منصة الحسابات العددية التي يمكنها أيضًا استخدام الذكاء الاصطناعي، MATLAB، متاحة للأفراد.
https://jp.mathworks.com/pricing-licensing.html?intendeduse=home&prodcode=ML&fbclid=IwAR0zonp3Hw92OG7K7gv_xNsfmUuq993uUwimw8D2P2FoUafKSbjT08mQ5fI
لم ألاحظ أنها تُباع بهذا السعر المنخفض... لو كنت قد علمت ذلك في وقت سابق... متى ظهر إصدار Home؟ في الماضي، كان هناك إصدارات فقط بتكلفة تزيد عن عشرات الآلاف، لذلك أعتقد أن الأفراد كانوا يستخدمون "R" المجاني. إذا كان هذا البرنامج متاحًا مقابل حوالي 16000 ين، فسيكون برنامجًا رائعًا للغاية، وسوف يختاره الجميع. على الرغم من أن هذا المجال صعب للغاية إذا كنت ترغب في التعمق فيه، إلا أنه يبدو أن هناك نسخة تجريبية مجانية لمدة 30 يومًا، لذلك سأتحقق من سهولة الاستخدام مرة أخرى، على الأقل كعينة بسيطة، من خلال تحليل بسيط لأسعار الأسهم.

■ التوفيق (Fitting)
عند تشغيل نموذج تعليمي قمت بإنشائه منذ فترة طويلة، فقد عمل مباشرة. هذا جيد. بما أنني لا أتذكره جيدًا، فسأقوم بإعادة التعلم. أعتقد أن هذا كان ينفذ وظيفة "التوفيق" وهي عملية "الاستدلال" على دالة دورية بها ضوضاء، ثم يعرضها في رسم بياني. النقاط هي البيانات الأصلية، والموجة هي الرسم البياني المستنتج. من خلال إجراء التوفيق على البيانات التي نعرف إجابتها، يمكننا التحقق من صحة الطريقة.

■ الإحصاءات السكانية
هذا نموذج قمت بإنشائه سابقًا لأغراض التدريب. إنه يعرض توقعات مستقبلية بناءً على الإحصاءات السكانية، مع تمثيلها في شكل رسوم بيانية.

■ تقريب أسعار الأسهم
لقد قمت بتقريب وتوقع أسعار الأسهم لمدة نصف عام باستخدام رسم بياني بسيط للبيانات التي كانت متاحة على الإنترنت، ولكن من الواضح أن هذا غير مفيد على الإطلاق لأنه مجرد شيء قمت بتجربته لمدة ساعة تقريبًا. يبدو أنني بحاجة إلى دراسة الأمر بشكل أكثر جدية. أتمنى لو كان هناك "نظرية" جيدة. إذا كان الأمر مجرد للعب، فهذا جيد بما فيه الكفاية، ولكن سيكون الأمر أكثر إثارة للاهتمام إذا كان يمكن استخدامه بالفعل.
النقاط الزرقاء: أسعار الأسهم الفعلية.
الخط الأحمر: الرسم البياني المقرب.
البيانات: 6754 شركة أنريتز.

لقد قمت بتجربته والعبت به لعدة ساعات.
■ النقاط الزرقاء: أسعار الأسهم الفعلية في الماضي.
■ الخط الأحمر: رسم بياني تقريبي لأسعار الأسهم في الماضي (الجانب الأيسر) ورسم بياني متوقع للمستقبل (الجانب الأيمن). الفرضية هي استخدام بيانات النقاط الزرقاء فقط للتنبؤ بالمستقبل.
■ اللون الأصفر: إجابة أسعار الأسهم المستقبلية.
إذا تطابق الرسم البياني الأحمر للمستقبل مع الدوائر الصفراء، فهذا يعني أن التوقع دقيق، ولكن من الواضح أنه لا يمكن أن يكون ذلك دقيقًا على الفور. نظرًا لأن البيانات الأصلية تحتوي على حركات غريبة (استثناءات)، فإن الرسم البياني التقريبي يظهر أيضًا بعض التذبذبات الغريبة التي تعيق العملية.
إذا كان من الممكن التنبؤ بأسعار الأسهم بهذه السهولة، فسيكون ذلك رائعًا... هذا المجال صعب، ولكنه ممتع إذا كان مجرد تمرين. ربما إذا تمكنت من إنشاء شيء مفيد (وهو أمر غير مرجح)، فيمكن استخدامه.
على أي حال، إنه موضوع جيد للتجربة والتعلم في فترة ما بعد الظهر اليوم.
البيانات: 6754 شركة أنريتز.

لقد بدأت تظهر رسوم بيانية قد تكون مفيدة في تحليل أسعار الأسهم.
■ الرسم البياني الأرجواني على اليمين: سعر السهم المتوقع.
■ الدائرة الصفراء على اليمين: سعر السهم الفعلي في المستقبل.
يبدو أنهما متشابهان إلى حد ما.
تعتمد الدقة على المعلمات، وقد تكون جيدة أو خاطئة، ولكنها أفضل بكثير مما كانت عليه في المساء.
إذا كانت هذه هي الدقة التي يمكن تحقيقها من خلال عمل بسيط، فهي جيدة جدًا.
لم أستخدم الرياضيات منذ فترة، لذا كنت قد نسيتها، ولكنني تذكرت بعضها تدريجيًا من خلال التجربة والخطأ.
ومع ذلك، لا يزال "الانحدار الغاوسي" (Gaussian process regression)، وهو الصيغة المستخدمة لإنشاء هذه الرسوم البيانية، غير مفهوم بالنسبة لي.
الأمر ليس بسبب أنني ذكي، بل بسبب أن وثائق MATLAB شاملة ورائعة.
على الرغم من أنني لا أفهمها تمامًا، إلا أنني أحصل على إجابات على الأقل.
ومع ذلك، سأحتاج إلى دراسة الرياضيات مرة أخرى إذا أردت تطبيقها.
إذا سارت الأمور على ما يرام، فقد أقوم بإنشاء موقع ويب للتنبؤ بأسعار الأسهم كهواية؟ (ضحك)

لا أعرف ما إذا كنت سأقوم بذلك بجدية، ولكن قمت بإنشاء موقع بسيط لتحليل أسعار الأسهم، فقط لصفحة رئيسية، حتى تتمكن Google من التعرف عليه بسرعة. هذا النوع من المشاريع عادة ما يستغرق أشهرًا أو سنوات، لذا من الأفضل إنشاء الموقع أولاً. بشكل غير متوقع، كان هناك عدد قليل من النطاقات القصيرة المتاحة والتي تمكنت من الحصول عليها.
AI للتنبؤ بأسعار الأسهم - https://kabu2u.com
https://kabu2u.com

■ شبكة الذاكرة طويلة المدى (LSTM)
لقد جربت LSTM.
MatLab مذهلة للغاية (على الرغم من أنني لا أفهم محتوى الرياضيات بعد). يمكن إنشاء أشياء مثل هذه بسهولة. (لم أجربها في Python، لذلك لا يمكنني إجراء مقارنة).
أنا الآن عائد من اليوجا، وكنت أفكر في إجراء بعض الأبحاث والتجارب بسرعة لمدة 30 دقيقة قبل النوم، ولكن MatLab، التي يمكنني استخدامها بسهولة دون أي تردد، مذهلة حقًا.
تُستخدم هذه الشبكة (LSTM) لإجراء التعلم العميق. إنها نوع من الذكاء الاصطناعي، ولكنها ليست ذكاء اصطناعي رائعًا مثل أتوم في الرسوم المتحركة، بل هي في الواقع تعلم آلي من هذا النوع.
لقد أخذت الكود مباشرة من نموذج، ولكن في كل مرة أقوم فيها بتشغيله، تكون نتائج التعلم مختلفة، مما يؤدي إلى ظهور ذكاء اصطناعي ذكي وأحيانًا ذكاء اصطناعي أقل ذكاءً. الصورة المرفقة هي نسخة تبدو جيدة إلى حد ما. الخلفية هي شاشة تظهر أثناء التعلم، والجزء الأمامي هو الرسم البياني الذي يمثل التنبؤ. إنه مشابه للرسم البياني الفعلي، وهو أمر مذهل. ومع ذلك، نظرًا لأن هناك أحيانًا نسخًا أقل ذكاءً، فإن عدم استقرار النتائج هو أيضًا جانب إيجابي وسلبي في التعلم العميق. عندما تظهر نسخة جيدة، سأكون مندهشًا حقًا. سألقي نظرة فاحصة على ما يحدث في الداخل في الأيام القادمة.

