دام‌های فیلترنویسی؛ وقتی فیلتر دروغ می‌گوید

صحنهٔ آشنا: سه فیلتر داری — حجمی، سرانه‌ای و صف‌محور. امروز هرکدام ۵ خروجی دارد و در مجموع «۱۵ سیگنال» می‌بینی! اما وقتی لیست‌ها را کنار هم می‌گذاری، می‌بینی همان ۵ نماد در هر سه لیست آمده‌اند — نماد داغِ امروز، یک بار در فیلتر حجمی رد صدا زده، یک بار در سرانه‌ای و یک بار در صف‌محور. ۵ سیگنالِ واقعی، خودش را ۱۵ نشان می‌دهد. این توهمِ تعداد، شمارش چندباره است.

چرا خطرناک است؟ چون حسِ دروغینِ «تأیید چندگانه» می‌سازد. می‌گویی «هم فیلتر حجمی گرفته هم سرانه‌ای — پس قطعی است»؛ اما این دو فیلتر مستقل نیستند: همان جهشِ حجم که شرط اول را روشن کرده، همان است که سرانه‌ها و صف را هم روشن کرده است. سه فیلترِ هم‌ریشه، سه شاهدِ مستقل نیستند — سه دوربین از یک زاویه‌اند. برای تأییدِ واقعی، باید سیگنال‌ها از منابعِ غیرهم‌بسته بیایند: مثلاً حجم امروز + وضعیت چارتِ هفتگی + جریان حقوقی — سه لنزِ متفاوت، نه سه لنزِ هم‌رنگ.

پادزهر عملی ساده است: هر روز، فهرست یکپارچهٔ سیگنال‌ها را با ستونِ «کدام فیلترها» بساز؛ نمادی که در چند فیلتر آمده، یک‌بار شمرده شود و کنارش نام فیلترهای برداشت‌کننده یادداشت شود. این کار دو بهای دارد: توهم تعداد می‌شکند، و بعد از یک ماه به تو می‌گوید کدام فیلترهایت عملاً هم‌اند (همهٔ خروجی‌شان یکی است) — کاندیداهای ادغام یا حذف.

نمونه‌گیری خوش‌سلیقه (که در ادبیات آمار به آن cherry-picking می‌گویند — گیلاس‌چینی) یعنی فقط موارد موفق را نشان‌دادن و ناکام‌ها را بی‌صدا کنار گذاشتن. در دنیای فیلترهای بورسی، این دام سه لباس می‌پوشد: فروشندهٔ فیلتر که از ۵۰ خروجیِ دیروز، ۴ نمادِ مثبت‌شده را اسکرین‌شات می‌گیرد و ۴۶ تای دیگر را؛ خودِ فیلترنویسِ تازه‌کار که در بک‌تست ذهنی‌اش، سیگنال‌هایی را که «خودم معامله نمی‌کردم» حذف می‌کند؛ و بدترینِ آن‌ها — خاطره‌سازیِ ذهن: برنده‌ها یادمان می‌مانند، بازنده‌ها آرام محو می‌شوند.

مقایسهٔ عددی برای شفاف‌شدن: فرض کن فیلتری در ۱۰۰ سیگنال، ۴۰ برد با میانگین ۴٪ و ۶۰ باخت با میانگین ۳٪ دارد — امید خام منفی ۰٫۲ درصد. گیلاس‌چینِ حرفه‌ای از همین داده، چنین می‌گوید: «۴۰ سیگنالِ پرسود؛ میانگین سودِ ۴ درصد؛ نمونه: این سه نماد!» — هر جمله‌اش درست است و جمعش یک‌طوره دروغ است، چون مخرج را قایم کرده. آمار بدون مخرج، داستان است؛ همیشه بپرس: «از چند؟ چه درصد؟ بازنده‌ها کجا هستند؟»

