رابطه مستقیم معیارهای رگرسیون و سودآوری در معاملات سهام

صفر دلار یا سقوط کامل مالی؛ مرز بسیار باریکی است که تنها با انتخاب یک معیار رگرسیون توسط یک معامله‌گر تعیین می‌شود. برای پل زدن بر این شکاف، پلتفرم PixelBank در تاریخ ۴ جولای ۲۰۲۶، راهنمای فنی جامعی را منتشر کرد که ریاضیات انتزاعی ارزیابی مدل را به واقعیت عینی و سخت پیش‌بینی قیمت سهام گره می‌زند.

ارزیابی مقادیر پیوسته — مانند قیمت یک سهم در بازار یا دمای یک شهر — به ابزارهای متفاوتی نسبت به طبقه‌بندی (Classification) ساده نیاز دارد. اکثر توسعه‌دهندگان در انتخاب معیار درست دچار مشکل می‌شوند، زیرا «بهترین» معیار کاملاً به توزیع داده‌ها و هزینه ناشی از یک داده‌ی پرت (Outlier) وابسته است. برای مثال، در پیش‌بینی‌های مالی، یک خطای واحد اما عظیم در پیش‌بینی قیمت می‌تواند مستقیماً به تصمیمات سرمایه‌گذاری فاجعه‌بار و ورشکستگی منجر شود. به همین ترتیب، در مدل‌سازی‌های اقلیمی، یک پیش‌بینی نادرست از دما می‌تواند مستقیماً بر تخصیص منابع حیاتی و تصمیمات استراتژیک سیاست‌گذاری اثر بگذارد.

زمینه ارزیابی رگرسیون

معیارهای رگرسیون (Regression) — شبیه به خط‌کش‌های دقیقی هستند که فاصله بین حدس مدل و واقعیت را اندازه می‌گیرند — به عنوان راهنمایی حیاتی در کل چرخه حیات یادگیری ماشین عمل می‌کنند. این معیارها صرفاً برای گزارش‌دهی نهایی نیستند، بلکه ابزاری ضروری برای انتخاب مدل مناسب و تنظیم دقیق ابرپارامترها (Hyperparameters) محسوب می‌شوند. مدل‌ها با مقایسه پیش‌بینی‌ها در برابر نتایج واقعی، تعیین می‌کنند که تا چه اندازه در پیش‌بینی مقادیر پیوسته موفق بوده‌اند.

اهمیت این معیارها در اثرات دنیوی و واقعی پیش‌بینی‌ها نهفته است. چه هدف شما پیش‌بینی قیمت یک دارایی باشد، چه تخمین دما یا محاسبه یک احتمال، معیار انتخابی شماست که تعیین می‌کند کیفیت مدل چگونه سنجیده شود. این امر باعث می‌شود فرآیند انتخاب معیار، به یک تصمیم راهبردی تبدیل شود که بر اساس ویژگی‌های خاص مسئله و ماهیت داده‌های زیربنایی اتخاذ می‌گردد. در واقع، هر انتخاب معیار، بازتابی از پذیرش یا عدم پذیرش ریسک در دنیای واقعی است. در مسائل طبقه‌بندی نیز، استفاده از توابعی نظیر Log Loss به طور مشابه جریمه‌های سخت‌گیرانه‌ای برای اعتماد به اشتباه مدل در نظر می‌گیرد تا دقت ارزیابی افزایش یابد.

