Ин таҳқиқот ба таври низомманд меомӯзад, ки тасвирҳои графикҳои молиявӣ дар асоси маълумоти Bitcoin, Ethereum ва S&P 500 барои гурӯҳбандии режими бозор то чӣ андоза муфиданд. Муҳаққиқ графикҳои анъанавии шамъӣ, рамзгузориҳои Gramian Angular Field, яъне GAF, ва тасвирҳои бисёрканалии GAF-ро муқоиса мекунад. Илова бар ин, меъмориҳои гуногуни моделҳо, ба монанди CNN, ResNet18, EfficientNet-B0 ва Vision Transformer, озмуда мешаванд.

Натиҷаи ҷолиби мақола чунин аст: рамзгузориҳои мураккабтари тасвир ва моделҳои калонтар на ҳамеша беҳтаранд. Баръакс, дар таҷрибаҳо натиҷаи беҳтарин бо модели одии CNN-и 4-қабата, ки графикҳои соддаи шамъии дорои андозаи 128×128-ро истифода мебарад, ба даст омадааст. Беҳтарин қимати AUC-ROC-и гузоришшуда дар таҳқиқот 0.892 мебошад.

Ин натиҷа фарзияи «нишондиҳандаҳои бештар, модели калонтар ва ҳалли баландтар пешгӯии беҳтар медиҳанд»-ро зери суол мегузорад. Ба гуфтаи мақола, графикҳои соддаи нарх метавонанд ба модели CNN барои омӯхтани нақшҳои асосии визуалии нарх равшантар кӯмак кунанд. Аммо азбаски таҳқиқот бо маҷмӯи маълумоти хурд анҷом ёфта, озмоиши пурраи стратегияи сармоягузорӣ бо дарназардошти хароҷоти воқеии муомилотро пешниҳод намекунад, натиҷаҳо бояд бо эҳтиёт шарҳ дода шаванд.

Мушкил дар чист?

Дар бозорҳои молиявӣ таҳлили техникӣ муддати дароз ба хондани графикҳо такя мекунад. Графикҳои шамъӣ қиматҳои кушодашавӣ, басташавӣ, баландтарин ва пасттарини нархро ба таври визуалӣ нишон медиҳанд. Сармоягузорони инсонӣ дар ин графикҳо нақшҳое чун momentum, гардиш, фишурдашавӣ, шикаст ё идомаи тамоюлро меҷӯянд.

Моделҳои омӯзиши амиқ бошанд, дар гурӯҳбандии тасвирҳо хеле муваффақанд. Аз ин рӯ, саволи табиӣ ба миён меояд: агар графикҳои молиявӣ низ ҳамчун тасвир баррасӣ шаванд, оё моделҳое чун CNN ё Vision Transformer метавонанд аз ин графикҳо нақшҳои пурмаъно омӯзанд?

Гарчанде таҳқиқотҳои қаблӣ ин идеяро санҷида бошанд ҳам, баъзе саволҳо пурра посух нагирифтаанд. Оё графики хоми шамъӣ беҳтар аст ё рамзгузориҳое чун GAF, ки қаторҳои вақтиро ба таври математикӣ ба тасвир табдил медиҳанд? Илова кардани ҳаҷм, миёнаи ҳаракаткунанда ва бандҳои Bollinger ба график моделро қавитар мекунад ё танҳо печидагии визуалӣ ба вуҷуд меорад? Оё моделҳои калон ва қаблан омӯзонидашуда аз CNN-и хурд беҳтаранд? Оё нақше, ки дар як дороӣ омӯхта шудааст, дар дороии дигар низ кор мекунад?

Усул чӣ пешниҳод мекунад?

Таҳқиқот пешгӯии режими бозорро ҳамчун масъалаи гурӯҳбандии дуӣи тасвирӣ месозад. Модел ба тасвири графики шумораи муайяни рӯзҳои гузашта менигарад ва кӯшиш мекунад гурӯҳбандӣ кунад, ки оё нарх дар уфуқи пешбинии муайяншуда аз остонаи муайян бештар боло рафтааст ё не.

Дар таҷрибаҳо се усули асосии пешниҳоди тасвир муқоиса карда мешаванд:

1. Графикҳои хоми шамъӣ: Маълумоти нарх ҳамчун графики классикии шамъӣ кашида мешавад. Ҳар шамъ нархи кушодашавӣ, басташавӣ, баландтарин ва пасттаринро нишон медиҳад. Ин пешниҳод ба шакли графике наздиктарин аст, ки trader-ҳои инсонӣ ба он одат кардаанд.

