Muundo wa Kugawa na Kuelekeza Makini kwa Biashara ya Akili ya Forex: Uchambuzi wa Kiufundi na Kujifunza kwa Mashine

1. Utangulizi

Soko la kubadilishana fedha za kigeni (Forex) ndilo soko kubwa zaidi la kifedha duniani, linalojulikana kwa urahisi wa kugharimu, kutofautiana kwa bei, na utata. Kutabiri mienendo ya bei ya forex ni ngumu sana kutokana na ushawishi wa mambo mengi ya uchumi wa kimakro, matukio ya kisiasa-kijiografia, na hisia za soko. Uchambuzi wa kiufundi wa jadi, ingawa ni muhimu, mara nyingi hushindwa kukabiliana na mabadiliko ya ghafla ya soko au matukio ya "bata mweusi". Karatasi hii ya utafiti, "Muundo wa kugawa na kuelekeza makini kwa biashara ya akili," inakabiliana na changamoto hii kwa kupendekeza muundo mseto wa kujifunza kwa mashine/kujifunza kwa kina. Muundo huo unalenga kuboresha usahihi wa utabiri kwa utabiri wa bei unaoendeshwa na matukio, hasa kwa kukusudia hali za soko zilizouzwa kupita kiasi, kwa kutumia data ya bei ya kihistoria na viashiria vya kiufundi vilivyotokana kutoka 2005 hadi 2021.

2. Fasihi Husika

Utafiti huu unajengwa juu ya mbinu zilizothibitishwa za uchambuzi wa soko la kifedha, zikilenga hasa viashiria vya kiufundi.

2.1 Viashiria vya Kiufundi

Viashiria vya kiufundi ni mahesabu ya kihisabati yanayotokana na bei ya kihistoria, kiasi cha mauzo, au riba wazi inayotumiwa kutabiri mwelekeo wa soko la kifedha.

2.1.1 Kiashiria cha Nguvu ya Kulinganishwa (RSI)

RSI ni oscillator ya msukumo inayopima kasi na mabadiliko ya mienendo ya bei. Inatumika kutambua hali za kununuliwa kupita kiasi au kuzuliwa kupita kiasi.

• Fomula: $RSI = 100 - \frac{100}{1 + RS}$, ambapo $RS = \frac{\text{Wastani wa Faida katika vipindi N}}{\text{Wastani wa Hasara katika vipindi N}}$.
• Ufafanuzi: RSI chini ya 30 kwa kawaida huonyesha hali ya kuzuliwa kupita kiasi (fursa inayowezekana ya kununua), wakati RSI juu ya 70-80 huonyesha hali ya kununuliwa kupita kiasi (fursa inayowezekana ya kuuza).

2.1.2 Wastani wa Kusonga Rahisi (SMA), Wastani wa Kusonga Kielelezo (EMA), MACD

Hivi ni viashiria vinavyofuata mtindo.

• SMA: Wastani usio na uzani wa alama za data N zilizopita.
• EMA: Sawa na SMA lakini huipa uzito zaidi kwa bei za hivi karibuni.
• MACD (Muunganiko na Kutofautiana kwa Wastani wa Kusonga): $MACD = EMA(12) - EMA(26)$. Inaonyesha uhusiano kati ya EMA mbili. Wafanyabiashara huangalia kuvuka kati ya mstari wa MACD na mstari wake wa ishara (kwa kawaida EMA ya kipindi 9 ya MACD) ili kutambua msukumo wa kupanda au kushuka.

2.1.3 Bendi za Bollinger

Bendi za Bollinger zinajumuisha mstari wa kati wa SMA na bendi ya juu na ya chini iliyopangwa kwa vipindi viacha mchepuko wa kawaida (kwa kawaida viacha mchepuko 2). Hupima kutofautiana kwa soko. Kitendo cha bei karibu na bendi za juu/chini kinaweza kuashiria hali za kununuliwa/kuzuliwa kupita kiasi, wakati "msukumo" (bendi zinazopungua) mara nyingi hutangulia kipindi cha kutofautiana kwa kiwango cha juu.