معیارهای کلیدی رگرسیون

طبق گزارش PixelBank، متخصصان باید تعادلی میان حساسیت به داده‌های پرت و اندازه‌گیری شهودی خطا ایجاد کنند. این راهنما چهار معیار ضروری را به شرح زیر تفکیک می‌کند:

• میانگین مربعات خطا (MSE): از نظر ریاضی به صورت MSE = (1 / n) Σ_i=1^n (y_i - ŷ_i)² تعریف می‌شود، که در آن y_i مقدار واقعی، ŷ_i مقدار پیش‌بینی شده و n تعداد نمونه‌ها است. چون این معیار خطا را به توان دو می‌رساند، به شدت به داده‌های پرت حساس است و می‌تواند به شدت تحت تأثیر مقیاس داده‌ها قرار بگیرد؛ بنابراین، MSE داوری سخت‌گیرانه از عملکرد مدل است و هر خطای بزرگ را به شدت جریمه می‌کند.
• میانگین مطلق خطا (MAE): با فرمول MAE = (1 / n) Σ_i=1^n |y_i - ŷ_i| محاسبه می‌شود. این معیار اندازه‌ای شهودی‌تر از میانگین خطا ارائه می‌دهد. MAE در برابر داده‌های پرت بسیار مقاوم‌تر از MSE است و دیدگاه پایدارتری از عملکرد معمول مدل فراهم می‌کند، زیرا خطای هر نقطه را به صورت خطی محاسبه می‌کند.
• ضریب تعیین (R-squared): این معیار سهمی از تغییرات متغیر وابسته را می‌سنجد که توسط متغیر یا متغیرهای مستقل قابل پیش‌بینی است. فرمول آن R-squared = 1 - Σ_i=1^n (y_i - ŷ_i)² / Σ_i=1^n (y_i - ȳ)² است که در آن ȳ میانگین مقادیر واقعی است. این عدد به شما می‌گوید که مدل شما چقدر بهتر از یک خط افقی ساده (که نشان‌دهنده میانگین است) عمل می‌کند و میزان برازش مدل بر داده‌ها را نشان می‌دهد.
• میانگین مطلق درصد خطا (MAPE): با فرمول MAPE = (1 / n) Σ_i=1^n |(y_i - ŷ_i) / y_i| تعریف می‌شود. این معیار یک اندازه‌گیری نسبی از خطا ارائه می‌دهد. MAPE به‌ویژه زمانی که مجموعه داده حاوی مقادیر صفر یا منفی است کاربرد دارد و دیدگاهی بر پایه درصد درباره دقت مدل ارائه می‌دهد که درک آن برای مدیران غیرفنی آسان‌تر است.

کاربردهای عملی معیارها

این ابزارهای ریاضی مستقیماً به کاربردهای متنوع صنعتی تبدیل می‌شوند. در بخش مالی، این معیارها برای ارزیابی عملکرد مدل‌های پیش‌بینی قیمت سهام به کار می‌روند تا استراتژی‌های سرمایه‌گذاری بر اساس آن‌ها تدوین شود. در علوم محیطی، آن‌ها دقت مدل‌های پیچیده اقلیمی را می‌سنجند تا پیش‌بینی‌های مربوط به تغییرات دمایی دقیق‌تر شود. همچنین در کنترل کیفیت صنعتی، معیارهای رگرسیون برای نظارت بر فرآیندهای تولید و شناسایی ناهنجاری‌ها پیش از آنکه منجر به خرابی تجهیزات شوند، به کار گرفته می‌شوند. این شناسایی زودهنگام می‌تواند هزینه‌های تعمیر و نگهداری را به شدت کاهش دهد.

این معیارها بخشی از یک چهارچوب گسترده‌تر «ارزیابی مدل» (Model Evaluation) هستند. این ساختار، معیارهای رگرسیون را در کنار معیارهای طبقه‌بندی (Classification) و خوشه‌بندی (Clustering) ادغام می‌کند تا تصویری جامع از جریان کاری یادگیری ماشین ارائه دهد. در حالی که این معیارها استاندارد هستند، پژوهش‌های جدیدتر مانند طرح TimeVista سعی دارند با جایگزینی معیارهای عددی با مدل‌های بینایی-زبانی (VLM)، دقت ارزیابی در تحلیل سری‌های زمانی را متحول کنند. درک این ظرافت‌ها به متخصصان اجازه می‌دهد تا مدل‌های قابل‌اتباتر و دقیق‌تری را توسعه دهند و از استقرار مدل‌های گمراه‌کننده جلوگیری کنند.

