يتمتع مستثمرو العملات المشفرة بإتاحة بيانات أكثر من أي وقت مضى. يمكن لكل من النشاط على السلسلة، وتدفقات البورصات، ووضعيات المشتقات، والأسواق الفورية، وأوامر التداول، والأساسيات الشبكية أن يكشف جزءًا مختلفًا من السوق.
تُعد هذه السعة الواسعة واحدة من أكبر نقاط قوة Glassnode. لكنها قد تطرح أيضًا سؤالًا أوليًا صعبًا: من أين يجب أن أبدأ؟
عندما يحتوي كتالوج على آلاف المقاييس، فإن العثور على مجموعة صغيرة مما يهم لاتخاذ قرار استثماري محدد قد يتحول إلى مشروع بحثي بحد ذاته. يمكن للفرق الكمية ذات الخبرة بناء مسارات لاختبار التركيبات والتحويلات والعتبات. غير أن انتقال كثير من المستثمرين من مخطط في Studio إلى قاعدة قرار منهجية ما يزال يتطلب وقتًا وكتابة كود ومعرفة متخصصة أكثر مما هو متاح.
أنشأنا Glassnode Alpha Lab لسد هذه الفجوة.
جرّبوا GLASSNODE ALPHA LAB
Alpha Lab منصة للبحث الكمي تستكشف بيانات Glassnode بحثًا عن قواعد تداول استدلالية بسيطة وسهلة الفهم. أخبر التطبيق بما تريد تحديده، واختر بيانات السوق التي تريد دراستها، وسيختبر محرك البحث التركيبات التي كانت الأكثر فائدة تاريخيًا.
الهدف واضح: تحويل مجموعة كبيرة من المقاييس إلى مجموعة مركّزة من الأفكار التي يستطيع المستثمر فهمها وتمحيصها ودمجها في عملية البحث الخاصة به.
ابدأ بسؤال استثماري
ما مقاييس Glassnode التي ساعدت تاريخيًا في تحديد فرص شراء جيدة للبيتكوين؟
بعد ذلك، يختار المستخدم المقاييس التي ينبغي للمنصة استكشافها، من البيانات على السلسلة والبيانات الفورية إلى إشارات العقود الآجلة والخيارات ودفتر الأوامر، ويحدد أولويات البحث. وقد تكون هذه الأولوية تحقيق عوائد معدّلة حسب المخاطر أعلى، تُقاس بنسبة شارب، أو تحقيق أداء مطلق أفضل.
يحدد السؤال الأصل والهدف، بينما يحدد التصنيف حقيقة النتيجة. يُصنّف كل يوم في السجل المتاح على أنه فرصة شراء جيدة أو ليس كذلك، استنادًا إلى ما فعله السوق بالفعل بعد ذلك. ثم يُوسّع كل مقياس مختار إلى نسخ عديدة محوّلة من نفسه، لتصبح المهمة إحصائية بسيطة: أيّ من هذه القراءات ظهر في الأيام الجيدة وغاب عن بقية الأيام؟
صُممت أشجار القرار للإجابة عن هذا السؤال تحديدًا: فكل تفرع يمثل عتبة تفصل الأيام الجيدة عن بقية الأيام. وتُنشأ مئات الأشجار معًا، بينما يواصل مُحسِّن تعديل طريقة بنائها. وتُقيّم كل محاولة بالطريقة التي يقيّم بها المتداول أداءها: وفق أداء الاستراتيجية الناتجة.
يستخلص المحرك بعد ذلك أقوى النتائج في صورة قواعد استدلالية، بدلًا من تقديم تنبؤات مبهمة من نموذج مغلق. وبما أن كل شجرة تبقى ضحلة عمدًا، فإن كل مسار ينتهي فيها بإجابة «نعم» يمثل قاعدة موجزة بالفعل: شرطًا أو شرطين متعلقين بالمقاييس يصفان منطقة تركزت فيها الأيام الجيدة. ثم تُقيّم كل منطقة بحسب مدى صحة توقعاتها ومقدار السجل التاريخي الذي تستند إليه.