سأحاول التنبؤ بالنصف الثاني من البيانات بناءً على النصف الأول. بالطبع، يكون الخطأ أكبر في النهاية، ولكن الدقة عالية جدًا في مناطق الانتقال. الذكاء الاصطناعي رائع... أعتقد أن البشر لا يمكنهم الفوز في هذا.

في المرة السابقة، كان التدريب يعتمد على بيانات واحدة فقط (سعر الإغلاق فقط). لقد جربت استخدام مزيج من سعر الافتتاح، وأعلى سعر، وأقل سعر، وسعر الإغلاق، وحجم التداول في التعلم العميق، ولكن لم يكن هناك فرق كبير... أو ربما هناك احتمال كبير أنني أرتكب خطأ ما. أنا لا أفهم الأمر بشكل كامل. على الرغم من أنني أفهم أساسيات نظرية التعلم العميق، إلا أن محاولة فهم خوارزمية معقدة مثل LSTM (شبكة الذاكرة قصيرة المدى) تجعل رأسي يدور.

كما سمعت، فإن التعلم العميق يستهلك الكثير من طاقة وحدة المعالجة المركزية، لذلك قد أحتاج إلى شراء بعض الشرائح الخاصة بالأجهزة. أنا أستخدم جهاز كمبيوتر محمول حاليًا، لذا سأبحث عن شرائح USB... لا يمكنني إدخال بطاقة رسومات.

هوهو. وفقًا لما يقوله برنامج الذكاء الاصطناعي الخاص بي، فإن سعر سهم 1332 N الحالي هو 812، ومن المتوقع أن يظل مستقرًا لفترة من الوقت. الجزء الأحمر في الزاوية العلوية. التوقع لسعر السهم بعد أسبوعين هو 822، أي زيادة بنسبة 1٪ فقط. لذلك، هذا ليس وقتًا للشراء. إذا كنت تمتلك الأسهم حاليًا، فقد يكون من الأفضل بيعها وتحويلها إلى نقد مؤقتًا. (لا تصدقوا ذلك. أنا أكتب هذا على سبيل المثال فقط. أنا أمارس هذا كهواية، وهو برنامج ذكاء اصطناعي صغير ولطيف تم إنشاؤه للتو. سأكون في ورطة إذا اشترتم بناءً على هذا، ولن أتحمل أي مسؤولية.)

من الليلة الماضية، قمت بفحص جميع الأسهم المدرجة في بورصة طوكيو. تستغرق التحليل لمدة 360 يومًا (بحد أقصى) لكل سهم حوالي دقيقة واحدة. أستخدم جهاز Mac محمول بمعالج Intel Core i7. لقد انتهيت من تحليل حوالي 1200 سهم، ولا يزال هناك 2400 سهم متبقية. بناءً على التحليل الإحصائي، تشير الذكاء الاصطناعي إلى أن حوالي 10 أسهم قد تشهد زيادة بنسبة تصل إلى 10٪ كحد أقصى، أي أن سهمًا واحدًا فقط من كل 100 سهم قد يرتفع. ومع ذلك، نظرًا لوجود تباين في توقعات الذكاء الاصطناعي، فقد يؤدي تشغيل نفس السهم عدة مرات إلى توقعات مختلفة، لذلك يجب إجراء مزيد من التصفية. لا يزال من السابق لأوانه الوثوق بالذكاء الاصطناعي بشكل كامل لدرجة أن أشتري الأسهم بناءً على هذه النتائج فقط، ولكن من الممكن أن تظهر أسهم غير متوقعة، وبالنظر إلى أنني لا أستطيع فحص جميع الأسهم المدرجة في بورصة طوكيو بنفسي، فإن استخدامها في التصفية أمر مقبول. من بين 3600 سهم مستهدف، يتم تحديد حوالي 30 إلى 40 سهم كمرشحين في البداية، ثم يتم تصفيتها بشكل أكبر لتحديد 10 أسهم أو أقل، وهذا يبدو مسارًا جيدًا.

التحليل الأجنبي (FX) باستخدام الذكاء الاصطناعي. ومع ذلك، بما أنه تحليل لكل عملة على حدة، فمن غير الواضح ما إذا كان مفيدًا أم لا. سأقوم بمراقبته على أي حال. تداول العملات الأجنبية أمر صعب.

أقوم بتحليل أسعار الأسهم باستخدام الذكاء الاصطناعي على جهاز الكمبيوتر الخاص بي (وهو أمر يستغرق وقتًا طويلاً)، وفي فترة ما بعد الظهر سأذهب إلى جبل تاكا. الأسهم التي أظهرت توقعات صعودية عالية حتى هذا الصباح حققت نتائج متواضعة (ولكنني لم أشتريها)، ولا يزال هناك تباين. قد تكون هناك طريقة لشراء وحدات كاملة من الأسهم، وبيع الأسهم التي تنخفض بسرعة، والاحتفاظ فقط بالأسهم التي ترتفع. في النهاية، لا يمكن لأحد أن يعرف أي الأسهم سترتفع.

"حُسْن. على الرغم من كل الصعوبات التي واجهتك حتى الآن، إلا أن الحظ قد بدأ يظهر، والمشاكل ستزول، وستحقق النجاح في الأمور."
هل هذا صحيح؟

خلال الأسبوع الماضي، قمت بتجربة شراء أسهم تم اختيارها بشكل تجريبي باستخدام الذكاء الاصطناعي.
بعد تضييق نطاق الأسهم إلى حوالي 30 اسماً باستخدام توقعات الذكاء الاصطناعي، قمت بفحصها بنفسي لتقليلها إلى حوالي 10 أسهم، ثم اشتريت بعض الأسهم التي تبدو واعدة من حيث الرسوم البيانية.
نظرًا لأن أداء السوق كان جيدًا الأسبوع الماضي، فقد حققت هذه الأسهم نتائج "جيدة بشكل عام، حيث أنها مقاومة ولا تنخفض كثيرًا، وارتفعت بعض الأسهم". على الرغم من عدم وجود ارتفاعات كبيرة، إلا أنه طالما أنني لم أخسر، فهذا مقبول. بشكل عام، ارتفعت بنسبة عدة بالمائة خلال أسبوع واحد. التجربة كانت جيدة إلى حد ما.
ومع ذلك، اليوم (الاثنين)، تسبب انهيار سوق نيويورك في انهيار مماثل في طوكيو، مما أثر على بعض الأسهم التي اشتريتها، وعادت إلى وضعها السابق. بالطبع، حتى مع الذكاء الاصطناعي، يمكن أن تتأثر بالانهيارات... من الواضح أن أداء السوق له تأثير أكبر.
حاليًا، أقوم بتحليل الأسهم بشكل فردي باستخدام الذكاء الاصطناعي، ولم أقم بتعليمها عن العلاقة مع سوق نيويورك. أعتقد أنه من الضروري تعليم الذكاء الاصطناعي هذه الجوانب أيضًا.
بدلاً من تعليمها عن العلاقات، ربما يكون من الممكن أن تتوقع سوق نيويورك بشكل مستقل، وإذا توقعت انخفاضًا في الليل، فتقليل المراكز مسبقًا.
(هذه الصورة لا علاقة لها بالأسهم التي اشتريتها).

■جوجل تي بي يو
تمت الإشارة إلى أن مدة التسليم هي 3 أسابيع، ولكنها وصلت بالفعل في حوالي 10 أيام. كانت مفاجأة أنها وصلت بسرعة.
لا يمكن استخدامها مع برنامج Matlab، لذا سأجرب استخدامها مع Python لاحقًا.