3. Uelewa wa Msingi & Mtiririko wa Kimantiki

Uelewa wa Msingi: Shauku ya msingi ya karatasi hii ni kwamba uchambuzi wa kiufundi safi ni wa kukabiliana na hauna nguvu. Kwa kuiunganisha na kujifunza bila usimamizi (kugawa) ili kutambua hali za soko zilizofichika na utaratibu wa kuelekeza makini wenye usimamizi ili kuzingatia matukio muhimu ya kitampo, wanalenga kuunda muundo ambao unatambua muundo na pia unazingatia muktadha. Hii sio karatasi nyingine tu ya "Akili Bandia kwa Biashara"; ni jaribio la kuunda kitambulishi cha hali ya soko kinachochochea kitabiri maalum, kukiuka utabiri wa ukubwa mmoja wote.

Mtiririko wa Kimantiki: Mantiki ya muundo unaopendekezwa ni mfumo wa hatua mbili: Kwanza, algorithm ya kugawa (labda K-Means au Muundo wa Mchanganyiko wa Gaussian) hugawanya data ya soko ya kihistoria katika hali tofauti (k.m., "kufuata mtindo kwa kutofautiana kwa kiwango cha juu," "kutofautiana kwa kiwango cha chini," "hofu ya kuzuliwa kupita kiasi"). Pili, kwa kundi lengwa la "kuzuliwa kupita kiasi," muundo wa mlolongo (kama LSTM au Transformer) ulio na utaratibu wa kuelekeza makini unatekelezwa. Safu ya kuelekeza makini huruhusu muundo kupima uzito wa umuhimu wa alama za bei zilizopita na thamani za viashiria vya kiufundi kwa nguvu, kwa nadharia ikimwezesha kubaini mwanzo na muundo wa matukio ya kuzuliwa kupita kiasi kwa usahihi zaidi kuliko muundo unaoangalia historia yote sawasawa. Matokeo ya mwisho ni utabiri wa bei kwa hali ya kuzuliwa kupita kiasi.

4. Nguvu & Kasoro

Nguvu:

• Njia Mseto: Kuchanganya kugawa kwa ajili ya kugundua hali na utabiri unaotegemea kuelekeza makini ni sahihi kwa dhana na inalingana na hali ya ngazi ya soko la kifedha.
• Kuzingatia Tatizo: Kukusudia "hali za kuzuliwa kupita kiasi" ni eneo dogo lenye busara na linaloweza kufanyika. Hizi ni nyakati za hakika ya juu ambapo mikakati ya kurudi kwa wastani mara nyingi hufanya kazi, ikitoa uwiano wazi wa ishara-kwa-kelele kwa muundo kujifunza.
• Uundaji wa Vipengele: Kutumia viashiria vya kiufundi vilivyothibitishwa (RSI, MACD, Bendi za Bollinger) kama pembejeo za muundo ni ya vitendo. Hii inaweka Akili Bandia katika utambuzi wa miongo ya wafanyabiashara.

Kasoro & Mapungufu Muhimu:

• Sanduku Jeusi la Kugawa: Karatasi hii, kama ilivyowasilishwa, haifafanui nafasi ya vipengele vya kugawa. Je, wanagawa kwenye mapato ghafi, thamani za viashiria, au takwimu zilizotokana? Ufafanuzi na uthabiti wa makundi haya ni muhimu sana na kwa sasa hayajashughulikiwa.
• Hatari ya Kuchungulia Data: Kutumia data kutoka 2005-2021 kuna hatari kubwa ya kufaa kupita kiasi kwa hali maalum za uchumi wa kimakro (k.m., baada ya 2008 QE, janga la 2020). Utendaji wa muundo kwenye data isiyo ya sampuli kutoka 2022-2024 (kipindi cha ukali wa fedha) ndio mtihani halisi.
• Kukosekana kwa Kulinganisha: Hakuna kutajwa kwa kulinganisha na miundo rahisi (k.m., kanuni inayotegemea RSI safi, LSTM ya kawaida) au misingi ya kawaida ya kifedha (kama kuvuka kwa wastani wa kusonga). Bila hili, madai ya "kuboresha" hayana msingi.
• Utekelezaji & Gharama Zimepuuzwa: Huu ni muundo wa utabiri wa kitaaluma. Haizingatii msuguano wa ulimwengu halisi: gharama za shughuli, kuteleza, na athari ya soko, ambazo zinaweza kuondokoa kabisa faida ya ishara ya utabiri ya mzunguko wa juu.

5. Uelewa Unaoweza Kutekelezwa

Kwa fedha za kiasi na wafanyabiashara wa algoriti, karatasi hii ni mchoro wa uboreshaji, sio suluhisho tayari.