قد تأتي النتيجة على شكل:
«عندما يكون هذا المقياس المحوّل دون X، ويكون هذا المقياس المحوّل فوق Y، فهذه هي المنطقة المثلى لتحسين العائد المعدّل حسب المخاطر على BTC»
تُرفق بكل قاعدة الأدلة اللازمة لتقييمها، بما في ذلك العائد التاريخي ونسبة شارب والحد الأقصى للتراجع ومعدل الصفقات الرابحة وتواتر التداول ومنحنى رأس المال. ويمكن للمستخدمين مقارنة القاعدة بالأصل الأساسي، وفحص آفاق زمنية مختلفة، ومعرفة ما إذا كانت شروطها تتحقق وفق أحدث البيانات المتاحة. وهذا يساعد على إظهار العلاقات الواعدة مع إبقاء المنطق الأساسي واضحًا.
ثلاث طرق لإجراء الأبحاث
يرغب المستثمرون في مستويات مختلفة من التحكم. ويوفر المنتج ثلاث طرق للوصول إلى محرك البحث نفسه.
الوضع السهل: انتقل من السؤال إلى قواعد استدلالية مرتبة
صُمم الوضع السهل ليكون سريعًا ومتاحًا للجميع. اختر أصلًا، وحدد ما إذا كنت تريد استكشاف فرص الشراء أو البيع على المكشوف، وانتقِ المقاييس التي تريد فحصها، وحدد مقدار جهد البحث. ينفذ Alpha Lab سير العمل المذكور أعلاه في الخلفية، ويعرض أكثر القواعد الواعدة في بطاقات إشارات واضحة وسهلة القراءة؛ ويمكن عرضها كأزواج من المقاييس أو تفكيكها إلى قواعد بمقياس واحد، كما يمكن تصفيتها وفق تفضيلات المستثمر، مثل التراجع أو العائد المعدّل حسب المخاطر أو معدل الصفقات الرابحة أو فترة تقييم معينة.
صُمم سير العمل ليكون تكراريًا. إذ يمكن للمستخدمين تنقيح مجموعة المقاييس، وإعادة تشغيل البحث، ومقارنة النتائج الجديدة بالمحاولات السابقة. وهكذا تتحول عملية الفحص لمرة واحدة إلى حلقة اكتشاف منظمة: صياغة فرضية، واختبارها، والتعلم من النتيجة، ثم تضييق نطاق البحث.
الوضع المتقدم: افحص كل خطوة
يُظهر الوضع المتقدم جميع الخطوات التي تقف وراء عملية البحث. ويمكن للمستخدمين التحكم في فضاء السمات باختيار مقاييس المصدر والتحويلات المطبقة عليها، بما في ذلك درجات Z ومؤشر القوة النسبية والمتوسطات المتحركة والتقلبات والسمات القائمة على المئينات. ويمكن تعديل نوافذ التحويل لاختبار سلوك المقياس الأساسي نفسه عبر آفاق زمنية مختلفة.
يمكنهم أيضًا تحديد ما ينبغي للنموذج تعلّمه. يتضمن تطبيق البحث تصنيفات افتراضية لفرص الشراء والبيع على المكشوف، لكن يمكن للمستخدمين رسم مناطق مخصصة مباشرةً على سجل الأسعار.
وهذا يفتح المجال أمام أسئلة أكثر تحديدًا:
ما المقاييس التي ميّزت القيعان المحلية تاريخيًا؟
ما الذي يميل إلى الظهور قرب قمم السوق؟
ما السمات المرتبطة بنظام تقلبات أو بحركة مكافئة للقطع المكافئ؟
بعد اكتمال البحث، يعرض الوضع المتقدم المسار من النموذج إلى القاعدة. ويمكن للمستخدمين مقارنة نماذج التعلم الآلي، وفحص تأثير السمات، ومراجعة جدول القواعد الاستدلالية الكامل، وتحليل القواعد الفردية بالتفصيل.