2. Gramian Angular Field (GAF): Қатори вақтӣ аввал нормализатсия шуда, сипас ба координатаҳои кунҷӣ табдил дода мешавад ва муносибати байни ду нуқтаи вақт ҳамчун тасвири матритсавӣ навишта мешавад.

3. GAF-и бисёрканалӣ: Барои нархи кушодашавӣ, диапазони нарх ва нархи басташавӣ матритсаҳои алоҳидаи GAF ҳисоб шуда, баъдан мисли каналҳои RGB рӯйи ҳам гузошта мешаванд.

Дар тарафи модел бошад, CNN-и одӣ, ResNet18, EfficientNet-B0 ва ViT-Tiny муқоиса карда мешаванд. Илова бар ин, баъзе моделҳо бо вазнҳои қаблан дар ImageNet омӯзонидашуда озмуда мешаванд. Таҷрибаҳо омилҳоеро ба монанди ҷузъи график, дарозии равзанаи гузашта, ҳалли тасвир, меъмории модел, омӯзиши интиқолӣ ва навъи дороӣ алоҳида месанҷанд.

Формулаҳо чӣ мегӯянд?

Дар PDF чанд формулаи асосӣ мавҷуд аст. Ин формулаҳо махсусан шарҳ медиҳанд, ки масъала чӣ гуна ба вазифаи гурӯҳбандӣ табдил дода мешавад ва тасвирҳои GAF чӣ гуна тавлид мегарданд.

1. Гурӯҳбандии режими бозор аз тасвири график

Дар ин ҷо \(X\) тасвири графики ба модел додашударо ифода мекунад. \(H\) баландӣ, \(W\) паҳноӣ ва \(C\) шумораи каналҳои тасвир мебошанд. Масалан, барои графики ранга шумораи каналҳо одатан 3 мешавад.

Ин формула мантиқи тамғагузории таҳқиқотро нишон медиҳад. \(P_t\) нархи басташавии имрӯз ва \(P_{t+k}\) нархи басташавии \(k\) рӯз баъдро ифода мекунад. Дар таҷрибаҳо \(k=7\) рӯз ва қимати остона \(\tau=2\%\) истифода шудааст. Агар даромад пас аз 7 рӯз аз %2 зиёд бошад, намуна ҳамчун «bull regime» ва дар акси ҳол ҳамчун «bear regime» тамғагузорӣ мешавад.

2. Табдили қатори нарх ба координатаи кунҷӣ барои GAF

Дар усули GAF аввал қатори нарх ба фосилаи \([-1,1]\) миқёсбандӣ мешавад. Дар ин ҷо \(\tilde{x}_i\) қимати нормализатсияшуда ва \(\phi_i\) ифодаи кунҷии ин қиматро ифода мекунад.

Ин формула ҳуҷайраҳои матритсаи Gramian Angular Summation Field-ро тавлид мекунад. Ҳар ҳуҷайраи \(i,j\) муносибати кунҷии ду нуқтаи гуногуни вақтро ифода мекунад. Ҳамин тавр, қатори вақтӣ ба матритсаи дуандоза табдил меёбад, ки модел метавонад онро мисли тасвир бихонад.

3. Пешниҳоди GAF-и бисёрканалӣ

Ин формула пешниҳоди GAF-и бисёрканалиро шарҳ медиҳад. Барои нархи кушодашавӣ, диапазони нарх ва нархи басташавӣ матритсаҳои алоҳидаи GAF сохта шуда, баъдан онҳо мисли каналҳои RGB якҷо карда мешаванд. Ҳадаф ҷамъ кардани маълумоти бештар аз додаҳои OHLC дар як тасвир аст. Аммо дар натиҷаҳои таҳқиқот ин пешниҳоди мураккабтар нисбат ба графикҳои хоми шамъӣ нишондиҳандаи заифтар нишон додааст.

Паёми асосии график, ҷадвал ва схема

Графикҳои таърихи нарх: Дар PDF раванди нархҳои Bitcoin, Ethereum ва S&P 500 дар давраи 2018–2024 нишон дода мешавад. Паёми асосӣ ин аст, ки дороиҳои крипто нисбат ба индекси анъанавии саҳмияҳо ноустувории хеле баландтар нишон медиҳанд.

Намунаҳои пешниҳоди график: Дар таҳқиқот графики соддаи шамъӣ, графики шамъӣ бо ҳаҷм, графики дорои миёнаҳои ҳаракаткунанда, графики дорои ҳамаи нишондиҳандаҳо ва пешниҳодҳои тасвирии бар пояи GAF паҳлу ба паҳлу нишон дода мешаванд. Паёми асосии ин бахш он аст, ки як маълумоти молиявиро ба шаклҳои гуногуни визуалӣ табдил додан мумкин аст.

