روانشناسی معاملهگری: موضوعی گسترده، اما بهشدت سادهشده توسط الگوریتمها #
روانشناسی معاملهگری خودش یک موضوع بسیار گسترده است. حتی بهطور تخصصی در یک حوزه میانرشتهای به نام اقتصاد رفتاری بررسی میشود، و پرداختن کامل به آن بهراحتی میتواند یک سطح کامل از این دوره را پر کند. اما وقتی پای الگوریتمها به میان میآید، بخش زیادی از این موضوع عملاً بیاهمیت میشود — چون الگوریتمها بهسادگی دچار تنش احساسی نمیشوند.
اگر این مهمترین مزیت استفاده از الگوریتمها نباشد، بدون شک یکی از سه مزیت کلیدی اول است. وقتی یک الگوریتم بهدنبال سیگنال میگردد، حجم پوزیشن را تنظیم میکند، یا حد سود و ضرر را تعیین میکند، هیچکدام از اینها را تحت تأثیر ترس یا طمع انجام نمیدهد. صرفاً مجموعهای از قواعد ریاضی از پیش تعریفشده را اجرا میکند — قواعدی که طبیعتاً باید از قبل برای بیشینهکردن امید ریاضی بهینهسازی شده باشند.
دیگر نیازی به خیرهشدن به نمودار و تردید نیست #
مزیت مهم دیگر: وقتی یک الگوریتم مسئول اجرای معامله است، معاملهگر دیگر نیازی ندارد دائماً پای نمودار بنشیند و فکر کند که آیا سایه فلان کندل که تا فلان جا رفته، شبیه ستاپ معاملاتیاش هست یا نه. اگر باشد، الگوریتم میگوید هست. اگر نباشد، الگوریتم میگوید نیست. این کار عملاً تردید و دودلی را به صفر میرساند — یا حداقل، رسالت دقیق الگوریتم همین است.
روانشناسی معاملهگری اینجا واقعاً به چه چیزی خلاصه میشود؟ #
برای معاملات الگوریتمی بهطور خاص، کل موضوع روانشناسی معاملهگری اساساً به یک سؤال خلاصه میشود: آیا داریم الگوریتم را سرخود و تحت تأثیر هیجانهای مثبت یا منفی، خاموش و روشن میکنیم یا نه؟
ایجاد چنین اختلالی در عملکرد عادی یک الگوریتم میتواند خسارتهای واقعاً احمقانهای به حساب وارد کند — چیزی که نویسنده شخصاً تجربهاش را داشته. توصیه مستقیم است: وقتی بکتست و فورواردتست روی حساب دمو تأیید کرد که الگوریتم درست کار میکند، دیگر بیدلیل دستکاریاش نکنید، حتی اگر ایده جدیدی به ذهنتان رسید.
بهجایش با یک ایده جدید چهکار کنیم؟ #
صرفاً ایده را یادداشت کنید. اجازه بدهید الگوریتم بدون مزاحمت به کارش ادامه دهد تا وقتی که هیچ معامله فعالی وجود نداشته باشد. فقط در آن زمان است که باید ایده جدید بررسی شود — و مهمتر اینکه، باید همان فرایند دقیق را طی کند که هر ایده دیگری طی میکند: بکتست و فورواردتست درست، پیش از اینکه اجازه پیدا کند نزدیک سرمایه واقعی بشود.
ارزشش را دارد که به یک ریسک جداگانه هم اشاره شود که ممکن است اینجا رخ بدهد، به نام بیشبرازش (Overfitting) — یعنی حساسشدن بیشازحد به تنظیم پارامترها، یا بالا بردن بیشازحد تعداد آنها. این موضوع ربطی به روانشناسی ندارد؛ به موضوع خودش تعلق دارد و جای دیگری بهطور کامل توضیح داده خواهد شد.
جمعبندی #
روانشناسی معاملهگری، بهعنوان یک حوزه، بسیار گسترده است — اما معاملات الگوریتمی بیشتر آن را به یک انضباط رفتاری واحد فرومیکاهد: وقتی یک الگوریتم بهاندازه کافی تست شده، رهایش کنید تا کارش را انجام دهد. ایدههای جدید سزاوار یادداشتشدن و دوبارهتستشدن درست هستند، نه پچشدن زنده و سرخود در حین اجرای الگوریتم.
خلاصه #
معاملات الگوریتمی ترس، طمع و تردید را از اجرا حذف میکند، و روانشناسی معاملهگری به یک قانون خلاصه میشود: وقتی الگوریتم تست شده و در حال اجراست، سرخود دستکاریاش نکن — ایدههای جدید را یادداشت کن و درست دوباره تستشان کن.