■تجربة أولى مع بايثون
بما أنني أستخدم بايثون للمرة الأولى، فقد قمت بقراءة البيانات التي تم تحليلها بالفعل باستخدام MATLAB وعرضها في رسم بياني. قد يكون بديلاً لـ MATLAB. ربما لا أحتاج إلى شراء MATLAB؟ إذا كان بإمكاني الانتقال إلى بايثون خلال فترة التجربة المجانية لـ MATLAB، فربما لن أشتريه. ومع ذلك، فإن MATLAB سهل الاستخدام، لذا أنا متردد بشأن شرائه. بالإضافة إلى ذلك، يمكن استخدامه لأشياء أخرى غير الذكاء الاصطناعي. يمكن فقط لبايثون استخدام شرائح الذكاء الاصطناعي المصممة من Google، ولا يمكن استخدامها مع MATLAB. لذلك، فإن التحويل إلى بايثون أمر ضروري على أي حال.
بايثون لديها صيغة لغوية غريبة أو عادات لغوية لا أراها كثيرًا في اللغات الأخرى، وهي ممتعة أو ربما غريبة بعض الشيء، ولكن نظرًا لأنها تدعم المصفوفات، فإن هذا يقلل من عيوب هذه الصيغة اللغوية الغريبة. على أي حال، أعتقد أنه مجرد مسألة تعود.
بالإضافة إلى ذلك، يجب استبدال الجزء الرئيسي الخاص بالذكاء الاصطناعي، ولكن هذا لم يتم بعد.

لقد قمت بتنفيذ تحليل انحدار العملية الغاوسية (Gaussian Process, GP) بلغة بايثون، وهو تحليل قمت بتنفيذه سابقًا باستخدام MATLAB. في MATLAB، كنت أتجاهل بعض المعلمات، ولكن يبدو أن النتائج تختلف بشكل كبير اعتمادًا على المعلمات، لذا قمت بتنفيذها باستخدام أبسط المعلمات. هذا ليس الموضوع الرئيسي، والموضوع الرئيسي هو الذكاء الاصطناعي، لذا يمكنني التوقف عند هذا الحد. لقد استخدمت هذا البرنامج لبضعة أيام، وأنا أعتاد تدريجيًا على بايثون.
النقطة الصعبة هي أن سرعة التنفيذ في بايثون أبطأ مقارنة بـ MATLAB، ويستغرق التحليل بضع ثوانٍ. بالتأكيد، MATLAB ممتازة. يبدو أن "بايثون بطيئة" هي القاعدة، ولكن نظرًا لأنني اشتريت مؤخرًا شريحة ذكاء اصطناعي، فمن المفترض أن يكون تحليل الذكاء الاصطناعي سريعًا باستخدام بايثون. الشريحة مخصصة للذكاء الاصطناعي، لذا من الطبيعي أن تكون العمليات الأخرى بطيئة.

■TensorFlow
اليوم، حاولت تطبيق الذكاء الاصطناعي باستخدام TensorFlow 2 و Python 3، ولكن معظم المعلومات المتاحة على الإنترنت تتعلق بـ TensorFlow 1، وهناك عدد قليل من الأمثلة المخصصة لـ TensorFlow 2. بعد بعض التجارب، تمكنت من الوصول إلى نموذج أولي، ولكن القيم التي يتم إخراجها تبدو غريبة، والإجابات ليست صحيحة. عندما كنت أستخدم MATLAB، كنت أستطيع إنجاز ذلك بسرعة في يوم واحد، ولكن يبدو أن هذا سيستغرق وقتًا أطول. بالتأكيد، MATLAB سهل الاستخدام لأنه منتج. أنا أيضًا بدأت في التعود على Python، لذلك أعتقد أنه يمكنني إنجاز ذلك، ولكن الأمر المزعج هو أن كل مكتبة لها قواعدها الخاصة وتحويلاتها، وهو أمر مرهق.
على أي حال، يبدو أن شريحة TPU الخاصة بـ Google التي اشتريتها تعمل بشكل أفضل عند استخدامها مع Raspberry Pi، لذلك أقوم بإعادة إعداد Raspberry Pi التي اشتريتها وتركها جانبًا. يبدو أنها ستكون مفيدة بطريقة غير متوقعة. لم يكن لدى Raspberry Pi علبة من قبل، ولكن بما أنني سأستخدمها لفترة طويلة، فقد اشتريت علبة. في البداية، عندما قمت بتشغيلها بعد فترة طويلة، لم تعمل، وعندما حاولت إخراج بطاقة Micro SD، انكسرت، لذلك اضطررت إلى شرائها. قمت أيضًا بإعادة إعداد نظام التشغيل. إنه أمر مزعج، ولكن لا يمكنني فعل أي شيء حيال ذلك.

■ محاكاة الأرباح والخسائر للمساهمين
محاكاة بسيطة لأرباح وخسائر المساهمين ورسمها بيانيًا.
الرسم البياني العلوي يمثل التغيرات الفعلية في سعر السهم والصيغة التقريبية. الرسم البياني الأوسط هو الذي تمت إضافته حديثًا، حيث أن القيم الأعلى من الصفر تمثل الأرباح والقيم الأقل تمثل الخسائر. إذا كان الرسم البياني أعلى من الصفر، فهذا يعني أنه في المتوسط، يحقق جميع المساهمين أرباحًا، وإذا كان أقل من الصفر، فهذا يعني أنه في المتوسط، يتكبد المساهمون خسائر. نظرًا لأننا لا نعرف من قام بالشراء والبيع، فإننا نفترض أن جميع المساهمين يقومون بالتعاملات في المتوسط، ولكن حتى مع هذا الافتراض، تظهر رسوم بيانية تبدو معقولة. إذا كان الرسم البياني أقل من الصفر، فهذا يعني أن الجميع يتكبدون خسائر، وإذا كان أعلى من الصفر، فهذا يعني أن الجميع يحققون أرباحًا.
من هذا، يمكننا أن نرى أن سعر السهم انخفض في الفترة التي تسبق وتلي نوفمبر 2018، مما أدى إلى زيادة عدد الأشخاص الذين يتكبدون خسائر، وأن الوضع قد استقر الآن. ومع ذلك، لا يمكن تحديد ما إذا كان يجب الشراء الآن أم لا بناءً على هذا. بل قد يكون هذا مؤشرًا يجب تجنب الشراء بناءً عليه. في أبريل 2018، لم يكن هناك تقلب كبير في سعر السهم، ولكن بعض الأشخاص حققوا أرباحًا من الارتداد، بخلاف ذلك، كان الخسائر هي الغالبة.
هذا ليس مدعومًا بالذكاء الاصطناعي أو التعلم الآلي، بل هو مجرد محاكاة. ومع ذلك، قد يكون هذا النوع من المحاكاة مفيدًا بشكل خفي.

■ محاكاة الأرباح المحتملة للمساهمين
تحليل إضافي. يتم محاكاة الأرباح المحتملة للمساهمين وعرضها في شكل رسم بياني. لقد أصبحت أقرب إلى الواقع تدريجياً.

باستخدام هذا الرسم البياني الجديد، يمكننا ملاحظة أشياء مثل:
■ على الرغم من أن سعر السهم قد ارتفع عدة مرات، إلا أن الأرباح المحتملة (المتوسطة لجميع المساهمين) لم ترتفع بشكل ملحوظ حتى النهاية (الجزء ①).
■ خلال الانهيار الأخير في سعر السهم (الجزء ②)، لم تنخفض الأرباح المحتملة بشكل كبير (الجزء ③). هذا يشير إلى أن هناك عمليات تحقيق أرباح جارية في الجزء العلوي.
■ خلال الانهيار الأخير في سعر السهم، زاد حجم التداول (الجزء ④)، وفي نفس الوقت، زادت الأرباح المحتملة (الجزء ⑤). هذا يعني أن المستثمرين الصغار ربما قاموا ببيع الأسهم، وقام كبار المستثمرين بشراءها للاستفادة من الارتداد.
أشياء لم تكن مرئية من قبل أصبحت واضحة الآن. التحليل ممتع.

