدقيقة إذا تجاهلت bid/ask أو توقيت التنفيذ، فقد لا تعكس التصنيفات ما يمكن للمتداول تحقيقه بشكل واقعي. هذه القيد يعتمد على البيانات.
-
فرط ملاءمة المعلمات محاولة العديد من قيم N وM على نفس الفترة قد تخلق مظهرًا لفعالية لا تمتد للتعميم. استخدم فترات زمنية منفصلة للتقييم.