تدعم المنصة أيضًا اختبار متانة القواعد الاستدلالية. فإذا لم تنجح نتيجة ما إلا عند عتبة محددة تمامًا أو ضمن نافذة استرجاع واحدة، فهذه علامة تحذير. وينبغي لعلاقة أكثر موثوقية أن تظل مستقرة إلى حد معقول عند تغيير المعلمات إلى قيم قريبة.
يجعل Alpha Lab هذه الحساسية واضحة، ما يساعد الباحثين على التمييز بين نمط قد يستمر بمرور الوقت ومصادفة تاريخية مضبوطة بدقة مفرطة.
وضع الوكلاء: دع البحث الذاتي يعمل
من الأفضل التعامل مع بعض الأسئلة البحثية بوصفها حلقة متكررة لا استعلامًا واحدًا.
من خلال خادم MCP الخاص بـ Alpha Lab، يمكن لوكلاء الذكاء الاصطناعي المتوافقين الوصول إلى كتالوغ المقاييس ومحرك التحسين نفسيهما المتاحين في الواجهة البشرية.
يمكن للمستثمر أن يزوّد الوكيل بهدف بحثي، مثل استكشاف مجموعات من المقاييس إلى أن يعثر على قاعدة تحسّن الأداء المعدّل حسب المخاطر مقارنةً بمؤشر مرجعي، ثم يتركه ينفذ عمليات البحث المتتابعة ويقيّمها وينقّحها.
هذا استخدام طبيعي للبحث الوكيلي. إذ يمكن تحديد الهدف وقياس النتيجة، والتحقق من كل خيار وفق إطار تقييم موحّد.
يتولى الوكيل المهام المتكررة، بينما يحتفظ المستثمر بالتحكم في السؤال والافتراضات والحكم النهائي. ويمكن بعد ذلك نقل أقوى النتائج إلى الواجهة المرئية لمزيد من الفحص، أو حفظها في كتالوغ عمل.
من الاكتشاف إلى كتالوغ حي
يضم كتالوغ Alpha Lab استراتيجيات سبق أن حددها فريق Glassnode وحفظها. ويمكن للمستخدمين تصفحها حسب الأصل والاتجاه وخصائص المخاطر أو الأداء، ثم دراسة سلوك القاعدة طوال سجلها التاريخي وفترتها خارج العينة ونافذتها الحية بعد إضافتها إلى الكتالوغ.
يمكن للمستثمرين أيضًا حفظ النتائج ذات الصلة في «كتالوغي»، لإنشاء نطاق بحثي مركّز لفريقهم.
مع مرور الوقت، تصبح مجموعة العمل هذه أكثر من مجرد قائمة باختبارات الأداء التاريخي. إذ يمكن للمنصة إظهار القواعد التي تراجع أداؤها مؤخرًا، والتنبيه إلى الاستراتيجيات المتداخلة، والمساعدة في تحديد الثغرات في التغطية. كما تستفيد من تأثير ليندي: فكلما استمرت الاستراتيجية في تحقيق أداء جيد ضمن بيئة تداول حية وعلى بيانات لم ترها من قبل، زادت الثقة في متانة سلوكها بدلًا من كونه نتاجًا لفرط التكيّف.
يوفر «نبض السوق» منظورًا آخر لمجموعة الأبحاث نفسها. فهو يجمع القواعد المسجلة في الكتالوغ، سواء للشراء أو البيع على المكشوف، والفعّالة حاليًا، ليقدم قراءة موجزة للاتجاه الذي تميل إليه مجموعة الأدلة المختارة، مع الحفاظ على إمكانية فحص القواعد الفردية التي تستند إليها هذه القراءة.
