روش‌شناسی

چطور می‌شماریم.

هر سرویس سیگنالی می‌تواند یک عدد منتشر کند. سؤال درست این است که آن عدد پیش از رسیدن به شما اجازه‌ی چه کارهایی داشته — کدام تساوی‌ها را برده، کدام معامله‌ها بی‌صدا کنار گذاشته شده‌اند، و آیا کسی آن را روی داده‌ای که از قبل ندیده بود سنجیده یا نه. قواعد ما این‌هاست. همین‌هاست که گاهی اعداد ما را از رقبا کسل‌کننده‌تر می‌کند.

01

یک شبیه‌ساز. هرگز دوتا.

همان کدی که تصمیم می‌گیرد یک سیگنال به هدفش رسیده یا نه، همان کدی است که دفتر عمومی را حل می‌کند و همان کدی که بک‌تست‌های ما را اجرا می‌کند. نسخه‌ی جداگانه‌ای برای «گزارش» وجود ندارد. این بدیهی به نظر می‌رسد و تقریباً هیچ‌جا برقرار نیست: الگوی رایج یک ردیاب زنده است و یک اسکریپت پژوهشی که بی‌صدا با هم اختلاف دارند — و آن‌که خوش‌بینانه‌تر است نقل می‌شود.

02

تساوی‌ها به ضرر خودمان حل می‌شوند.

وقتی یک کندل هم هدف و هم حد ضرر را در بر می‌گیرد، هیچ‌کس نمی‌داند کدام زودتر لمس شده. ما حد ضرر را ثبت می‌کنیم — هر بار، چه در ردیاب زنده چه در پژوهش. حل کردنش به شکل دیگر، هر عددی که منتشر می‌کنیم را بالا می‌برد؛ دقیقاً به همین دلیل این کار را نمی‌کنیم.

03

سود به‌ازای هر واحد ریسک، نه نرخ برد.

سیگنالی که کمی بالا می‌رود و بعد منقضی می‌شود، یک «برد» است که برای هیچ‌کس چیزی نساخته. نرخ برد به آن پاداش می‌دهد؛ R نه. R سود را بر حسب مضربی از ریسکِ همان معامله می‌سنجد، پس یک برد کوچک نمی‌تواند یک حد ضرر کامل را خنثی کند، و هیچ گِردکردنی یک بازنده را به خنثی تبدیل نمی‌کند.

04

عددی بدون بازه‌ی اطمینان، نتیجه نیست.

هر عددی که جدی می‌گیریم، بازه‌ی اطمینان و اندازه‌ی نمونه‌اش را با خود دارد. با چند ده معامله، میانگین بیشتر از آنکه با مهارت جابه‌جا شود با شانس جابه‌جا می‌شود — پس میانگینِ تنها نمی‌تواند به شما بگوید با کدام‌یک طرفید. وقتی بازه صفر را در بر بگیرد، می‌گوییم نتیجه اثبات‌نشده است، به‌جای اینکه وسطش را نقل کنیم و امیدوار باشیم.

05

آزمودن گزینه‌های زیاد، خودش یک سوگیری است.

به‌اندازه‌ی کافی پیکربندی جست‌وجو کنید، یکی‌شان صرفاً به‌حکم شانس عالی به نظر می‌رسد. ما بابت تعداد چیزهایی که امتحان شده تصحیح می‌کنیم، و برنده را روی دوره‌ای می‌سنجیم که در انتخابش هیچ نقشی نداشته. ایده‌های زیادی اینجا از آزمون اول گذشته‌اند و در دومی افتاده‌اند — و افتادن در دومی، کل دلیل وجود آن است.

06

سیگنال‌های پژوهشی برچسب می‌خورند، هرگز پنهان نمی‌شوند.

ستاپ‌هایی که موتور به‌اندازه‌ی کافی به آن‌ها اطمینان ندارد با برچسب SHADOW مشخص می‌شوند. همان‌جا ساخته، ردیابی و در همان دفتر حل می‌شوند — فقط به‌عنوان معامله‌ای برای انجام دادن ارائه نمی‌شوند. حذفشان سابقه‌ی ما را بهتر نشان می‌داد؛ نگه‌داشتنشان همان چیزی است که سابقه را سابقه نگه می‌دارد.

07

موتور خودش را می‌سنجد، و می‌تواند خودش را ساکت کند.

موتور مرتباً تاریخچه‌ی اخیر خودش را دوباره اجرا می‌کند و می‌سنجد واقعاً چه تولید کرده، همراه با بازه‌ی اطمینان. اگر آن اندازه‌گیری دیگر نتایج را پشتیبانی نکند، همه‌ی سیگنال‌ها را خودکار به SHADOW می‌برد — کار کردن و ردیابی ادامه دارد، ولی هیچ‌چیز به‌عنوان قابل‌معامله ارائه نمی‌شود. لازم نیست کسی اول متوجه شود.

بازگشت عمداً خودکار نیست. ساکت شدن ارزان و برگشت‌پذیر است؛ دوباره حرف زدن ادعایی درباره‌ی پول شماست، پس یک انسان باید آن را بگیرد. سیستمی که بتواند خودش را ارتقا دهد، بالاخره در یک هفته‌ی خوش‌شانس خودش را ارتقا می‌دهد.

08

مدل فقط وقتی جایگزین می‌شود که برنده شود.

It retrains on fresh market data, then has to beat the model already in place on data neither of them was trained on. "Good enough" is not the bar — the existing model is free, and a change has to earn itself. Most weeks the challenger loses and nothing is swapped, which is the system working rather than stalling.

نیمه‌ی دیگر

آنچه منتشر نمی‌کنیم

قواعدِ آنچه نباید نشان داد، از قواعدِ آنچه باید نشان داد مهم‌ترند — چون هر مورد زیر، ما را بهتر جلوه می‌داد.

هیچ‌کدام از این‌ها یک سیگنال را درست نمی‌کند.

این کار تابلوی امتیاز را صادق می‌کند، که ادعایی متفاوت و کوچک‌تر است. بازارها عوض می‌شوند و هر لبه‌ای می‌تواند از کار بیفتد؛ چیزی که این قواعد تضمین می‌کنند این است که وقتی این اتفاق افتاد، بتوانید آن را در اعداد خودِ ما ببینید، نه اینکه بعداً درباره‌اش بشنوید.