الآن، سنقوم بتحليل هذا السهم. هذه الشركة، التي أثارت ضجة كبيرة في الأخبار، شهدت انخفاضًا حادًا في سعر السهم (1).
مع انخفاض سعر السهم، انخفضت أيضًا الأرباح المحتملة (المقدرة) بشكل مستمر (2). في النهاية، وصل السعر إلى القاع ثم ارتفع (3). على الرغم من أن الارتفاع أدى إلى زيادة الأرباح المحتملة (4)، إلا أنه في الوقت نفسه، أظهر أن خسائر المساهمين كانت سلبية (5. أي شيء أقل من الخط الأحمر المركزي يعتبر خسارة)، مما يشير إلى أن بعض المستثمرين، على الرغم من زيادة الأرباح المحتملة مؤقتًا أثناء الارتفاع، لم يتمكنوا من تحقيق الأرباح وقاموا في النهاية ببيع الأسهم بخسارة. هذا مجرد تحليل افتراضي.
لا يمكن القول أن هذا السهم الواحد يمثل كل شيء، ولكنه قد يشير إلى أن "احتمالية الخسارة أعلى من احتمالية الربح عند محاولة الاستفادة من الارتفاع". يظهر هذا الرسم البياني بوضوح أن معظم المساهمين يخسرون المال حتى عند حدوث الارتفاع.
بالنظر إلى هذا التحليل، قد يكون من الأفضل عدم الاستثمار في الأسهم التي تشهد انخفاضًا في الأسعار.
<هذا هو مجرد تفسيري الشخصي، وقد يختلف اختلافًا كبيرًا عن التفسيرات الشائعة. أنا لست خبيرًا في سوق الأسهم.>
■ المتوسط المتحرك
تمت إضافة إشارات البيع والشراء بناءً على موقع السعر فوق وتحت المتوسطات المتحركة (لفترة 9 أيام، و25 يومًا، و75 يومًا).
هذا التنفيذ هو نفسه الخوارزمية الموجودة في كتاب بعنوان "طرق قراءة واستخدام المتوسطات المتحركة".
الألوان الموجودة أعلى الإشارات تشير إلى ما يلي:
• اللون الأحمر الداكن يشير إلى إشارة شراء قوية.
• اللون الأخضر الداكن يشير إلى إشارة بيع قوية.
الألوان المتوسطة تشير إلى المراحل بينهما.

على الرغم من أنه يعتمد على الكتاب بشكل مباشر، إلا أنه إذا تم اتباع الإشارات فور ظهورها، فقد يؤدي ذلك إلى تحقيق بعض الأرباح.
الأساس مهم جدًا...

■MACD
يعرض MACD (MACD نفسه + متوسط MACD + الرسم البياني). بالإضافة إلى ذلك، يتم عرض المرحلة الحالية بتسمية. كما يتم إضافة خطوط للإشارة إلى متى تغيرت المرحلة.

■RCI
تمت إضافة مؤشر أسهم جديد يسمى RCI. في RCI العادي، يوجد خطان، قصير وطويل الأجل، ولكن تم إضافة رسم بياني (شريط عمودي) مشابه لإشارة MACD لتسهيل الرؤية (الأشرطة الخضراء الموجودة في منطقة RCI هي ذلك). من الغريب عدم وجود هذا العرض في أدوات الأسهم العادية، وهو أمر جيد للغاية.
بالإضافة إلى ذلك، نظرًا لأن مقارنة RCI و MACD معًا أمر مرهق، فقد تم إضافة علامة حمراء بينهما عندما يكون كلاهما موجبًا، وعلامة خضراء عندما يكون كلاهما سالبًا، لتسهيل عرض الإشارات.
عند النظر إلى ذلك، يمكن مقارنة إشارة المتوسط المتحرك (فوق RCI) مع الإشارة التي تمت إضافتها حديثًا (الإشارة الموجودة بين RCI و MACD)، وهو أمر مثير للاهتمام.
هذا يعني أن هناك اختلافًا بين التحليل طويل الأجل والتحليل قصير الأجل. إنه أمر مثير للاهتمام حقًا. يبدو أن الإشارة التي تمت إضافتها اليوم يمكن استخدامها إلى حد ما.

■ رسم بياني لحركة الأسعار على المدى القصير
يتم رسم حركة الأسعار على المدى القصير فقط عن طريق طرح قيمة المتوسط المتحرك (الاتجاه) من سعر السهم الأصلي. هذا يجعل من السهل رؤية حركة الأسعار على المدى القصير دون التأثر بالاتجاه.
(يختلف الرسم البياني حسب عدد الأيام المستخدمة في المتوسط المتحرك، لذلك يتم تحديد الأرقام التي تتراصف تقريبًا بشكل مستقيم تلقائيًا وعرضها.)
هذا مثال على رسم بياني يوضح الفرق بين سعر السهم الأصلي وقيمة المتوسط المتحرك لـ 89 يومًا.
في الأصل، كنت أقوم بتحليل السلاسل الزمنية، ولكن بعد إجراء التحليل، لم تظهر خصائص دورية جيدة جدًا، لذلك قمت فقط بعرض الرسم البياني الذي تم الحصول عليه في هذه المرحلة. هذا الرسم البياني قد يكون مفيدًا بشكل غير متوقع.

■ قواعد دون تشانز
تم تحويل "قواعد دون تشانز" المعروفة بـ "إذا تجاوز السعر الأعلى خلال أربعة أسابيع، قم بالشراء. إذا انخفض السعر الأدنى، قم بالبيع" إلى شكل مرئي، وتم تعديلها لعرض علامة إذا تجاوز السعر في اليوم الأخير قيمة العتبة. أصبح الأمر أسهل بكثير في القراءة.
على الرغم من وجود العديد من القواعد، إلا أنه من الضروري التحقق من أي منها فعال حقًا، وإلا فقد يصبح الأمر مرهقًا بسبب الإشارات الكثيرة، مما يجعل استخدامه أكثر صعوبة.
ربما سأقوم بإجراء محاكاة للتحقق من ذلك في المستقبل...

■المحاكاة
تقوم المحاكاة بعرض ما إذا كانت ستصل إلى زيادة أو نقصان بنسبة 5٪ أولاً، باستخدام اللون الأحمر أو الأخضر، بناءً على سعر الإغلاق في ذلك اليوم.
بهذه الطريقة، يصبح من الأسهل تحديد "أين من الأفضل الشراء" و "أين من الأفضل البيع".
يبدو أن ما إذا كانت الرسوم البيانية الشريطية (مدرجات التردد) لمؤشر RCI تظهر بشكل حاد أم لا يمكن استخدامها كإشارة.
بالمناسبة، هذه الشركة التي كنت مهتمًا بها مؤخرًا. إنها شركة كانت تعمل في الأصل في مجال تصميم الرقائق ثلاثية الأبعاد، وقد استحوذت على سلسلة متاجر التجميل المعروفة للجميع. قد يعرفها الأشخاص الذين يعرفونها، ولكن سعر سهمها غريب للغاية. لديها إيرادات قدرها 500 مليار ين، ولكنها تحقق خسارة تشغيلية، وقيمتها السوقية 3.4 مليار ين. على الرغم من أنها تحقق خسارة، إلا أن التدفق النقدي كبير، وتكلفة الاستحواذ (الفرق بين سعر الشراء والقيمة الدفترية) هي عبء على الحسابات لمدة 5 سنوات، ولكنها ستنتهي قريبًا، وهناك شعور بأنها ستتحسن في المستقبل. عندما تعود إلى تحقيق ربح قدره 50 مليار ين بإيرادات قدرها 500 مليار ين، فمن المستحيل أن تكون قيمتها السوقية 3.4 مليار ين، ويجب أن ترتفع على الأقل إلى مستوى الأرباح. عادةً ما تكون القيمة السوقية مساوية للإيرادات، لذلك يمكن أن تصل إلى 500 مليار ين كحد أقصى، مما يجعلها مرشحة محتملة لتحقيق مكاسب عشرية. حتى لو لم تصل إلى هذا الحد، فإن توقع تحقيق الربحية يمكن أن يؤدي إلى زيادة بنسبة مائة. ومع ذلك، هناك احتمال أن تنخفض بشكل كبير بسبب عمليات شراء كبيرة. نظرًا لأن سعر السهم غريب بالفعل، فلن أندهش إذا انخفض إلى النصف مرة أخرى. في الواقع، كنت أراقبها منذ نهاية مارس، ولقد دخلت وخارجت منها عدة مرات، ولكن الانخفاض بعد المكافآت (قسائم التجميل) في نهاية مارس كان سيئًا للغاية (ضحك). علاوة على ذلك، جاءت عمليات بيع كبيرة أدت إلى انخفاض بنسبة 10٪ في وقت واحد. قد تنخفض مرة أخرى من هنا، ولكن سيكون هناك تقرير أرباح كامل الشهر المقبل، كما أن شركات التجميل هي شركات تحظى بشعبية كبيرة بين النساء في الصيف (لأنها تكشف عن الجلد، لذلك يرغبن في الذهاب إلى صالونات التجميل). هذه شركة مثيرة للاهتمام للستة أشهر القادمة.
→ ولكن بعد البحث، تبين أن الإيرادات تبدو وكأنها مجرد تلاعب محاسبي. يبدو أن الأداء مشبوه بعض الشيء.

