پیش‌بینی قیمت رمزارز واقعاً یعنی چه؟
پیش از هر چیز باید بزرگ‌ترین سوءبرداشت را کنار بگذاریم: پیش‌بینی جدی، «قیمت قطعی آینده» نیست؛ یک توزیع احتمال روی نتایج آینده است. یعنی جمله‌ای مانند این: «در ۳۰ روز آینده، توازن شواهد ۶۲٪ به نفع رشد است و بازه قیمت انتظاری با اطمینان ۸۵٪ بین X و Y قرار دارد.» این تمایز مهم است، چون پیش‌بینی‌ای که «۶۲٪ رشد» گفته، می‌تواند درباره احتمال‌ها درست باشد و آن ۳۸٪ باقی‌مانده اتفاق بیفتد. قضاوت درباره کیفیت پیش‌بینی فقط با نگاه به ده‌ها پیش‌بینی در طول زمان ممکن است، نه با یک بار پرتاب سکه.
هر سیستمی که قطعیت می‌فروشد — «بیت‌کوین تا اسفند به ۲۰۰ هزار دلار می‌رسد» بدون بازه و بدون سابقه قابل بررسی — پیش‌بینی نیست؛ تبلیغ است.
داده‌ها: مدل‌ها دقیقاً چه چیزهایی می‌بینند؟
موتورهای پیشرفته، خانواده‌های مستقل داده را روی هم لایه‌بندی می‌کنند، چون هر خانواده بخش متفاوتی از وضعیت بازار را می‌بیند:
- داده ساختار بازار (تکنیکال) — تاریخچه قیمت و حجم در صرافی‌ها و بازه‌های زمانی مختلف؛ استخوان‌بندی اصلی که نشان می‌دهد خریداران و فروشندگان کجا و با چه حجمی بر سر قیمت به توافق رسیده‌اند.
- بستر بین‌دارایی — رفتار بیت‌کوین به‌عنوان دارایی لنگر بازار. اکثر آلت‌کوین‌ها اِلگوی به جهت بیت‌کوین دارند؛ مدلی که لنگر را نادیده بگیرد، قوی‌ترین متغیر توضیحی را دور می‌اندازد.
- داده مشتقات — نرخ فاندینگ قراردادهای دائمی، علاقه‌مندی باز و نقاط لیکویید؛ این‌ها می‌گویند کدام سمت بازار برای نگه‌داشتن اهرم هزینه می‌دهد و تجمع اهرم در نقاط افراطی، زمینه وارونه‌شدن خشن را می‌سازد.
- احساسات و جریان — شاخص ترس و طمع و احساسات خبری؛ در میانه بازه سیگنال ضعیفند اما در نقاط افراطی، دو تکرارشونده‌ترین ناحیه بازگشت بازارند: اوج خوش‌بینی و اوج وحشت.
- بستر کلان — جهت نقدینگی جهانی، نرخ بهره و ریسک‌پذیری کلی بازارها. رمزارز دیگر برکه‌ای جدا نیست؛ کوچک‌ترین قایق اقیانوس نقدینگی جهانی است.
چرا موتورهای جدی «مجموعه مدل» اجرا می‌کنند؟
سه خانواده اصلی مدل وجود دارد و هر کدام شکست‌های متفاوتی دارند: مدل‌های آماری سری‌زمانی (شفاف و سریع در رژیم‌های باثبات، اما دیرهنگام در شکست رژیم)، مدل‌های یادگیری ماشین کلاسیک (الگوهای تعاملی را می‌گیرند اما با داده کم اورفیت می‌کنند) و مدل‌های یادگیری عمیق (ساختار پیچیده بلندمدت را یاد می‌گیرند اما به داده بیشتری نیاز دارند و تفسیرشان سخت‌تر است).
هیچ خانواده‌ای در همه رژیم‌ها برنده نیست؛ به همین دلیل موتورهای معتبر ده‌ها مدل مستقل اجرا می‌کنند و رأی‌ها را با یک لایه وزن‌دهی ترکیب می‌کنند. میانگین‌گیری خطاهای اختصاصی هر مدل را حذف می‌کند و میزان اختلاف‌نظر خودِ مدل‌ها سیگنال می‌شود: وقتی همه هم‌رأی‌اند اطمینان واقعاً بالا می‌رود و وقتی دو اردو می‌شوند، پاسخ صادقانه، برابری تقریبی است. موتورهای بهتر یک قدم جلوتر می‌روند و وزن ترکیب را بر اساس نرخ موفقیت اخیر هر خانواده به‌صورت خودکار تنظیم می‌کنند.
راستی‌آزمایی: چرا اکثر بک‌تست‌ها دروغ می‌گویند؟
- نشت اطلاعات از آینده — ویژگی‌ای که ناخواسته از داده فردا استفاده می‌کند؛ شایع‌ترین قاتل خاموش.
- سوگیری بقای — تست فقط روی کوین‌هایی که هنوز زنده‌اند؛ رده مرده‌ها بی‌سروصدا حذف شده‌اند.
- پنجره‌های هم‌پوشان — امتیازدهی روزانهِ پیش‌بینی‌های ۳۰ روزه یعنی یک ماه قوی سی بار شمرده می‌شود.
- تنظیم پارامتر روی داده آزمون — نتیجه، حفظ‌کردن است نه مهارت.
رژیمی که در برابر همه این‌ها می‌ایستد اعتبارسنجی گام‌به‌جلو (Walk-Forward) است: فقط با گذشته آموزش بده، فقط آینده را پیش‌بینی کن، جلو برو و تکرار کن؛ هیچ اطلاعاتی حق عرقب‌گردی ندارد. کندتر و ناامیدکننده‌تر از بک‌تست‌های تیون‌شده است — و تنها عددی است که چیزی ارزش دارد.
کالیبراسیون: امتیاز اطمینان، خودِ محصول است
سیگنال کم‌ارزششده خروجیِ موتور پیش‌بینی، جهت نیست؛ کالیبراسیون است. سیستمی که می‌گوید «۷۰٪ رشد» باید در طول ده‌ها پیش‌بینی، حدود ۷۰٪ مواقع درست از آب دربیاید. این ویژگی قابل اندازه‌گیری است و پیش‌بینی را از «نظر» به «ورودی تصمیم قابل اندازه‌گیری ریسک» تبدیل می‌کند. هر پلتفرمی که اطمینان را پنهان کند — یا همیشه نشان «۹۹٪ مطمئن» داشته باشد — در واقع می‌گوید کالیبراسیون را دنبال نمی‌کند.
چک‌لیست ارزیابی هر سرویس پیش‌بینی
- سابقه غیرقابل‌ویرایش دارد؟ پیش‌بینی‌ها پیش از اعلام نتیجه، هش و ثبت شده باشند (مانند سابقه هش‌شده فراز).
- برد و باخت هر دو دیده می‌شوند؟ صفحه‌ای که فقط تیک سبز دارد، بروشور است نه سابقه.
- خروجی احتمالاتی است؟ جهت + بازه + اطمینان، نه یک عدد سرنوشت.
- اطمینان تغییر می‌کند؟ باید تغییر کند؛ برتری واقعی موج‌دار است.
برای دیدن این معماری در عمل، داشبورد فراز ۳۰ مدل ترکیبی را روی +۱۰۰ رمزارز با اطمینان، استدلال و سابقه قابل بررسی اجرا می‌کند. ادامه‌ی بحث در راهنمای ترکیب تحلیل تکنیکال و فاندامنتال.