يمثل التداول في أسواق العملات المشفرة تحديًا استثماريًا بسبب التقلبات الحادة في أسعارها وصعوبة التنبؤ باتجاهاتها، ويتطلب بناء استراتيجيات مجدية أدوات قادرة على التنبؤ بمستويات الأسعار وحركاتها الاتجاهية وعلى إدارة رأس المال بضبط صارم للمخاطر، وهو ما يدفع الباحثين نحو توظيف الشبكات العصبية والأنظمة الخبيرة في بناء أنظمة تداول آلية متكاملة
وتقدم هذه الدراسة المنشورة في مجلة إنفورميشن نظامًا خبيرًا مصممًا لتوليد استراتيجيات استثمار في البيتكوين بناء على مؤشرات سوق العملات المشفرة، يجمع بين التنبؤ بالشبكات العصبية وإدارة رأس المال وقواعد إشرافية خبيرة للتحكم في المخاطر، وقارنت الدراسة أداء النظام باستراتيجية الشراء والاحتفاظ التقليدية السلبية
أولًا: أهداف الدراسة ومنهجيتها
عولجت أسعار الإغلاق اليومية التاريخية للبيتكوين في الفترة من عام 2015 إلى عام 2021 لبناء الأساس التنبؤي للنظام، ثم وُظفت شبكات عصبية من نوع المدرك متعدد الطبقات بتكوينات متنوعة للتنبؤ بمستويات سعر البيتكوين وحركاته الاتجاهية، ودُربت هذه الشبكات بتقنيات التعلم الموجه وقُيّمت بمقاييس تقييم متعددة، واستُخدم التكوين المحقق لأدنى جذر تربيعي لمتوسط مربعات الخطأ ولأعلى دقة في التنبؤ بالاتجاه لتنفيذ نظام لإدارة رأس المال قادر على تنفيذ مراكز شراء وبيع على المكشوف ومراكز مدمجة في سوق البيتكوين، وطُبق مخطط استثمار من نوع الكل أو لا شيء وقيس أداؤه مقابل استراتيجية الشراء والاحتفاظ، وأُدمجت كذلك طبقة إشرافية خبيرة تضم مؤشرات سوقية مثل وقف الخسارة وجني الأرباح وقواعد الانسحاب من السوق استنادًا إلى أقصى حركة معاكسة وأقصى حركة مؤاتية
ثانيًا: أبرز النتائج
1. حقق النظام المقترح ربحية وصلت إلى 68 في المئة في التكوين المدمج الذي يجمع بين مراكز الشراء والبيع على المكشوف
2. خفض النظام أقصى تراجع في رأس المال بأكثر من 40 في المئة مقارنة باستراتيجية الشراء والاحتفاظ التقليدية
3. أدت الطبقة الإشرافية الخبيرة إلى خفض الربحية بدرجة طفيفة في بعض السيناريوهات، غير أنها عززت ضبط المخاطر وحماية رأس المال خلال فترات التقلب الشديد في السوق
4. أظهر الإطار المقترح أن استراتيجيات التداول المدفوعة بالشبكات العصبية، حين تقترن بقواعد خبيرة إشرافية، يمكن أن تتفوق بفارق كبير على نهج الشراء والاحتفاظ السلبي، مقدمة حلًا قابلًا لإعادة الإنتاج وآليًا بالكامل لإدارة رأس مال البيتكوين
ثالثًا: دلالات الدراسة وتطبيقاتها
تتجلى دلالة هذه النتائج في أن قيمة الشبكات العصبية في التداول لا تنفصل عن منظومة إدارة المخاطر المرافقة لها، فالتنبؤ الدقيق نسبيًا بالاتجاه لا يكفي وحده ما لم يُقرن بقواعد صارمة لوقف الخسارة وجني الأرباح والانسحاب عند الحركات المعاكسة القصوى، وهو ما يوفر إطارًا منهجيًا يمكن اختباره وتكييفه في بيئات تداول أخرى عالية التقلب
وتشير نتائج المقارنة إلى فارق جوهري بين إدارة رأس المال النشطة المدعومة بالتنبؤ العصبي وبين الاستراتيجية السلبية التي تشتري الأصل وتحتفظ به مهما تقلب السوق، إذ استطاع النظام المقترح استثمار الحركات الصاعدة والهابطة معًا بفضل مراكز البيع على المكشوف، بينما بقيت استراتيجية الشراء والاحتفاظ رهينة الاتجاه العام للسعر ومعرضة لكامل التراجعات الحادة التي يتميز بها سوق البيتكوين شديد التقلب
كما يلفت الانتباه أن الطبقة الإشرافية رغم خفضها الربحية قليلًا في بعض السيناريوهات قدمت مقايضة واعية بين العائد والمخاطرة، إذ فضّلت حماية رأس المال في فترات التقلب الشديد على تعظيم الربح قصير الأمد، وهي مقايضة مركزية في أي نظام تداول مسؤول يهدف إلى الاستدامة وتجنب الخسائر الفادحة التي قد تخرجه من السوق نهائيًا
وقد بُني هذا التقييم على بيانات تاريخية لأسعار الإغلاق اليومية امتدت من عام 2015 إلى عام 2021، وهي فترة شهدت دورات متعاقبة من الصعود والهبوط الحاد في سعر البيتكوين، مما أتاح اختبار النظام في ظروف سوقية متنوعة لا في مرحلة اتجاه واحد، وعزز مصداقية الفروق المسجلة بين أدائه وأداء الاستراتيجية السلبية عبر مقاييس تقييم متعددة
وخلاصة القول إن الدراسة أثبتت جدوى دمج شبكات المدرك متعدد الطبقات في التنبؤ باتجاهات البيتكوين مع طبقة خبيرة إشرافية لإدارة رأس المال، إذ حقق هذا الدمج ربحية أعلى وتراجعًا أقصى أدنى بكثير من الاستراتيجية السلبية، مع ملاحظة أن طبقة الإشراف قد تقلل الربحية قليلًا مقابل حماية أقوى لرأس المال