پادزهر شخصی، سه عادت است: اول، در ژورنال و بک‌تستت، ستونِ بازندگان را هم‌اندازهٔ برندگان بنویس — با همان جزئیات. دوم، از هر ادعایی دربارهٔ فیلتر — حتی از خودت — سه عدد بخواه: نرخ برد، میانگین سود، میانگین زیان و تعداد کل (خب، چهار عدد شد؛ بهای صداقت). سوم، هر شب قبل از خواب، یک سیگنالِ بازندهٔ امروز را مرور کن و بپرس «چه چیزی ازایش می‌توانم بفهمم؟» — این عادتِ کوچک، خاطره‌سازیِ یک‌طرفهٔ ذهن را خنثی می‌کند.

این دام، پدرِ بقیه است و به فارسی ساده چنین است: هرچه بیشتر با دادهٔ گذشته ور بری، بالاخره چیزی پیدا می‌کنی که به گذشته به‌طور کامل می‌خورد — و به آینده هیچ ربطی ندارد. تصور کن ۲۰ شرط مختلف را روی ۳۰ روز گذشته آزمایش کنی: کمی عدد این شرط را تکان بدهی، کمی فلان شرط را جابه‌جا کنی... با این حجم جست‌وجو، پیدا شدنِ ترکیبی که «در گذشتهٔ همین یک‌ماهه» درخشان بوده، تقریباً قطعی است — نه چون استراتژی‌ای کشف کرده‌ای، چون شانسِ جست‌وجویت را با گذشته بازی داده‌ای. اسم علمی‌اش data-snooping است؛ ما می‌گوییم «قصدسرقت از گذشته».

نشانه‌های هشدار برای تشخیصِ فیت‌شدنِ بی‌جا (که در ادبیات فنی overfitting می‌گویند): فیلتری که آستانه‌هایش بیش‌ازحد دقیق و «جادویی» است (حجم دقیقاً بین ۲٫۸ تا ۳٫۴ برابر میانگین؟!)؛ فیلتری که فقط در یک بازهٔ کوتاهِ آزموده‌شده خوب بوده؛ و مهم‌تر از همه، فیلتری که هیچ داستان اقتصادی پشتش نیست — وقتی نمی‌توانی به زبان آدمیزاد بگویی «چرا این شرط باید کار کند؟»، احتمالاً فقط سرقت از دادهٔ گذشته‌ات.

پادزهر، دو قاعدهٔ آهنین است. قاعدهٔ اول — تستِ بیرون از نمونه: پس از تنظیم روی بازهٔ اول، فیلتر را روی داده‌ای که هرگز در تنظیمش استفاده نشده بسنج (ماه بعد، نمادهای دیگر). قاعدهٔ دوم — سادگیِ بی‌رحم: هر شرطِ اضافه باید سودِ اثبات‌شدهٔ خودش را بیاورد؛ فیلترِ سه‌شرطیِ قابل‌توضیح، در درازمدت از فیلترِ ده‌شرطیِ فیت‌شده بهتر است. و یک واقعیتِ تلخِ صادقانه: اکثر فیلترهای «فوق‌دقیقِ» کانال‌ها و فروشندگان، دقیقاً محصول همین کاوشِ پس‌نگرند — به همین دلیل در کاغذ خفن‌اند و در حسابِ واقعی، دماسنجِ جیب‌خالی‌ات.

گاهی فیلتری واقعاً در گذشته خوب عمل کرده — بدون اینکه هیچ‌وقت بدعمل کرده باشد — و باز هم اعتمادکردن بهش خطاست. چرا؟ چون همبستگی (با هم حرکت‌کردن دو چیز) با علت‌ومعلول (یکی، دلیل دیگری بودن) فرق دارد. مثال کلاسیک بورسی: در بازه‌ای از صعودِ کلی بازار، تقریباً هر فیلتری که «خرید در مثبت‌بودن» می‌گیرد، برنده است — نه چون فیلترت هوشمند است، چون کشتیِ کل بازار بالاآمده و تو همسرِش بوده‌ای. وقتی موج برگشت، همان فیلتر همان‌قدر می‌بازد.