1. Thibitisha Nadharia ya Hali: Kabla ya kujenga miundo changamano, jaribu kwa kujitegemea ikiwa hali za soko zilizo wazi, zinazoendelea, na zinazoweza kutekelezwa (hasa "kuzuliwa kupita kiasi") zipo katika jozi zako za forex lengwa kwa kutumia njia mbadala kama vile Miundo ya Markov Iliyofichika (HMMs). Rasilimali kutoka kwa Michael Kearns wa Chuo Kikuu cha Pennsylvania kuhusu fedha za kompyuta hutoa mifumo bora kwa ajili hii.
2. Jumuisha Data Mbadala: Kikomo kikubwa cha muundo huu ni kutegemea data inayotokana na bei pekee. Ili kukamata "matukio" kwa kweli, unganisha uchambuzi wa hisia kutoka kwa milolongo ya habari (kwa kutumia miundo kama BERT) au data ya mtiririko wa maagizo. Mafanikio ya miundo katika nyanja zingine, kama CycleGAN kwa uhamishaji wa mtindo, inaonyesha nguvu ya kujifunza kutoka kwa usambazaji tofauti wa data—somo linalotumika hapa.
3. Jenga Injini Imara ya Kujaribu Nyuma: Tekeleza mfumo madhubuti wa kujaribu nyuma unaozingatia gharama, ucheleweshaji, na upendeleo wa kuishi. Tumia uchambuzi wa kutembea mbele ili kujaribu uthabiti wa muundo katika mizunguko tofauti ya kiuchumi.
4. Anza Rahisi, Kisha Changamano: Kwanza, jaribu kutabiri kuruka kwa kuzuliwa kupita kiasi kwa kutumia RSI iliyosanidiwa vizuri au mkakati wa Bendi za Bollinger. Ikiwa tu hiyo inaonyesha matumaini ndipo unapaswa kuongeza utata wa kugawa na utaratibu wa kuelekeza makini. Faida ya ziada lazima iheshimu mzigo wa kompyuta na wa uendeshaji.

6. Maelezo ya Kiufundi & Uundaji wa Kihisabati

Kulingana na maelezo ya karatasi, kiini cha kiufundi cha muundo unaopendekezwa kinaweza kuwekwa rasmi kama ifuatavyo:

1. Awamu ya Kugawa (Utambuzi wa Hali ya Soko):
Acha $X_t = [p_t, I_t^{(1)}, I_t^{(2)}, ..., I_t^{(k)}]$ iwe vekta ya kipengele kwa wakati $t$, ambapo $p_t$ ni bei iliyosanidiwa na $I_t^{(i)}$ ni viashiria $k$ vya kiufundi vilivyotokana (k.m., RSI, MACD).
Algorithm ya kugawa $C$ (k.m., K-Means) hugawanya seti ya data $\{X_t\}_{t=1}^T$ katika makundi $M$: $C(X_t) \in \{1, 2, ..., M\}$.
Kundi $m^*$ linatambuliwa kama hali ya "kuzuliwa kupita kiasi," labda linalolingana na alama za data ambapo $RSI < 30$ na bei iko karibu na Bendi ya Chini ya Bollinger.

2. Awamu ya Utabiri (Uundaji wa Mlolongo Unaotegemea Kuelekeza Makini):
Kwa mlolongo wa urefu $L$ unaomilikiwa na kundi la kuzuliwa kupita kiasi $\{X_{t-L+1}, ..., X_t\} \subset m^*$, kikodishi (k.m., Bi-LSTM) huchakata mlolongo:
$h_1, h_2, ..., h_L = \text{Kikodishi}(X_{t-L+1}, ..., X_t)$.
Utaratibu wa kuelekeza makini kisha huhesabu vekta ya muktadha $c_t$ kama jumla yenye uzito wa hali hizi zilizofichika:
$\alpha_i = \frac{\exp(\text{alama}(h_i, h_L))}{\sum_{j=1}^{L} \exp(\text{alama}(h_j, h_L))}$
$c_t = \sum_{i=1}^{L} \alpha_i h_i$
ambapo $\alpha_i$ ni uzito wa kuelekeza makini, unaoonyesha umuhimu wa hatua ya wakati $i$ kwa utabiri. Utabiri wa mwisho wa mabadiliko ya bei ya baadaye $\hat{y}_{t+\Delta t}$ unafanywa na mtandao wa usambazaji mbele: $\hat{y}_{t+\Delta t} = \text{FFN}([h_L, c_t])$.

