تعلّم الآلة للبيانات المالية

سمعت أن الذكاء الاصطناعي بات يقرأ كل شيء. فلماذا لا توجّه نموذجًا كبيرًا إلى رسم بياني للأسعار وتسأله؟ لأن سلسلة الأسعار ليست نصًا، بل جدول، وللجداول قواعد مختلفة.

لماذا بيانات الأسعار جدول وليست نصًا

كل رصد صفٌّ في الجدول، وكل قيمة مقيسة عمودٌ فيه. هكذا تبدو ثلاث دقائق من حياة سهم واحد، بأرقام مختلقة للتوضيح.

لا توجد كلمة واحدة في هذا الجدول. المعنى كله في البنية: أي عمود يمثّل سعرًا، وأيها عددًا، وأيها وقتًا. جداول البيانات جعلت هذا الشكل مألوفًا، أما نمذجته فهي الجزء الصعب.

الشكل نفسه يحكم بيانات المال وسجلات المرضى والمخزون وسجلات المستشعرات. ومع ذلك، فالنتيجة التي تصحّ في مجال منها لا تنتقل إلى غيره إلا باختبار مستقل.

ما الذي تفرضه البيانات الجدولية على كُنكافا

كل عمود شيء مختلف عن جاره. في الصورة، كل بكسل لون. أما في الجدول، فعمود للتاريخ، وبعده عمود للسعر، ثم عمود للفئة، ثم عمود لعدد يساوي صفرًا في أغلب الأحيان. ولكلٍّ منها طريقة معالجة تخصه.

التجاور لا يعني شيئًا في الأصل. فالعمود الثالث قد يكون تاريخًا في مجموعة بيانات وكميةً في أخرى. لذلك فإن نقل ما تعلّمه كُنكافا من مجموعة إلى أخرى أمرٌ يُختبر ولا يُفترض.

الأنماط ضعيفة والتسريبات سهلة. المطابقة الجيدة مع أسعار الماضي قد تكون محض صدفة، أو معلومات من المستقبل تسللت إلى المدخلات. قارن دائمًا بخطوط أساس بسيطة، واختبر على فترات لاحقة لفترة التدريب.

القواعد تتبدل وأنت تعمل. السياسات النقدية وحجم المشاركة والسيولة تغيّر العلاقات بين المتغيرات. لذلك تُعرض النتائج عبر فترات متعددة، ولا تُقدَّم أبدًا كخاصية ثابتة لكُنكافا.

كيف يدرّب كُنكافا نماذجه ويختبرها

كُنكافا تطبيق ذكاء اصطناعي للأسواق المالية، يغطي الأسهم والمؤشرات والعملات والسلع والعملات الرقمية. يعرض لك إلى أي مدى قد يتحرك السعر، وفي أي اتجاه، وما درجة ثقة كُنكافا في كل حركة. وتتراوح المدد بين خمس دقائق وسبع سنوات. أما الاتجاه المقابل فيظهر دائمًا في الأسفل.

سبعون خبيرًا لا خبير واحد. يحكم كلٌّ منهم بمفرده على المدى والاتجاه. وحين يختلفون ينخفض الاحتمال، وترى ذلك بعينك.

تدرّب هؤلاء الخبراء على نحو 10 مليارات نقطة بيانات من تاريخ الأسعار عبر فئات الأصول الخمس، ثم اختُبروا على نحو 2 مليار نقطة لم يروها من قبل. وتُقارن قيم ثقة كُنكافا باستمرار بما حدث فعلًا، وتُصحَّح كلما تباعد الاثنان. كيف تُدرَّب احتمالات كُنكافا وكيف تُراجع يشرح هذه العملية.

ثم يأتي الاختبار الذي لا ينتهي. كل صباح يحصي كُنكافا كيف انتهت احتمالات كُنكافا السابقة على الأسواق الحية، وينشر الحصيلة على نتائج أداء احتمالات كُنكافا، مع الأرقام الخام على /api/stats.json. وإذا قلّت الأمثلة المكتملة عن 100 لا تُعرض أي نسبة على الإطلاق. والنتائج الماضية لا تضمن نتائج مستقبلية.

مثال عملي بأرقام مختلقة ومقرّبة. يقول الاحتمال إن سهمًا ما قد يرتفع ⁦2%⁩ خلال 10 أيام، باحتمال ⁦60%⁩. وتحته الاتجاه المقابل: هبوط ⁦1.5%⁩ في المدة نفسها، باحتمال ⁦55%⁩. قد يتحقق أحدهما أو كلاهما أو لا يتحقق أيٌّ منهما. ولا قيمة لنسبة ⁦60%⁩ إلا إذا كانت احتمالات كُنكافا التي قالت ⁦60%⁩ قد وصلت فعلًا إلى المستوى نحو ست مرات من كل عشر. وهذا تحديدًا ما يتحقق منه إحصاء الصباح.

ما تثبته الأبحاث وما لا تثبته

التقدم في معالجة الجداول حقيقي. إن ورقة TabPFN لعام 2025 يورد نتائج قوية لنموذج أساسي على معايير جدولية صغيرة. لكنه لا يثبت شيئًا عن أداء التقدير المالي على الأسواق الحية، فذلك يحتاج إلى تقييم مستقل.

صحيح أن النماذج اللغوية باتت تقبل مدخلات منظمة وأدوات حساب، لكن الأرقام ما زالت تصلها على هيئة أجزاء من نص. والنسبة المئوية المكتوبة داخل جملة ليست احتمالًا معايرًا.

تشين وزملاؤه رصدوا في تجاربهم إفراطًا في الاستقراء من العوائد الأخيرة، وإن جاءت بعض أرقام المخاطر مقاربة للمعيار البشري. وهذه نتائج تخص مهام بعينها، لا حكمًا على كل نموذج. ما تكشفه الأبحاث عن تقديرات ChatGPT لمسار الأسهم يتعمّق أكثر.

نهج كُنكافا خيار من بين خيارات، لا دليل على أن البنى الأخرى لا تصلح. فعدد النماذج وحجم التدريب وحدهما لا يثبتان تفوقًا. السجل وحده هو ما يثبت.

ثلاثة أسئلة لأي أداة تقدّر مسار الأرقام

• على ماذا تدرّبت؟ وهل رُوجعت على بيانات لم ترها من قبل؟
• هل تعرض الاتجاهين معًا، أم الاتجاه الذي يروق لها فقط؟
• أين سجلها كاملًا، بما فيه الفترات التي تفضّل السكوت عنها؟

تجد قواعد الإحصاء في كُنكافا على كيف يحسب كُنكافا احتمالات الأسواق، وتغطي أسئلة كُنكافا الشائعة عن المخرجات والتنبيهات تجيب عن بقية الأسئلة. واقرأ مخرج نموذج حيًا مع سجله في تطبيق كُنكافا لاحتمالات الأسواق.