تربط هذه الميزات، مجتمعةً، بين الاكتشاف والمراقبة المستمرة. ويتحول السؤال من «هل نجح هذا تاريخيًا؟» إلى «هل ما زال يتصرف كما هو متوقع؟»
عملية بحث تستند إلى منهجية سليمة
يتبع Alpha Lab ممارسات بحث كمي متينة، مصممة للحد من فرط التكيّف واختبار مدى قابلية تعميم النتائج خارج البيانات التي استُخدمت لاكتشافها. وتعتمد المنهجية على سير عمل بحثي خاص طوّرته Glassnode لإشارة Bitcoin Sharpe، مستندةً إلى سجل أداء حي يتجاوز ثلاث سنوات.
يُجرى البحث باستخدام غابة عشوائية ضمن ميزانية ثابتة من التجارب. ويظل عمق الأشجار محدودًا بحد أقصى قدره مستويان، ما يحد من التعقيد ويُبقي كل قاعدة مقروءة في صورة شرطين.
يجري التحقق على ثلاث مراحل. ففي التحقق المتتابع، تُدرَّب النماذج على البيانات الأقدم وتُقيّم على الفترات الأحدث، مع الحفاظ على الترتيب الزمني للسوق.
يحجز الاختبار خارج العينة أحدث 20% من السجل التاريخي، ويستبعدها من البحث ويستخدمها للتقييم المستقل فقط. وبعد إضافة القاعدة إلى الكتالوغ، يتتبع التقييم الحي أداءها على البيانات الجديدة الواردة التي لم يكن لها أي تأثير في اختيارها.
الأداء المعلن صافٍ: يشمل كل من العائد ونسبة شارب افتراضات الانزلاق السعري.
تساعد النماذج الضحلة وتحليلات التحقق المتتابع والاختبارات خارج العينة وفحوصات حساسية المعلمات والمراقبة الحية، مجتمعةً، على تمييز العلاقات التي قد تكون مستقرة عن النتائج التاريخية مفرطة التكيّف. وهي لا تضمن الأداء المستقبلي، لكنها توفر أساسًا أكثر انضباطًا لتقييم كل قاعدة استدلالية.
الفئات التي يستهدفها Alpha Lab
صُمم Alpha Lab للمستثمرين الذين يرون أن بيانات Glassnode يمكن أن تعزز منهجيتهم، لكنهم يريدون مسارًا أسرع من الاستكشاف إلى الدليل.
بالنسبة إلى المستثمرين الذين يتخذون قراراتهم بأنفسهم، يمكن للمنتج أن يكشف المقاييس والعتبات الجديرة بالاهتمام قبل اتخاذ قرار في السوق.
يوفر المنتج للباحثين الكميين بيئة قابلة للتهيئة لاكتشاف السمات ومقارنة النماذج واختبار المتانة.
بالنسبة إلى الفرق التي تجرّب وكلاء الذكاء الاصطناعي، توفر المنصة حلقة بحث ذاتي قابلة للقياس، تستند إلى البيانات وإطار التقييم نفسيهما المستخدمين في الواجهة البشرية.
تختلف الأوضاع، لكن الغاية واحدة: تسهيل تحويل بيانات Glassnode إلى أبحاث مركّزة وشفافة وقابلة للتطبيق.
انضم إلى النسخة التجريبية
يتوفر Glassnode Alpha Lab حاليًا في نسخة تجريبية لمجموعة محدودة من العملاء. ونبحث عن فرق بحثية ومستثمرين يرغبون في اختبار المنتج ضمن سير عمل واقعي والمساهمة في تشكيل خطواته التالية.
إذا كنتم ترغبون في الحصول على إمكانية وصول مبكرة، فتحدثوا إلى ممثل Glassnode أو تواصلوا مع الفريق للانضمام إلى النسخة التجريبية.
Alpha Lab منتج بحثي. وتستند مخرجاته إلى بيانات تاريخية، ولا تشكل نصيحة استثمارية أو ضمانًا للأداء المستقبلي.