أساسيات الذكاء الاصطناعي
التعلّم الآلي للتمويل
الشبكات العصبية، نماذج اللغة الكبيرة، والتعلّم الآلي للأسواق.
في هذا الدرس
- لماذا يصعب على التعلّم الآلي التعامل مع الأسواق
- ما هو فرط التخصيص (Overfitting)
أهم النقاط
- 1الأسواق مليئة بالضجيج ومتكيّفة وغير مستقرة إحصائيًا
- 2فرط التخصيص يحفظ الضجيج ويفشل مع بيانات جديدة
- 3التحقق الصارم أهم من النماذج الفاخرة
ملخص الدرس
التعلّم الآلي في التمويل صعب لأن الأسواق تتكيّف.
النموذج الذهني
التعلّم الآلي للتمويل بعبارات مبسطة
التعلّم الآلي في التمويل صعب لأن الأسواق تتكيّف. يمكن أن تختفي الأنماط بمجرد أن يستغلها المتداولون أو تتغيّر الظروف.
- لماذا يصعب على التعلّم الآلي التعامل مع الأسواق
- ما هو فرط التخصيص (Overfitting)
الآليات
كيف تفكّر في التعلّم الآلي للتمويل
البيانات المالية مليئة بالضجيج وغير ساكنة (non-stationary) غالبًا.
يمكن أن تُسرِّب التسميات معلومات مستقبلية إذا بُنيت مجموعة البيانات بلا حرص.
تحتاج النماذج إلى مصادقة واقعية، وتكاليف معاملات، واختبار نظام.
- الأسواق مليئة بالضجيج ومتكيّفة وغير مستقرة إحصائيًا
- فرط التخصيص يحفظ الضجيج ويفشل مع بيانات جديدة
- التحقق الصارم أهم من النماذج الفاخرة
مثال
التعلّم الآلي للتمويل في قرار حقيقي
قد يعمل نموذج يتنبأ بالعوائد من المزاج الاجتماعي خلال سوق صاعدة ويفشل عندما تجفّ السيولة أو تدور السرديات.
الأخطاء الشائعة
أين يخطئ الناس في التعلّم الآلي للتمويل
نتيجة اختبار رجعي مرتفعة يمكن أن تأتي من التسريب، أو فرط التخصيص، أو اختيار عينة محظوظ بدلًا من ميزة حقيقية.
ملاحظات المخاطر
البقاء في أمان مع التعلّم الآلي للتمويل
تحيّز التطلّع المسبق، وتحيّز الناجي، والارتباطات المتغيّرة، وافتراضات التنفيذ الضعيفة يمكن أن تدمّر الأداء المباشر.
- افحص تحيّز التطلّع المسبق.
- أدرِج التكاليف والانزلاق السعري.
- اختبر عبر أنظمة سوق مختلفة.
تطبيق عملي
تدرّب على التعلّم الآلي للتمويل قبل الانتقال إلى ما بعده
- افحص تحيّز التطلّع المسبق.
- أدرِج التكاليف والانزلاق السعري.
- اختبر عبر أنظمة سوق مختلفة.
مراجعة
المصطلحات الأساسية
- سوق صاعدة (ثورية)
- فترة طويلة من ارتفاع الأسعار وسيادة التفاؤل.
- السيولة
- سهولة شراء أصل أو بيعه دون تحريك سعره بشكل كبير.
- الانزلاق السعري
- الفرق بين السعر المتوقَّع والسعر المُنفَّذ، شائع في الأسواق قليلة السيولة أو السريعة الحركة.
- التعلّم الآلي
- خوارزميات تتعلّم أنماطًا من البيانات بدلًا من أن تُبرمَج بشكل صريح.
- فرط التخصيص (overfitting)
- عندما يحفظ نموذج التشويش (noise) في البيانات فيفشل في التعميم على بيانات جديدة.
ملاحظات المصادر
المراجع التحريرية
هذه المراجع نقاط انطلاق للتحقق من الآليات، وفحوصات المخاطر، وسياق المنتج الكامنة خلف هذا الدرس.
قبل أن تستمر
هل تستطيع القيام بما يلي؟
- افحص تحيّز التطلّع المسبق.
- أدرِج التكاليف والانزلاق السعري.
- اختبر عبر أنظمة سوق مختلفة.
تعلّم ذو صلة
استمر في القراءة
محطة التقييم
إنهاء هذا الدرس
تجاوز الفحص لحفظ تقدُّمك، ثم استمر عبر المسار بالترتيب.
تثبيت هذا الدرس
أجب عن كل سؤال بشكل صحيح لإكمال الدرس.
فرط التخصيص (Overfitting) في التعلّم الآلي يعني أن النموذج…