Муқоисаи рамзгузории график: Графикҳои Raw candlestick, яъне графикҳои хоми шамъӣ, бо AUC-и 0.760 нисбат ба пешниҳодҳои GAF натиҷаи ба таври назаррас беҳтар медиҳанд. GAF Summation дар 0.310 ва GAF-и бисёрканалӣ дар 0.252 AUC боқӣ мемонанд. Ин бозёфт ишора мекунад, ки рамзгузории математикии тасвир на ҳамеша беҳтар аст.

Ҷадвали ҷузъҳои график: Беҳтарин қимати AUC дар графикҳои соддае дида мешавад, ки танҳо шамъҳои нархро дар бар мегиранд. Бо илова шудани ҳаҷм, миёнаи ҳаракаткунанда ва бандҳои Bollinger натиҷа одатан коҳиш меёбад. Паёми асосӣ: маълумоти иловагии визуалӣ ба ҷойи кумак ба модел метавонад онро парешон кунад.

Таҷрибаи ҳалли тасвир: Ҳалли 128×128 бо AUC-и 0.892 беҳтарин натиҷаи умумиро медиҳад. Ҳалли 64×64 метавонад баъзе нақшҳои нозукро аз даст диҳад; 224×224 бошад, бинобар тафсилоти зиёд ва ниёз ба маълумоти бештар, метавонад мураккабтар шавад.

Муқоисаи меъмории модел: CNN-и одии 4-қабата нисбат ба моделҳои ResNet18, EfficientNet-B0 ва ViT-Tiny AUC-и беҳтар медиҳад. Ин натиҷа нишон медиҳад, ки бо маълумоти маҳдуд модели калонтар худкор беҳтар кор намекунад.

Тасвирҳои GradCAM: Нишон дода мешавад, ки модел махсусан ба шамъҳои охири тарафи рости график, шамъҳои дорои баданаҳои калон ва минтақаҳои гузариши ранг тамаркуз мекунад. Ин ба чунин андеша водор мекунад, ки модел на ба пикселҳои тасодуфӣ, балки ба ҳаракатҳои нархи давраи наздик, ки дар таҳлили техникӣ низ муҳим шуморида мешаванд, диққат медиҳад.

Таҷрибаҳо чӣ гуна анҷом дода шуданд?

Дар таҳқиқот додаҳои рӯзонаи OHLCV барои давраи 2018–2024 истифода мешаванд. Дороиҳо Bitcoin, Ethereum ва ETF-и S&P 500 интихоб шудаанд. Барои ҳар дороӣ пас аз татбиқи равзанаи гузашта ва уфуқи пешбинии оянда 500 намуна ба даст меояд.

Маълумот мувофиқи сохтори қатори вақтӣ тақсим карда мешавад. Аввал %70 барои омӯзиш, %15-и баъдӣ барои санҷиши тасдиқӣ ва %15-и охир барои маҷмӯи санҷиш истифода мешавад. Ин муҳим аст, зеро дар қаторҳои вақти молиявӣ таъсири маълумоти оянда ба пешбинии гузашта хатои ҷиддиеро бо номи “look-ahead bias” ба вуҷуд меорад.

Ҳадафи модел гурӯҳбандии ҳаракати нарх дар 7 рӯз баъд аст. Агар даромад пас аз 7 рӯз аз остонаи %2 зиёд бошад, намуна ҳамчун режими bull ва дар ҳолати баръакс ҳамчун режими bear ишора карда мешавад.

Ҳамагӣ ҳашт таҷрибаи назоратшаванда анҷом дода мешавад. Дар ин таҷрибаҳо пай дар пай таъсири усули рамзгузории тасвир, ҷузъҳои график, дарозии равзанаи гузашта, ҳалли тасвир, меъмории модел, омӯзиши интиқолӣ ва қобилияти умумисозӣ ба дороиҳои гуногун омӯхта мешавад.

Натиҷаҳо чӣ нишон медиҳанд?

1. Графикҳои хоми шамъӣ аз GAF беҳтар баромаданд. Усули Raw candlestick AUC-и 0.760 медиҳад, дар ҳоле ки усулҳои GAF аз 0.5 поён мемонанд. Ин ба чунин андеша водор мекунад, ки табдили GAF дар ин вазифа ба ҷойи нигоҳ доштани маълумоти муфид баъзе нақшҳои муҳими визуалиро вайрон карда бошад.