■ لمواكبة ما يعادل برنامج Matlab
تنفيذ الذكاء الاصطناعي (التعلم العميق) باستخدام Python + TensorFlow (الإصدار 2).
إنه إجراء مشابه لما كنت أقوم به باستخدام برنامج Matlab.
النقطة الخضراء الموجودة في منتصف اليمين في الرسم البياني تمثل سعر السهم المستقبلي المتوقع بواسطة الذكاء الاصطناعي.
النتائج متشابهة إلى حد ما مع برنامج Matlab، لذا فإن الأساس هو نفسه.
في البداية، كان من الصعب إتقان أسلوب الكتابة الخاص بـ TensorFlow (الإصدار 2)، مما جعل عملية الإنشاء صعبة بعض الشيء، ولكن بعد العثور على أمثلة، أصبح من السهل إنشاء البرنامج.
لا يزال لم يتم استخدام شريحة Google TPU، وعند التشغيل على وحدة المعالجة المركزية (CPU) الخاصة بجهاز Mac، فإنه بطيء للغاية.
أتساءل إلى أي مدى يمكن أن يكون أسرع عند استخدام شريحة Google TPU. سأناقش ذلك في وقت لاحق.
هذا مثال بسيط، ولكن هل يمكنني الآن أن أعتبر نفسي جزءًا من مجتمع مهندسي الذكاء الاصطناعي؟ (ضحك).

■تداول العملات الأجنبية (FX)
تم تعديل البرنامج ليتضمن توقعات أسعار الأسهم مع الأخذ في الاعتبار سوق تداول العملات الأجنبية (بالدولار الأمريكي). حتى الأمس، كان البرنامج يعتمد فقط على سعر سهم الشركة المعنية (متغير واحد)، ولكن الآن أصبح يعتمد على سعر السهم وسعر صرف الدولار الأمريكي (متغيران).
ومع ذلك، من النظرة الأولى، لا يبدو أن هناك فرقًا كبيرًا في النتائج... يبدو أن هناك حاجة إلى مزيد من التحقق. ربما لا توجد علاقة ارتباط قوية. قد يكون هذا صحيحًا بالنسبة للشركات الكبيرة المدرجة في بورصة طوكيو. سأضيف بعض العوامل الأخرى أيضًا.

بالتالي، يتم التحليل باستخدام ثلاثة متغيرات: "سعر السهم، وحجم التداول، وسعر صرف الدولار الأمريكي (FX)".
بما أننا قادرون على تحويل متغير واحد إلى متغيرين، فإن إضافة متغير ثالث أمر سريع.
على أي حال، المظهر لا يختلف كثيرًا.
ما هي دقة النتائج؟
هل يجب أن نضيف مؤشرًا مثل مؤشر داو جونز؟



■جوجل تي بي يو (Google TPU) غير متوافق مع LSTM.
لقد حاولت تشغيل شريحة جوجل تي بي يو (USB) على جهاز Raspberry Pi، ولكن تبين أنها غير متوافقة مع LSTM (RNN) التي أريد استخدامها، وأنها تدعم فقط التصنيف (classification) وما إلى ذلك. أشعر بالإحباط، ولكنني تعلمت شيئًا، لذا أعتقد أنه لا بأس. هذا هو السبب في أن الشريحة رخيصة. من المدهش أن شركة مثل جوجل تبيع حتى هذه الألعاب غير المكتملة. يبدو أنها جيدة للاستخدامات المحددة مثل التعرف على الحركة.

لقد اضطررت إلى الانتظار لمدة 30 دقيقة أو حتى ساعة فقط لإدخال مكتبات TensorFlow. جهاز Raspberry Pi بطيء للغاية.
افتراضيًا، كان يستخدم إصدار TensorFlow 1، وكان من الضروري بناء الإصدار 2 من المصدر، لذلك حاولت إنشاء بيئة بناء، ولكن استغرق بناء أداة تسمى Bazel أكثر من 24 ساعة، وفي النهاية اتضح أن أحدث إصدار من Bazel غير مدعوم، لذلك اضطررت إلى إعادة بناء Bazel القديم، وهو أمر مرهق. على الرغم من ذلك، لم يعمل TensorFlow الإصدار 2 بشكل صحيح. يا له من إحباط. نظرًا لأنني فشلت في نظام التشغيل القياسي لـ Raspberry Pi، فقد قمت بتغييره إلى Ubuntu وحاولت مرة أخرى، ولكن النتيجة كانت هي نفسها. على الرغم من أنني قمت بذلك مرتين، إلا أنني عدت إلى نظام التشغيل الأصلي.
نظرًا لأن وحدة المعالجة المركزية (CPU) في Raspberry Pi هي Arm، فإن المكتبات وحاويات Docker التي تأتي مع جوجل تي بي يو (Google TPU) بشكل افتراضي لا تعمل مباشرة، ويقتصر الأمر على تلك المخصصة لـ Raspberry Pi، مما يجعل الأمر غير مريح.
كان إصدار Python القياسي هو الإصدار 3.5، لذلك قمت أولاً ببناء الإصدار 3.7 من المصدر، ولكن نظرًا لأنه يبدو أنه خارج النطاق المدعوم لـ TensorFlow، فقد قمت بتثبيت الإصدار 3.6، ولكن لم يكن هناك فرق كبير، لذلك عدت إلى الإصدار 3.5 القياسي.
ظننت أن المشكلة قد تكون في المكتبات، لذلك قمت ببناء بعضها من المصدر، ولكنها لم تعمل على أي حال.
في النهاية، توصلت إلى استنتاج مفاده أنه عند استخدام TensorFlow عبر Keras، لا يوجد فرق كبير بين الإصدارين 1 و 2، وقد تأكدت من أن كلا الإصدارين يعملان على جهاز Mac.
* جوجل تي بي يو (Google TPU) لا تدعم "التدريب من البداية" بنفسها، بل تدعم فقط "إعادة التدريب"، وقد اكتشفت أنه يجب عليك إنشاء نموذج على وحدة المعالجة المركزية (CPU) ثم تطبيق تحويل خاص، ثم إجراء تحويل آخر على الصفحة السحابية، وبعد ذلك فقط يمكن استخدامه، ولكن هذا التحويل لا يدعم LSTM/RNN التي أريد استخدامها. يا له من إحباط.

الآن، يجب أن أقرر ما إذا كنت سأشتري جهاز كمبيوتر رخيص ومجموعة NVIDIA GPU، أو إذا كنت سأتحمل الوضع الحالي.

■إنشاء موقع لتحليل أسعار الأسهم بالذكاء الاصطناعي
https://kabu2u.com
https://kabu2u.com
لقد قمت بتحديث موقع لتحليل أسعار الأسهم باستخدام الذكاء الاصطناعي، وهو بسيط. سأقوم تدريجياً بإضافة أسهم ذات تقلبات عالية. لا أعرف إلى أي مدى يجب أن أكون مفصلاً، لذا سأقوم حاليًا بنشر البيانات القديمة التي مرت عليها أسبوعان بعد التحليل فقط. لن أقوم بنشر التوقعات المستقبلية حتى الآن، لأنني لا أريد التعامل مع الشكاوى إذا تم نشر التوقعات المستقبلية. ربما يمكنني جعل التوقعات المستقبلية مدفوعة في المستقبل إذا تحسنت الدقة. على أي حال، الدقة ليست جيدة بما فيه الكفاية حتى الآن، لذا أعتقد أن هذا هو أفضل بداية.