همین دام در مقیاس کوچک‌تر: فیلتری که در «نمادهای کوچک» خوب جواب داده، شاید دلیلش نه کوچکیِ نمادها، بلکه هم‌زمانیِ دوره‌اش با رالیِ نمادهای کوچک بوده است. آزمونِ تفکیک، چنین است: بپرس «اگر بازارِ کلی، خنثی می‌بود، این فیلتر هنوز برنده بود؟» — این پرسش را نمی‌شود با یک ماه داده جواب داد؛ با چند ماهِ شاملِ رشد و ریزش و رِنج، چرا. و این دقیقاً دلیلِ شرطِ «پوششِ وضعیت‌های مختلف» در درس بک‌تست بود.

پادزهر تحلیلی، جابه‌جاییِ زاویهٔ دید است: به‌جای «فیلترم چقدر سود داده؟» بپرس «فیلترم نسبت به بازار چقدر سود داده؟» — اگر فیلترت در ماهِ مثبتِ بازارِ مثبت‌تر و در ماهِ منفی، منفی‌تر بوده، مشکل تو فیلتر نیست؛ لِوِر‌بودن به شاخص است (حول ۷٫۲ میلیون واحد در روزگار این درس). فیلترِ خوب، در ماه‌های مختلف، پروفایلِ متفاوتی از بازار نشان می‌دهد — وگرمن صرفاً عکسِ بزرگ‌شدهٔ شاخص است که کارمزدش را هم تو می‌دهی.

هر پنج درس این فصل را در یک چارچوب جمع می‌کنیم — شش پرسشی که هر فیلتر (خریده، کپی‌شده یا خودساخته) باید ازشان سربلند بیرون بیاید. ۱) داستان اقتصادی چیست؟ اگر نتوانی به زبان آدمیزاد بگویی چرا باید کار کند، بقیهٔ پرسش‌ها بی‌معنا می‌شوند. ۲) نام متغیرها و منطق شرط‌ها را می‌فهمم؟ فیلترِ ناآشنا، جعبهٔ سیاهِ اعتماد کور است. ۳) روی چه داده‌ای آزموده شده؟ چند سیگنال، چند روز، چه وضعیت‌هایی از بازار — و آیا دادهٔ «بیرون از نمونه» هم بوده؟

۴) اعداد کامل کدام‌اند؟ نرخ برد، میانگین سود، میانگین زیان، تعداد کل — با مخرج و با کارمزدِ لحاظ‌شده. ۵) خروجی‌اش با بقیهٔ ابزارهایم چقدر هم‌پوشان است؟ برای دامِ شمارش چندباره. ۶) نسبت به جایگزینِ ساده‌تر و بی‌ریسک، چه می‌گوید؟ فیلترِ چهارهزارتومانیِ پیچیده که از «نگه‌داشتن پول در صندوق درآمد ثابت» بدتر است، فقط یک سرمایه‌گذاریِ عاطفه‌ای است. اگر هر شش پاسخ راضی‌کننده بود، فیلتر شایستهٔ ورود به فرآیندِ فصل سوم است — به‌عنوان ابزار، نه بت.

و سخن آخر فصل: این دام‌ها را نه فقط برای فیلترها، برای خودت هم به کار ببر. تازه‌کارِ بورسی همان روزی که «سیستمم چهار پشت‌سرهم برد» را فریاد می‌زند، در حال گیلاس‌چینیِ زندگِی خودش است؛ و همان روزی که «هیچ فیلتری جواب نمی‌دهد»، شاید دارد دنبالهٔ یک هفتهٔ بد را به کل گذشته تعمیم می‌دهد. سلامتِ آماری، پیش از هر چیز یک اخلاقِ فکری است — و در بازار پول، اخلاقِ فکری همون‌قدر که خوب است، سودآور هم هست.