کاربرد الگوریتمی: مسئله سهام

برای انتقال از تئوری به عمل، PixelBank یک چالش کدنویسی از مجموعه مشهور Blind 75 به نام «بهترین زمان برای خرید و فروش سهام» (Best Time to Buy and Sell Stock) را معرفی می‌کند. این چالش که در سطح دشواری «آسان» قرار دارد، نمونه‌ای کلاسیک از مسائل پنجره لغزان (Sliding Window) است. هدف، یافتن حداکثر سود ممکن از یک آرایه یک‌بعدی از قیمت‌ها است، با این شرط سخت‌گیرانه که روز فروش حتماً باید بعد از روز خرید باشد.

برای حل این مسئله، توسعه‌دهندگان باید مفاهیم کلیدی زیر را درک کنند:

• داده‌ها در قالب یک آرایه یک‌بعدی هستند که هر عضو آن نمایانگر قیمت یک روز است.
• سود به عنوان تفاضل بین قیمت فروش و قیمت خرید تعریف می‌شود.
• یک وابستگی زمانی وجود دارد: ابتدا باید خرید صورت گیرد و سپس فروش (نمی‌توان امروز فروخت و دیروز خرید).
• بهره‌وری الگوریتم نیازمند ردیابی هم‌زمان کمترین قیمت مشاهده شده تا کنون و حداکثر سود قابل دستیابی است.

کارآمدترین رویکرد، اجتناب از بررسی تک‌تک جفت‌های احتمالی روزهاست (که منجر به پیچیدگی زمانی $O(n^2)$ می‌شود). در عوض، این روش شامل یک بار اسکن کامل آرایه است (با پیچیدگی $O(n)$). در حالی که الگوریتم تکرار می‌کند، دو سوال کلیدی می‌پرسد: «آیا قیمت فعلی کاندیدای مناسبی برای کمترین قیمت است؟» و «آیا با فروش در قیمت فعلی می‌توان به سود بالاتری رسید؟»

توسعه‌دهنده با به‌روزرسانی مداوم متغیرهای کمترین قیمت و حداکثر سود، از یک رویکرد حریصانه (Greedy Approach) برای یافتن راه‌حل بهینه استفاده می‌کند. این روند نشان می‌دهد چگونه اصول برنامه‌ریزی پویا (Dynamic Programming) می‌توانند در یک سناریوی مالی واقعی پیاده‌سازی شوند تا سرعت پاسخ‌گویی سیستم افزایش یابد.

جالب اینجاست که این راهنما، چالش الگوریتمی مذکور را از دریچه یک تابع زیان (Loss Function) تحلیل می‌کند. در این بستر خاص، تابع زیان (L) به صورت L = -max profit تعریف می‌شود. با کمینه کردن سود منفی، توسعه‌دهنده در واقع سود واقعی را به حداکثر می‌رساند و مفاهیم بهینه‌سازی ریاضی را به کد تبدیل می‌کند.

فراتر از کد: اکوسیستم پروژه‌های گیت‌هاب

علاوه بر آموزش‌های تئوریک، PixelBank قابلیت یکپارچه GitHub Projects را معرفی کرده است. این ابزار گنجینه‌ای از پروژه‌های منتخب و گلچین‌شده متن‌باز است که در حوزه‌های بینایی ماشین (CV)، یادگیری ماشین (ML) و هوش مصنوعی (AI) تخصص دارند.