■تحليل موجات إيليوت
أحاول تحليل موجات إيليوت. (ابحث عن "موجات إيليوت" على الإنترنت لمعرفة ما هي).
حاولت جعل النظام يحدد أي موجة من الموجات هو الموجة التالية بناءً على الرسم البياني الفعلي، لكن يبدو أنه من الصعب جدًا، لذا فقد غيرت النهج.
أفكر في محاكاة موجات إيليوت، ثم جعل الذكاء الاصطناعي يتعلم نتائج المحاكاة قبل التنبؤ.
أولاً، قمت بتمثيل رسومي بيانيًا عن طريق تبديل إضافة وطرح أرقام متتالية من سلسلة فيبوناتشي، كما هو موضح في الرسم الموجود في الزاوية العلوية اليسرى، ولكن نظرًا لأن هذا الرسم ينتج عنه قيم سالبة (لا يمكن أن تكون أسعار الأسهم سالبة)، فقد قمت برفع الرسم البياني خطيًا لجعله إيجابيًا بشكل عام، كما هو موضح في الرسم الموجود في الزاوية العلوية اليمنى. أوه. يبدو أن هناك شيئًا ما مختلفًا. بالإضافة إلى الرفع الخطي، قمت برفع الرسم البياني باستخدام منحنى تربيعي، كما هو موضح في الرسم الموجود في الزاوية السفلية اليسرى. هذا يبدو جيدًا إلى حد ما، لكنه يبدو مختلفًا. ومع ذلك، نظرًا لأن أسعار الأسهم الحقيقية تتحرك بطرق غامضة، فقد يكون هذا كافيًا.
على أي حال، لقد تمكنت من رسم الرسم البياني، لذا سأستخدمه لإنشاء أسعار أسهم وهمية، ثم أقوم بتحليلها باستخدام الذكاء الاصطناعي. الرسم البياني الناتج هو الرسم الموجود في الزاوية السفلية اليمنى.
لقد نجحت في تعليم الذكاء الاصطناعي، ولكن لا يزال يتعين علينا معرفة مدى دقة التوقعات الفعلية التي يمكن الحصول عليها.



■ بناء جهاز كمبيوتر مخصص لتحليل الذكاء الاصطناعي
لقد قمت بتثبيت نظام Ubuntu Linux على جهاز الكمبيوتر المحمول (جهاز كمبيوتر ثانوي). كان نظام Windows مثبتًا عليه في الأصل، ولكن نظرًا لأنه كان يتوقف عن العمل كل بضع ساعات أثناء تشغيل تحليل الذكاء الاصطناعي، مما أدى إلى توقف التحليل، فقد قمت بتثبيت Ubuntu Linux، وقد أصبح الأمر مريحًا للغاية. يبدو أن العصر الذي تتفوق فيه راحة نظام Linux على نظام Windows قد بدأ. أحدث إصدارات Windows غير مستقرة وبطيئة، ويبدو أنني أقوم بخنق نفسي بنفسي. نظرًا لأنني أحتاج إلى برامج Microsoft Office مثل Word و Excel، فسأظل بحاجة إلى نظام Windows، ولكن بخلاف ذلك، يبدو أننا نتحرك نحو عصر لم نعد بحاجة إلى نظام Windows. إذا قمنا ببناء شيء جديد الآن، فإذا جعلناه يعتمد على الويب بشكل أساسي وتجنبنا الحاجة إلى Word و Excel و PowerPoint، فقد نتمكن من التخلص من الحاجة إلى نظام Windows. أنا أحب Microsoft بشكل عام، ولكن حتى أنا كنت أعاني من عدم استقرار أحدث إصدارات Windows. بالإضافة إلى ذلك، فإن سرعة التنفيذ أسرع على نظام Linux. كما تمكنت من استخدام شريحة Google TPU (USB) بشكل طبيعي.

■ يتم استخراج وتحليل الميزات:
نقوم باستخراج وتحليل الميزات التي قد تكون ذات صلة بما يفكر فيه الناس. تعتمد الدقة على السهم، ولكن في بعض الأحيان نحقق نتائج جيدة.
نظرًا لأن التعلم العميق يحاكي في النهاية حركة الخلايا العصبية في الدماغ، فإن إدخال الميزات المفككة مسبقًا يمكن أن يحسن الدقة، وهو أمر منطقي. ومع ذلك، إذا أصبحنا متخصصين جدًا في هذه الميزات، فإن الدقة تنخفض بشكل كبير في الأسهم التي لا علاقة لها بهذه الميزات. تحليل الأسهم صعب بطبيعته، لذلك ربما يجب أن نعتبر أي شرط يمكن استخدامه أمرًا جيدًا.
إذا كانت هذه الميزات ذات معنى، فإن أخطاء التعلم العميق ستنخفض تدريجيًا وستتقارب. ومع ذلك، إذا لم تتقارب، فقد يكون هناك خطأ في قيم الميزات، أو ربما تكون هذه الميزات غير ذات معنى (!). هذا الإدراك هو اكتشاف جديد، وقد يكشف التعلم العمقي عن أن نظرية كانت تعتبر "بديهية" في عالم الأسهم هي في الواقع غير ذات معنى. على سبيل المثال، يقال إن تقاطع المتوسط المتحرك قصير الأجل مع المتوسط المتحرك طويل الأجل هو إشارة شراء (يُعرف باسم "التقاطع الذهبي")، ويقال الشيء نفسه عن تقاطع MACD. ومع ذلك، قد لا يكون هناك معنى فعلي (!) في ذلك، وهذا هو نتيجة تحليل التعلم العميق "المحتمل". سأكمل لاحقًا غدًا.

■ تتبع الاتجاهات
نظرًا لأن التحليل الفني يبدو غير دقيق، فقد قمت بتطوير نظام ذكاء اصطناعي يركز ببساطة على تتبع الاتجاهات. من الطبيعي أن يكون هذا النظام ضعيفًا في مواجهة الانخفاضات أو الارتفاعات الحادة، ولكن فيما يتعلق بتتبع الاتجاهات، فقد حصلت على نتائج جيدة نسبيًا مقارنة بما كان عليه الحال من قبل. الخط الأحمر السميك يمثل توقعات الذكاء الاصطناعي. ربما هذا النوع من الاستخدام هو الأنسب لهذا النظام، لأنه نظام آلي. حتى لو كان تتبع الاتجاهات أمرًا مملًا بالنسبة للبشر، يمكننا ببساطة أن نجعل الآلة تقوم بهذه المهمة بشكل روتيني.

في التحليل الفني، قمت بمعالجة قيم الإدخال وتجربة طرق مختلفة، ولكن هذا النظام الذي يتبع الاتجاهات بسيط جدًا من الناحية الخوارزمية. ومع ذلك، إذا كانت مجموعة المعلمات غير مناسبة، فقد لا يعمل بشكل صحيح. ربما المشكلة التي تتطلب خوارزمية بسيطة ولكن من الصعب العثور على نقطة التحسين المثالية هي بالضبط ما يناسب التعلم العميق.

