كيف تختبر استراتيجيتك الآلية برفع التقلب 1.5 مرة؟

الفهرس

01

ما هو اختبار التقلب ولماذا هو مهم؟

02

كيف تحسب التقلب وتضاعفه 1.5 مرة؟

03

مثال تطبيقي: استراتيجيتان تحت الضغط

04

أخطاء شائعة وحدود الاختبار

05

ما يخبرك به الاختبار وما لا يخبرك

ما هو اختبار التقلب ولماذا هو مهم؟

عندما تحصل على استراتيجية تداول آلية جديدة (إكسبرت)، تبدأ عادةً باختبارها على بيانات تاريخية عادية. لكن الأسواق الحقيقية تمر بفترات من التقلب العالي، حيث تتحرك الأسعار بعنف وتزداد الفجوات السعرية. اختبار التقلب هو وسيلة لمعرفة كيف ستتصرف استراتيجيتك في ظروف ضغط غير عادية، عن طريق تكبير حجم التحركات السعرية في البيانات التاريخية. الهدف ليس تحسين الاستراتيجية أو تعديلها، بل قياس قدرتها على تحمل الصدمات قبل أن تخاطر بأموال حقيقية.

في هذه المقالة، سنركز على تقنية محددة: رفع التقلب التاريخي بمقدار 1.5 مرة، ثم إعادة تشغيل الاستراتيجية على السلسلة السعرية المعدلة. هذه الطريقة تختبر حساسية الإكسبرت لتقلبات أعلى مما شهده السوق فعلياً.

كيف تحسب التقلب وتضاعفه 1.5 مرة؟

التقلب هنا هو الانحراف المعياري للعوائد اليومية للسعر. العائد اليومي يحسب بالصيغة:

عائد اليوم = ln(سعر الإغلاق اليوم / سعر إغلاق الأمس)

حيث ln تعني اللوغاريتم الطبيعي. بعد حساب العوائد لجميع الأيام المتاحة، نحسب المتوسط الحسابي للعوائد، ثم نطرحه من كل عائد لنحصل على العوائد المركزية. ثم نضرب كل عائد مركزي في 1.5. هذه هي الخطوة السحرية: نضخم حجم العوائد بينما نحافظ على اتجاهها وإشارتها. بعد ذلك نعيد إضافة المتوسط إلى كل عائد مضروب، ثم نعيد بناء سلسلة الأسعار تراكمياً:

السعر المعدَّل = السعر الأولي × exp(مجموع العوائد المعدلة حتى ذلك اليوم)

لاحظ أن السعر الأولي يبقى كما هو. العملية ستنتج مساراً سعرياً جديداً له نفس الاتجاهات العامة لكن بحركات متضاعفة.

مثال افتراضي: لنفترض سلسلة أسعار EURUSD لخمسة أيام (جميع الأرقام افتراضية تماماً):

• اليوم 0: 1.1408 (سعر البدء)
• اليوم 1: 1.1420
• اليوم 2: 1.1390
• اليوم 3: 1.1410
• اليوم 4: 1.1380

نحسب العوائد:

اليوم 1: ln(1.1420/1.1408) = 0.00105

اليوم 2: ln(1.1390/1.1420) = -0.00263

اليوم 3: ln(1.1410/1.1390) = 0.00176

اليوم 4: ln(1.1380/1.1410) = -0.00263

متوسط العوائد = -0.00061 (تقريباً). بعد تمركزها: نطرح المتوسط، ثم نضرب في 1.5 (سنحصل على عوائد مضخمة). ثم نعيد المتوسط ونركم. سينتج سعر اليوم 4 المعدل حوالي 1.1350 تقريباً (حسب الحساب). نلاحظ أن الهبوط كان أشد. هذا المسار الجديد يمثل سيناريو تقلب أعلى بنفس الطابع الاتجاهي.

مثال تطبيقي: استراتيجيتان تحت الضغط

لنأخذ إكسبرتاً بسيطاً (لأغراض التعلم فقط لا للتوصية): يشتري عندما يتقاطع متوسط متحرك 50 مع متوسط 200 صعوداً، ويبيع عند التقاطع هبوطاً. بدون إدارة مخاطر معقدة. فلنجربه على بيانات EURUSD الأصلية لمدة شهرين (بيانات تاريخية اعتيادية)، ثم على نفس البيانات بعد رفع التقلب 1.5 مرة. النتائج الافتراضية:

• عامل الربح (Profit Factor): 1.3 في السيناريو العادي، و0.9 في سيناريو التقلب المرتفع.
• أقصى تراجع (Max Drawdown): 3% في العادي، و7% في المرتفع.

هذه الأرقام التطبيقية البحتة توضح أن الإكسبرت قد يفقد ربحيته ويتضاعف تراجعه تحت ضغط تقلب أعلى، رغم أنه كان رابحاً في الظروف الهادئة.

أخطاء شائعة وحدود الاختبار

• ليس تنبؤاً بالمستقبل: رفع التقلب لا يضيف أنماطاً جديدة، بل يضخم ما حدث. السوق الحقيقي قد يتحرك بطرق غير مسبوقة.
• لا يغير شكل التوزيع: طريقة الضرب الخطي تفترض أن شكل منحنى العوائد يبقى طبيعياً تقريباً، لكن التقلبات الحادة في الأسواق تكون مصحوبة بذيول سمينة (Fat Tails) لا تعكسها هذه الطريقة.
• الارتباطات قد تنهار: إذا كانت استراتيجيتك تعتمد على ارتباط بين أزواج عملات، فالاختبار يطبق التضخيم على كل زوج على حدة دون محاكاة تغير الارتباطات.
• لا تختبر الفجوات السعرية: التقلب الأعلى يزيد من احتمالية الفجوات، لكن هذه الطريقة لا تنشئ فجوات جديدة، بل تمدد الحركات المستمرة.

ما يخبرك به الاختبار وما لا يخبرك

هذا الاختبار يخبرك عن مدى حساسية استراتيجيتك لحجم التقلبات: هل تفقد فعاليتها إذا أصبح السوق أكثر اضطراباً؟ لا يخبرك بالتأكيد أنها ستربح أو تخسر في المستقبل، ولا يحدد اتجاه السوق. هو مجرد أداة تشخيصية تكشف نقاط الضعف الهيكلية في المنطق الآلي. بعد رؤية النتائج، قد تقرر تحسين إدارة المخاطر (مثل تقليل حجم المركز في فترات التقلب المرتفع)، وهو قرار يعود إليك وحدك كمطور.

الخلاصة: اختبار رفع التقلب 1.5 مرة هو خطوة ذكية في عملية تقييم الإكسبرت، لكنه ليس إلا محاكاة أولية. يجب أن يقترن دائماً بتحليل منطق الاستراتيجية وفهم السوق، ولا يعفي من اختبارات أخرى مثل المشي الأمامي (Forward Testing) على بيانات حية.