2. Графикҳои содда муваффақтар буданд. Графикҳое, ки танҳо шамъҳои нархро дар бар мегиранд, бо AUC-и 0.815 беҳтарин натиҷаро барои ҷузъи график доданд. Бо илова шудани ҳаҷм, миёнаи ҳаракаткунанда ва бандҳои Bollinger натиҷа коҳиш меёбад. Ин натиҷа нишон медиҳад, ки содагии визуалӣ метавонад барои модел бартарӣ дошта бошад.

3. Равзанаи 30-рӯза мутавозин менамояд. Дар ҳоле ки 14 рӯз хеле кӯтоҳ мемонад, равзанаҳои 60- ва 90-рӯза метавонанд бо илова кардани маълумоти кӯҳнатар аз гузашта садо эҷод карда бошанд. Дар таҷрибаҳо равзанаи 30-рӯза қобилияти беҳтари ҷудокуниро медиҳад.

4. Ҳалли беҳтарин 128×128 буд. Натиҷаи беҳтарини умумии таҳқиқот ҳамчун AUC-и 0.892 дар ҳалли 128×128 гузориш шудааст. Эҳтимол ин ҳалли тасвир тафсилоти кофии визуалиро нигоҳ дошта, мураккабии нолозимро кам кардааст.

5. CNN-и одӣ моделҳои калонро гузашт. CNN-и одии 4-қабата, ки тақрибан 422 ҳазор параметр дорад, нисбат ба моделҳои ResNet18, EfficientNet-B0 ва ViT-Tiny AUC-и беҳтар дод. Моделҳои калон бо маълумоти маҳдуд метавонанд ба омӯзиши аз ҳад зиёд бештар моил бошанд.

6. Омӯзиши интиқолӣ ба ҳар ҳол саҳм гузошт. Омӯзиши пешакии ImageNet қиматҳои AUC-ро барои ResNet18 ва EfficientNet-B0 зиёд кард. Ин нишон медиҳад, ки хусусиятҳои сатҳи паст, ба монанди канорҳо ва бофтаҳои аз тасвирҳои табиӣ омӯхташуда, метавонанд дар графикҳои молиявӣ низ то андозае муфид бошанд.

7. Пешгӯии визуалӣ дар Bitcoin қавитар баромад. Bitcoin AUC-и 0.734, Ethereum AUC-и 0.492 ва S&P 500 AUC-и 0.459 дод. Ин бозёфтро дар шароити таҷрибаҳо метавон чунин шарҳ дод, ки графикҳои Bitcoin нақшҳои визуалии равшантар доранд. Аммо ин натиҷа маънои пешгӯии қатъии бозорро надорад.

Ин чаро муҳим аст?

Ин таҳқиқот нишон медиҳад, ки қаторҳои вақти молиявиро на танҳо ҳамчун ҷадвали рақамӣ, балки ҳамчун тасвир низ баррасӣ кардан мумкин аст. Махсусан моделҳое чун CNN метавонанд баъзе нақшҳои визуалии графикҳои шамъиро омӯзанд.

Аммо ҷиҳати воқеан муҳими таҳқиқот зери суол гузоштани фарзияи «мураккабӣ ҳамеша хуб аст» мебошад. Нишондиҳандаҳои бештар, ҳалли баландтар ва модели калонтар дар ин таҷрибаҳо на ҳамеша натиҷаи беҳтар доданд. Баръакс, равиши графики содда ва модели хурдтар нишондиҳандаи қавитар дод.

Ин бозёфт аз ҷиҳати академӣ ва техникӣ муҳим аст. Зеро дар низомҳои зеҳни сунъии молиявӣ ба ҷойи калон кардани меъмории модел сифати маълумот, таърифи масъала, тамғагузории дуруст, усули тақсим кардани қаторҳои вақтӣ ва интихоби пешниҳоди визуалӣ метавонанд муҳимтар бошанд.

Нуктаҳои муҳим

1. Ин таҳқиқот тавсияи сармоягузорӣ нест. Муваффақияти модели AUC маънои стратегияи мустақими фоидаовари харидуфурӯшро надорад. Хароҷоти муомилот, лағжиш, пардохтпазирӣ, идоракунии хавф ва шароити бозор бояд алоҳида арзёбӣ шаванд.

2. Маҷмӯи маълумот хурд аст. Барои ҳар дороӣ 500 намуна истифода шудааст. Аз нигоҳи омӯзиши амиқ ин миқдори маҳдуди маълумот аст. Натиҷаҳо метавонанд дар маҷмӯаҳои маълумоти калонтар тағйир ёбанд.

3. Ҳатто ҳангоми баланд будани AUC, дурустӣ метавонад паст бошад. Дар баъзе таҷрибаҳо AUC хуб ба назар мерасад, дар ҳоле ки accuracy ва F1 паст мемонанд. Ин нишон медиҳад, ки интихоби остона ва номутавозунии синфҳо метавонанд ба натиҷаҳо таъсири ҷиддӣ расонанд.