■نسخة أولية لموقع توقعات أسعار الأسهم بالذكاء الاصطناعي
توقعات أسعار الأسهم - https://kabu2u.com
https://kabu2u.com
اكتملت النسخة الأولية. يمكن مراجعة النموذج واستخدام المزيد من القدرة الحاسوبية لإجراء تحليل أعمق، ولكن بالنظر إلى التكلفة والفعالية، يبدو أن هذا هو مستوى جيد كحد أقصى للإصدار الحالي. لا تزال هناك العديد من الأفكار التي يمكن تجربتها، ولكن هذا يكفي في الوقت الحالي. بدأت باستخدام برنامج Matlab في منتصف شهر مارس، ثم انتقلت إلى Python+Tensorflow، وبعد شهرين ونصف، أعتقد أن النتيجة جيدة إلى حد ما. شهر واحد تم استخدامه للتجارب المختلفة. والشهر والنصف الآخر تم استخدامه لتطوير الموقع وإجراء تعديلات مختلفة. لا تزال الدقة تحتاج إلى تحسين، ولكن التحليل يتم حاليًا مع إعطاء الأولوية للوقت ويتم إيقافه في منتصف الطريق، لذلك سنرى إلى أي مدى يمكن تحسين الدقة مع مرور الوقت. سيتم إجراء تعديلات قد تستغرق وقتًا طويلاً، مثل زيادة حجم النموذج إذا كانت الدقة غير كافية، ولكن الأساسيات قد اكتملت. نظرًا لأن العرض بسيط للغاية في الوقت الحالي، فسيتم إضافة بعض العناصر تدريجيًا.

■إضافة خطوط الدعم
تمت إضافة خطوط الدعم بافتراض الشراء بسعر الافتتاح في اليوم التالي لليوم المتوقع. أصبح الأمر أكثر سهولة في القراءة.

■الشموع اليابانية
تم تغيير الرسم البياني الخطي للأسعار إلى شموع يابانية عادية. أعتقد أنه لا يمكن أن يكون "مثل ذلك" إلا بهذه الطريقة.



■ تداول الهواء (Air Trade)
لقد قمت بتضمين تداول الهواء. إذا نظرت إلى هذا، فمن المفترض أن أحقق المزيد من الأرباح، ولكن ربما لا أحقق نتائج جيدة لأنني لا أستطيع التداول بشكل آلي وأدخل مشاعري.

■ مراجعة الخوارزمية
مراجعة خوارزمية تداول الهواء. تم نشر نتائج تداول الهواء لجميع الأسهم على الصفحة الرئيسية.

■ تداول الهواء باستخدام نظام "الطلب المثالي"
لقد جربت تداول الهواء بناءً على الخطوط القصيرة والمتوسطة والطويلة، وهو ما يسمى بشكل عام بنظام "الطلب المثالي"، وكانت النتائج سيئة. ربما يكون هذا بسبب الوضع الحالي للسوق، أو ربما يكون الأمر مشابهًا للتحليل الفني، وهو مجرد سبب لاحق، وقد يكون مجرد أسطورة حضرية.
متوسط الربح والخسارة +0.5%، التراكم +0.6%.

■ مقارنة الخوارزميات
مقارنة محاكاة خوارزميتين: الأولى هي الخوارزمية التي تشتري عندما يكون السعر الأولي في اليوم التالي أقل بنسبة مئوية معينة من سعر الإغلاق في اليوم السابق، بناءً على توقعات الذكاء الاصطناعي التي تشير إلى اتجاه صعودي. والثانية هي الخوارزمية التي تشتري إذا كان السعر الأولي في اليوم التالي أعلى أو يساوي سعر الإغلاق في اليوم السابق. من وجهة نظر إنسانية، قد يبدو أن الخوارزمية الأولى، التي "تشتري بسعر أرخص"، تحقق أداءً أفضل، ولكن في الواقع، الخوارزمية الثانية تحقق الفوز. نظرًا لأن أسعار الأسهم تميل إلى الاستمرار في الارتفاع إذا ارتفعت، أو الاستمرار في الانخفاض إذا انخفضت، فإن هذه النتيجة مفهومة.
متوسط الربح والخسارة لكلتا الخوارزميتين هو +2.0% و +0.9%، لذلك قد يكون هذا مجرد هامش خطأ.

■ خطأ في حساب تداول الهواء
كان هناك خطأ في حساب تداول الهواء. نعم. يبدو أنني كنت أعتقد أن النتائج كانت جيدة جدًا. النتائج الجديدة هي كما يلي: حوالي ناقص 1%.
على الرغم من أن الوضع الحالي للسوق سيئ للغاية منذ بداية العام، إلا أن تحقيق ربح أو خسارة بنسبة -1% يمكن اعتباره جهدًا جيدًا. آمل أن يتحول إلى ربح عندما يتحسن الوضع الحالي للسوق.

تداول الهواء 1 [متوسط جميع الأسهم المستهدفة] الربح والخسارة: +0.1% (متوسط مرجح، مع التركيز على الفترة الأخيرة) -0.1% (متوسط، على مدى الفترة بأكملها) التراكم -1.3% (على مدى الفترة بأكملها).
تداول الهواء 2 [متوسط جميع الأسهم المستهدفة] الربح والخسارة: -0.8% (متوسط مرجح، مع التركيز على الفترة الأخيرة) -0.7% (متوسط، على مدى الفترة بأكملها) التراكم -1.5% (على مدى الفترة بأكملها).
تداول الهواء 3 [متوسط جميع الأسهم المستهدفة] الربح والخسارة: -0.8% (متوسط مرجح، مع التركيز على الفترة الأخيرة) -0.7% (متوسط، على مدى الفترة بأكملها) التراكم -1.6% (على مدى الفترة بأكملها).
تداول الهواء 4 [متوسط جميع الأسهم المستهدفة] الربح والخسارة: -0.8% (متوسط مرجح، مع التركيز على الفترة الأخيرة) -0.7% (متوسط، على مدى الفترة بأكملها) التراكم -2.2% (على مدى الفترة بأكملها).
تداول الهواء 5 [متوسط جميع الأسهم المستهدفة] الربح والخسارة: -0.1% (متوسط مرجح، مع التركيز على الفترة الأخيرة) -0.1% (متوسط، على مدى الفترة بأكملها) التراكم -0.8% (على مدى الفترة بأكملها).

■ لا يزال الوضع الحالي للسوق مهمًا
نظرًا لأن الوضع الحالي للسوق كان جيدًا اليوم، فقد تعافى إلى مستوى إيجابي. يجب تعديله بحيث يصبح إيجابيًا بغض النظر عن الوضع الحالي للسوق.

"إير ترييد 1 [متوسط جميع الأسهم المستهدفة]: الربح والخسارة: +0.5% (متوسط مرجح، مع التركيز على الفترة الأخيرة) +0.1% (متوسط، على مدى الفترة بأكملها) التراكم: -0.0% (على مدى الفترة بأكملها).
إير ترييد 2 [متوسط جميع الأسهم المستهدفة]: الربح والخسارة: +0.4% (متوسط مرجح، مع التركيز على الفترة الأخيرة) +0.2% (متوسط، على مدى الفترة بأكملها) التراكم: -0.1% (على مدى الفترة بأكملها).
إير ترييد 3 [متوسط جميع الأسهم المستهدفة]: الربح والخسارة: +0.1% (متوسط مرجح، مع التركيز على الفترة الأخيرة) -0.0% (متوسط، على مدى الفترة بأكملها) التراكم: -0.5% (على مدى الفترة بأكملها).
إير ترييد 4 [متوسط جميع الأسهم المستهدفة]: الربح والخسارة: +0.4% (متوسط مرجح، مع التركيز على الفترة الأخيرة) +0.2% (متوسط، على مدى الفترة بأكملها) التراكم: -0.0% (على مدى الفترة بأكملها).
إير ترييد 5 [متوسط جميع الأسهم المستهدفة]: الربح والخسارة: -0.3% (متوسط مرجح، مع التركيز على الفترة الأخيرة) -0.4% (متوسط، على مدى الفترة بأكملها) التراكم: -1.4% (على مدى الفترة بأكملها).