این فرآیند گلچین‌سازی برای صرفه‌جویی در زمان کاربران طراحی شده تا پروژه‌هایی را بیابند که مرتبط هستند، به خوبی نگهداری شده‌اند و استانداردهای کدنویسی را رعایت می‌کنند. این ویژگی به سه گروه کاربر اصلی خدمت می‌کند:

• دانشجویان: مسیری عملی برای پیاده‌سازی مفاهیم تئوری در قالب پروژه‌های واقعی فراهم می‌کند تا از حالت یادگیری صرفاً کتابی خارج شوند.
• مهندسان: به آن‌ها اجازه می‌دهد با جدیدترین تکنیک‌ها به‌روز بمانند، کدهای پیشرفته را تحلیل کنند و پورتفولیوی حرفه‌ای خود را ارتقا دهند. در این راستا، ابزارهایی نظیر TabFM گوگل با حذف مهندسی ویژگی‌های دستی در داده‌های جدولی، استانداردهای جدیدی را برای مهندسان یادگیری ماشین تعریف کرده‌اند.
• پژوهشگران: امکان کاوش در ایده‌های جدید، تست فرضیات روی مجموعه‌داده‌های متنوع و همکاری نزدیک با جامعه جهانی AI/ML را فراهم می‌سازد.

برای مثال، توسعه‌دهنده‌ای که به تشخیص اشیاء علاقه دارد، می‌تواند از این پلتفرم برای یافتن پروژه YOLO (You Only Look Once) استفاده کند. با مشارکت در چنین پروژه‌های متن‌بازی — مثلاً از طریق بهبود دقت مدل، بهینه‌سازی سرعت پردازش یا تطبیق آن برای یک کاربرد صنعتی جدید — آن‌ها می‌توانند شکاف میان تئوری یادگیری عمیق و کدهای سطح تولید (Production-grade) را پر کنند.

این رویکرد یکپارچه — که تئوری معیارها، تمرین الگوریتمی و مشارکت در کد متن‌باز را ترکیب می‌کند — تلاشی است برای حل مشکل «جهنم آموزشی» (Tutorial Hell)؛ وضعیتی که در آن یادگیرنده ریاضیات را می‌فهمد اما در مواجهه با یک کد واقعی در محیط عملیاتی، ناتوان است و نمی‌داند چگونه شروع به پیاده‌سازی کند.

انتخاب معیار اشتباه تنها منجر به یک نمره پایین‌تر در ارزیابی نمی‌شود، بلکه شکست‌های بحرانی مدل را پنهان می‌کند. اگر توسعه‌دهنده‌ای به جای MSE از MAE استفاده کند، ممکن است ناآگاهانه مدلی را مستقر کند که گهگاه خطاهای عظیم و ورشکست‌کننده‌ای می‌دهد، در حالی که در گزارش میانگین، «دقیق» به نظر می‌رسد و این یک ریسک پنهان و خطرناک است.

برای خواننده، این بدان معنای آن است که درک ظرافت‌های ریاضی یک تابع زیان، به اندازه نوشتن خود کد حیاتی است. تغییر در اینجا به سمت یک ذهنیت «مهندسی» جامع است که در آن انتخاب مدل توسط ریسک مالی یا ریسک فیزیکی خاصِ هر کاربرد هدایت می‌شود و نه صرفاً بر اساس کاهش یک عدد انتزاعی.

گام بعدی شما

• چالش «بهترین زمان خرید و فروش سهام» را در پلتفرم PixelBank اجرا کنید تا مهارت‌های الگوریتمی خود را بسنجید.
• فصل ارزیابی مدل را با انیمیشن‌های تعاملی مطالعه کنید تا تفاوت بصری معیارها و اثر هر یک بر توزیع خطا را ببینید.
• اثر تغییر معیارهای رگرسیون را روی داده‌های پرتیک (Volatile) مالی آزمایش کنید تا متوجه شوید چگونه MSE مدل شما را به سمت حذف داده‌های پرت سوق می‌دهد.

اما داستان سخت‌افزاری این تحولات حتی شگفت‌انگیزتر است — برای درک تأثیر زیرساخت بر دقت مدل‌ها و نحوه پردازش این معیارهای سنگین، به تحلیل ما درباره تراشه‌های Blackwell مراجعه کنید.