4. Вобастагӣ аз режим мумкин аст. Бозорҳои крипто вобаста ба давра метавонанд хеле гуногун рафтор кунанд. Нақшҳое, ки дар давраи 2018–2024 омӯхта шудаанд, метавонанд дар оянда ба ҳамон шакл кор накунанд.

5. Нақшҳои таҳлили техникӣ бо мурури вақт аз байн рафта метавонанд. Агар нақшҳои муайян ба таври васеъ истифода шаванд, бозор метавонад онҳоро дар нарх инъикос кунад ва бартарии модел коҳиш ёбад.

6. Озмоиши муомилоти воқеӣ нопурра аст. Мақола натиҷаи гурӯҳбандиро меомӯзад; он натиҷаи backtest-и фарогирро бо хароҷоти воқеии муомилот пешниҳод намекунад.

Хулоса

Ин таҳқиқот маҷмӯи озмоишҳои содда, вале омӯзандаеро пешниҳод мекунад, ки нишон медиҳад графикҳои молиявиро омӯзиши амиқ метавонад мисли тасвир коркард кунад. Тибқи бозёфтҳо, на усулҳои мураккабтарин, балки пешниҳодҳои содатар ва мустақимтар натиҷаи беҳтар додаанд.

Натиҷаи ҷолибтарин он аст, ки модели CNN-и одии графикҳои хоми шамъӣ дар ҳалли 128×128 бо AUC-и 0.892 беҳтарин натиҷаи умумиро истеҳсол кардааст. Рамзгузориҳои математикӣ, ба монанди GAF, дар ин вазифа фоидаи интизоршударо таъмин накардаанд. Нишондиҳандаҳои иловагӣ, ба монанди ҳаҷм, миёнаи ҳаракаткунанда ва бандҳои Bollinger низ ба ҷойи кумак ба модел дар баъзе таҷрибаҳо натиҷаро коҳиш додаанд.

Паёми асосии ин мақола барои хонандаи Verianla чунин аст: муваффақият дар зеҳни сунъии молиявӣ танҳо бо сохтани модели калон ба даст намеояд. Баъзан пешниҳоди дуруст, маълумоти содда, тақсимоти мувофиқи вақтӣ ва масъалаи хуб таърифшуда метавонанд аз мураккабии модел муайянкунандатар бошанд.

Навъи таҳқиқот: Ин таҳқиқоти preprint аст, ки дар arXiv нашр шудааст. Онро набояд версияи ниҳоии таҳти баррасии ҳамтоён донист.

Соҳа: Зеҳни сунъӣ, биниши компютерӣ, қаторҳои вақти молиявӣ, бозорҳои криптоасъор ва таҳлили графики техникӣ.

Ёддошти соҳаи хавфнок: Мавзӯъ ба криптоасъор ва пешгӯии режими бозор марбут аст. Ин матн тавсияи сармоягузорӣ нест. Бозёфтҳои ин ҷо набояд ҳамчун тавсияи харидуфурӯш, низоми пешгӯии қатъӣ ё даъвои даромади кафолатнок барои Bitcoin, Ethereum ё дороии дигар шарҳ дода шаванд.

Арзёбии умумӣ: Таҳқиқот меомӯзад, ки оё графикҳои шамъии молиявиро моделҳои омӯзиши амиқ метавонанд мисли тасвир коркард кунанд ё не. Саволи асосӣ чунин аст: оё моделҳои содда ё пешрафтаи гурӯҳбандии тасвир низ метавонанд нақшҳои нархро, ки сармоягузорони инсонӣ дар графикҳо ба таври визуалӣ меҷӯянд, омӯзанд?

Ёддошт оид ба Манбаъ ва Усул

Ин матн бар асоси PDF-и академии дорои унвони «Visual Chart Representations for Cryptocurrency Regime Prediction: A Systematic Deep Learning Study» омода шуда, муҳтавои аслии таҳририи тоҷикӣ мебошад. Матн тарҷумаи айнанӣ нест; масъала, усул, формулаҳо, таҷрибаҳо, ҷадвалҳо, тасвирҳо, натиҷаҳо ва маҳдудиятҳои таҳқиқот бо соддасозӣ шарҳ дода шудаанд.

Азбаски ин мавод мавзӯи пешгӯии бозори молиявиро баррасӣ мекунад, дар он қасдан аз баёни хулосаҳои қатъӣ, роҳнамоии харидуфурӯш ё забони тавсияи сармоягузорӣ истифода нашудааст.