■ الذكاء الاصطناعي لا يزال صندوقًا أسود.
لقد بدأت ألاحظ بعض التوقعات التي تبدو منطقية، ولكن في بعض الأحيان تظهر نتائج غريبة. حتى عندما أعتقد أنا (بصفتي إنسانًا) أن هناك خطأ ما، فإن الأسعار الفعلية للأسهم تكون أكثر صعوبة في الفهم، لذلك يمكن القول إنها تتجاوز حدود الفهم. المشكلة الرئيسية في الذكاء الاصطناعي والتعلم العميق هي أن النتائج الوسيطة غير معروفة، مما يجعل من الصعب شرح سبب ظهور نتائج معينة. على الرغم من وجود منطق أساسي، إلا أنه من الصعب شرحه بالتفصيل. لذلك، من المهم مقارنة النتائج مع الواقع لمعرفة ما إذا كانت صحيحة أم لا. يبدو أن هناك إشارة إلى الاتجاه الصعودي أو الهبوطي، ولكن التوقيت ("متى" سترتفع أو "متى" ستنخفض) ضعيف. هل من الأفضل الاعتماد على نتائج الذكاء الاصطناعي لتحديد الاتجاه، ثم يقوم الإنسان بضبط التوقيت؟

على الرغم من ذلك، عندما تقوم بإنشاء شيء ما، غالبًا ما يظهر أشخاص يحاولون سرقة الإنجازات أو يطالبون بحصة من الإنجازات، أو يجدون عيوبًا ويحاولون التقليل من مساهمتي، مثل الحشرات. من الجيد أن أعمل بمفردي، حيث لا يوجد أحد آخر، ولا أعتمد على أي شخص من خلال الاستعانة بمصادر خارجية، لذلك من الواضح أن كل شيء قمت به هو من صنع يدي، ولا يوجد أشخاص يحاولون إفساد الأمور أو سرقة الإنجازات أو المطالبة بحصة. في الشركات، غالبًا ما يكون العمل الذي يقوم به شخص واحد أقل قيمة من العمل الذي يقوم به عشرة أشخاص، حتى لو كان العمل نفسه هو نفسه. من حيث التكلفة والفعالية، فإن العمل الذي يقوم به شخص واحد له فعالية أكبر بعشر مرات، ولكن يتم تقييم العمل الذي يقوم به عشرة أشخاص بنفس القدر. قد لا يفهم رؤساء الشركات الذين لا يعرفون تكنولوجيا المعلومات هذا التناقض. نظرًا لأنهم لا يفهمون تكنولوجيا المعلومات، فإنهم يميلون إلى الاعتقاد بسهولة بالأشخاص الذين يقدمون وعودًا كبيرة أو يبدون واثقين. نظرًا لأنهم لا يفهمون تكنولوجيا المعلومات، فإنهم يحكمون على أساس عدد الأشخاص بدلاً من النتائج. قد تترك مثل هذه الشركات العالم وتتخلف عن الركب في المنافسة. من غير المرجح أن يبقى متخصصو تكنولوجيا المعلومات في مثل هذه الشركات لفترة طويلة. آمل ألا تكون كل الشركات على هذا النحو. في النهاية، يبدو أن المسؤولين يحكمون على أساس عدد الأشخاص بدلاً من فهم التكنولوجيا أو النتائج. لا تزال صناعة تكنولوجيا المعلومات مجتمعًا يعتمد على "الأشخاص الشهر"، وتطوير المشاريع هو عالم حيث يكون من الأفضل إحداث ضجة كبيرة وإظهار "طقوس" باهظة للعملاء الذين لديهم أموال، حتى لو لم يكن ذلك فعالًا. من المستحيل الحصول على أموال مقابل النتائج. لهذا السبب، لا أحب تطوير المشاريع، وأثق فقط في الشركات أو الأفراد الذين يستخدمون تكنولوجيا المعلومات لأغراضهم الخاصة. حسنًا، ربما تكون صناعة تكنولوجيا المعلومات، التي تبدو عديمة الفائدة، ضرورية للحفاظ على وظائف عدد كبير من الأشخاص.



■ مراقبة تداولات الهواء.
متوسط أداء تداولات الهواء رقم 4 الأخير ارتفع إلى +4.3%. عدد الأسهم التي تتم مراقبتها تجاوز 300. قد يكون هذا مجرد هامش خطأ أو نتيجة للحظ الجيد، لذلك لا يزال الأمر قيد المراقبة.
تدريب نماذج الذكاء الاصطناعي مستمر بالتأكيد. نقوم بتعديل التفاصيل الصغيرة تدريجياً كل يوم.

■ ٥ انتصارات و ١ خسارة.
بناءً على نتائج التحليل التي أجريناها في الأيام الأخيرة، كانت عمليات التداول الافتراضية (air trade) تتضمن ٥ انتصارات و ١ خسارة. هذا ليس سيئًا.
بما أن هذه كانت عمليات تداول افتراضية، فلم نقم بالشراء فعليًا.

في نفس اليوم، كان الوضع أكثر جنونًا. واو. إنه طائرة "إير تري".

■التعرف الضوئي على الحروف (OCR)
أنا لا أشتريها، ولكن شركة Sansan تبدو وكأنها ستصبح شركة ناشئة أسطورية. إنها شركة مدرجة تحقق خسائر، ولديها إيرادات ضئيلة، ولكن قيمتها السوقية تبلغ 1200 مليون ين، وهو أمر غير مفهوم.
حساب بسيط للعائد على توزيعات أرباح شركة Sansan بناءً على افتراضات متفائلة. هذا صحيح فقط إذا نمت الشركة حقًا كما يقول الرئيس. إذا دخلت في عصر "السن نو" مثل المدفوعات عبر الهاتف المحمول، فمن المؤكد أنها ستصل إلى مستوى سعر سهم منخفض باستمرار. من الناحية التقنية، يمكن تقليدها بسهولة، والأمر يتعلق فقط بالتسويق. الأمر متروك للشركات الكبرى لترى كيف ستتصرف. بعد رؤية هذا معدل الربح، قد أرغب في الاستثمار فيها.

Sansan تقوم فقط بمسح بطاقات العمل ضوئيًا وقراءتها. هل يمكن تحقيق أرباح كبيرة من خلال هذا؟ يبدو الأمر مشابهًا لـ Amazon، حيث أن السيطرة على السوق من خلال التسويق هي المفتاح لتحقيق أرباح كبيرة. ربما سأجرب إنشاء تطبيق لمسح النصوص باستخدام الذكاء الاصطناعي. فكرة إنشاء تطبيق "متوافق مع Sansan" لسرقة العملاء بالكامل (ضحك) قد تكون مبالغة. على أي حال، سأقوم بإنشاء تطبيق يمكنه استنتاج سلسلة الأحرف من الخطوط في الصور.

على أي حال، عندما بحثت عن مقالات حول Sansan، وجدت أن "الدقة بنسبة 100٪ مطلوبة للانتشار" هي حقيقة يابانية. يبدو الأمر معقدًا بشكل غير متوقع. ربما هذا ما يميزه، ولكن أعتقد أن الأشخاص في جميع أنحاء العالم قد لا يطلبون هذا المستوى من الدقة.
في الأساس، قد تختفي بطاقات العمل.

أعتقد أنني سأجرب نظام OCR مفتوح المصدر من Google في وقت لاحق.

■ لاحقًا
لقد استمرت في تدريب نماذج الذكاء الاصطناعي كل يوم، مع إجراء تعديلات دقيقة، والموقع لا يزال قيد التشغيل. لا يمكنني التغلب على الظروف الاقتصادية السيئة، لذا فإن الأداء التشغيلي ليس جيدًا. إذا كانت الظروف الاقتصادية جيدة، فسيكون الأداء حوالي 1٪، ولكن إذا كانت الظروف الاقتصادية سيئة، فسيكون سلبيًا. ربما يجب أن أستخدمه فقط عندما تكون الظروف الاقتصادية جيدة. من الصعب استخدامه كما هو، ولكن بما أن فحص جميع الأسهم بنفسي أمر صعب، فقد يكون من الممكن استخدامه كطريقة لتقليل نطاق الفحص.

المدة الزمنية للإعداد:
منتصف مارس 2019: تم تنزيل Matlab وبدء التجارب.
أوائل أبريل: أول تجربة لـ Python.
نهاية أبريل: تم الانتهاء من الإصدار الأولي لموقع تحليل الذكاء الاصطناعي.
نهاية مايو: تم الانتهاء من موقع تحليل الذكاء الاصطناعي تقريبًا.
بعد ذلك، يتم تدريب النموذج باستمرار على جهاز كمبيوتر مخصص، ويتم إجراء تعديلات بشكل مستمر.