7. Matokeo ya Majaribio & Maelezo ya Chati

Kumbuka: Sehemu ya PDF iliyotolewa haina matokeo maalum ya majaribio au chati asilia. Inarejelea takwimu mbili kutoka kwa vyanzo vya nje:

• Takwimu 1 [2]: Labda inaonyesha chati ya bei na oscillator ya RSI chini yake, ikionyesha hali ambapo bei iko katika mtindo wa kushuka na RSI inashuka chini ya 30, ikionyesha hali ya kuzuliwa kupita kiasi inayotangulia kuruka kwa bei.
• Takwimu 2 [3]: Labda inaonyesha kiashiria cha MACD. Ingeonyesha chati ya bei na mistari miwili chini: mstari wa MACD (tofauti kati ya EMA ya siku 12 na 26) na mstari wa Ishara (EMA ya siku 9 ya MACD). Ishara ya kupanda hutolewa wakati mstari wa MACD unavuka juu ya mstari wa Ishara, na ishara ya kushuka kwenye kuvuka chini.

Kwa karatasi kamili, mtu angependa matokeo yanayoonyesha:

1. Jedwali linalolinganisha usahihi wa utabiri wa muundo (k.m., Hitilafu ya Wastani Kamili, Usahihi wa Mwelekeo) dhidi ya misingi kama ARIMA au MLP rahisi.
2. Chati inayoonyesha hali za soko zilizotambuliwa kwa muda, zilizowekwa rangi kwenye chati ya bei.
3. Uonyeshaji wa uzito wa kuelekeza makini $\alpha_i$ kwa utabiri maalum wa kuzuliwa kupita kiasi, ukionyesha siku zipi za zamani muundo "ulizielekeza makini."
4. Mkunjo wa usawa kutoka kwa jaribio la nyuma la kuiga la mkakati wa biashara unaotokana na ishara za muundo, ikilinganishwa na kigezo cha kununua-na-kushikilia.

8. Mfumo wa Uchambuzi: Kisa Kielelezo

Hali: Kuchambua jozi ya EUR/USD kwa biashara inayowezekana ya kuruka kwa kuzuliwa kupita kiasi.

Utumiaji wa Mfumo (Mfano usio na Msimbo):

1. Ukusanyaji wa Data & Hesabu ya Vipengele: Kukusanya data ya saa 1 ya OHLC kwa EUR/USD. Kuhesabu RSI ya kipindi 14, SMA ya kipindi 20 na Bendi za Bollinger za viacha mchepuko 2, na MACD(12,26,9).
2. Kuchuja Hali (Badala ya Kugawa): Fafanua kichujio cha heuristi "hali ya kuzuliwa kupita kiasi": (RSI < 32) NA (Bei <= Bendi ya Chini ya Bollinger). Hii inaunda kwa mikono kundi letu $m^*$.
3. Uchimbaji wa Mlolongo & Kuelekeza Makini (Kwa Dhana): Kwa kila alama inayopita kichujio, toa data ya masaa 96 (siku 4) iliyotangulia (mlolongo). Muundo wa kuelekeza makini uliofunzwa ungechambua mlolongo huu. Kwa mfano, unaweza kupeana uzito wa juu kwa: a) kushuka kwa bei kwa kasi mwanzoni kilichozindua mlolongo, b) kipindi cha uimarishaji na kiasi cha chini, na c) kutofautiana kwa kupanda kwenye RSI (bei hufanya chini mpya, RSI haifanyi).
4. Utabiri & Ishara: Muundo hutoa uwezekano au mapato yanayotarajiwa kwa masaa 24 yanayofuata. Ikiwa utabiri unazidi kizingiti cha ujasiri (k.m., >60% uwezekano wa mapato chanya >0.5%), ishara ya "NUNUA" hutolewa.
5. Usimamizi wa Hatari: Kuingia kwa biashara ni kwenye kufunga kwa mshumaa wa saa 1 uliochochea ishara. Kizuizi cha hasara kinawekwa chini kidogo ya chini ya hivi karibuni ya mlolongo, na lengo la kuchukua faida limewekwa kwa uwiano wa hatari-faida 1:1.5 au kwenye Bendi ya Kati ya Bollinger.

9. Mtazamo wa Utumiaji & Mwelekeo wa Baadaye

Mtazamo wa Utumiaji: Utekelezaji wa mafanikio wa muundo kama huo unaweza kutekelezwa katika:

• Fedha za Ukingo za Kiasi: Kama kizindua cha ishara ya alfa ndani ya portifolio ya mikakati mingi, hasa kwa mikakati ya kurudi kwa wastani.
• Madawati ya Biashara ya Benki: Kama zana ya ziada kwa wafanyabiashara wanadamu, ikitoa tahadhari za kiotomatiki kwa pointi zinazowezekana za kurudi kwenye jozi za sarafu zinazoweza kugharimika.
• Mshauri wa Roboti & Majukwaa ya Utajiri: Kwa namna iliyopunguzwa sana, kurekebisha mfichuo wa sarafu katika portifolio za mali nyingi wakati wa vipindi vya hisia kali.

Mwelekeo wa Utafiti wa Baadaye:

1. Ujumuishaji wa Akili Bandia Inayoweza Kufafanuliwa (XAI): Utaratibu wa kugawa na kuelekeza makini lazima ufanywe uweze kufafanuliwa. Mbinu kama SHAP (SHapley Additive exPlanations) zinaweza kutumika kufafanua ni vipengele gani vinavyochochea uanachama wa kundi na uzito wa kuelekeza makini, kukiuka kutoka kwa "sanduku jeusi" hadi "sanduku la kioo."
2. Kujifunza kwa Njia Nyingi: Miundo ya baadaye lazima iingize sio data ya bei pekee lakini maandishi (taarifa za benki kuu, habari), sauti (mazungumzo ya mapato kwa mali yanayohusiana), na data ya mtandao (uhusiano kati ya aina za mali). Nyanja hii inapaswa kuangalia usanifu kutoka kwa utafiti wa Akili Bandia ya njia nyingi kwa msukumo.
3. Kujifunza kwa Kujizoeza (RL) kwa Uboreshaji wa Moja kwa Moja wa Mkakati: Badala ya kutabiri bei tu, muundo unaweza kuwekwa kama wakala wa RL anayejifunza kutekeleza biashara moja kwa moja, akiboresha uwiano wa Sharpe au kuchorwa kwa kiwango cha juu, akijumuisha gharama kwa kweli. Hii ni njia ya moja kwa moja zaidi kwa faida.
4. Kuzingatia Hatari ya Mkia & Alfa ya Mgogoro: Mwelekeo wenye thamani zaidi kuliko kutabiri kuruka kwa kawaida kwa kuzuliwa kupita kiasi ungekuwa kujitolea katika kutambua mwanzo wa migogoro ya soko (kushuka kwa ghafla, ukame wa urahisi wa kugharimu) ili kuzalisha "alfa ya mgogoro," kama ilivyochunguzwa na taasisi kama Usimamizi wa Mtaji wa AQR.

10. Marejeo

1. Benki ya Kimataifa ya Mikopo (BIS). (2019). Uchunguzi wa Benki Kuu wa Miaka Mitatu wa soko la kubadilishana fedha za kigeni na derivatives za OTC. Machapisho ya BIS.
2. Wilder, J. W. (1978). Dhana Mpya katika Mifumo ya Kiufundi ya Biashara. Utafiti wa Mtindo.
3. Appel, G. (2005). Uchambuzi wa Kiufundi: Zana za Nguvu kwa Wawekezaji Wenye Shughuli. Financial Times Prentice Hall.
4. Vaswani, A., et al. (2017). Kuelekeza Makini Ni Kila Unachohitaji. Maendeleo katika Mfumo wa Usindikaji wa Habari wa Neural 30 (NIPS 2017).
5. Kearns, M., & Nevmyvaka, Y. (2013). Kujifunza kwa Mashine kwa Muundo Mdogo wa Soko na Biashara ya Mzunguko wa Juu. Katika Kitabu cha Uchumi wa Kompyuta (Juz. 3). Elsevier.
6. Zhu, J.-Y., Park, T., Isola, P., & Efros, A. A. (2017). Tafsiri ya Picha-hadi-Picha Isiyo na Jozi kwa kutumia Mitandao ya Adversarial Yenye Uthabiti wa Mzunguko. Mkutano wa Kimataifa wa IEEE wa Kompyuta ya Kuona (ICCV).