מערכת אימון מחדש אוטומטי של מודלי ML למסחר בקריפטו

אימון מחדש אוטומטי של מודלים: היכן התחזית נשברת

שוק הקריפטו מחליף משטר מהר יותר ממודל למידת מכונה מספיק להסתגל. תנודתיות, נזילות וקורלציות בין מכשירים נבנות מחדש בתוך ימים ספורים, והתחזית ממשיכה להישען על דפוסים מהמשטר הקודם — ומפיקה אותות בביטחון במקום שבו כבר אין כאלה.

סחיפת נתונים מתרחשת בשני שכבות. תחילה מתזזות התפלגויות הקלט: תכונות שקודם הפרידו בין עלייה לירידה מאבדות כושר הפרדה. אחר כך מתגלה סחיפת קונספט — הקשר עצמו בין התכונות להתפלגות התשואות הופך לאחר, והדפוס שעליו נבנה האות הופך לרעש.

המסוכן ביותר הוא שהתיישנות המודל כמעט אינה נראית במדדים היסטוריים. איכות האות יורדת לא בצניחה אלא בהדרגה: שיעור העסקאות הרווחיות יורד בכמה אחוזים, ירידת השווי גדלה, ובמדגם ביקורת התמונה נשארת תקינה.

אימון מחדש ידני מפגר בשבועות — עד שמבחינים באנומליה, אוספים נתונים עדכניים ובודקים מחדש את ההשערה, השוק מספיק להחליף משטר שוב.

אנחנו מפרקים כיצד אימון מחדש הופך מפעולה ידנית לתהליך מנוהל: לפי אילו סימנים לתפוס סחיפה, מה נחשב לטריגר להפעלה, וכיצד לוודא שהמודל המחודש אכן טוב מהקודם.

האפקט של עדכון תחזית שוטף

כשאימון מחדש הופעל ידנית אחת לרבעון, המודל המשיך לסחור לפי דפוסים של משטר שחלף. שינוי התנודתיות שבר את התחזית בלי ששמו לב: שיעור האותות השגויים גדל בהדרגה והתגלה רק דרך ירידת השווי, והאנליסט השווה ידנית תכונות ומדדים במקום לנתח את סיבות הפער.

מחזור מנוהל משנה את התמונה. אימון מחדש מופעל לפי טריגר — סחיפה בהתפלגות התכונות, ירידה במדד על חלון נתונים עדכני, הגעת נפח נתונים חדש. גרסה מתפרסמת רק לאחר בדיקה על קטע מופרש שבו אי אפשר לדלוף ערכים עתידיים, ורק אם היא עולה על הגרסה הנוכחית במדד היעד ובעמידות במצבי שוק שונים.

במונחים מדידים זה נראה כך: זמן התגובה לשינוי משטר — מחזור אימון אחד במקום שבועות של המתנה; פיזור האיכות בין חלונות מצטמצם, והתחזית מפסיקה להיות מוצלחת רק בסוג שוק אחד; שיעור האותות השגויים יורד הודות לסינון גרסאות שלא עברו את הסף; העומס על האנליסט עובר מהרצות ידניות לניתוח חריגות.

מאגר הגרסאות כאן אינו פורמליות. MLflow שומר עבור כל גרסה את מערך הנתונים, הפרמטרים והמדדים, ולכן השינויים ניתנים להסבר, והחזרה לגרסה קודמת אורכת דקות. זה מסיר סוג נפרד של כשל — המודל לא "נוסע" בשקט, ואת תוצאת המחזור אפשר להשוות לקודמת.

מצבי עדכון המודל: השוואת גישות

השוק מחליף משטר מהר יותר מההתיישנות ה"טבעית" של המודל: התפלגות התכונות והתשואות משתנה, ומודל שאומן על המשטר הקודם מתחיל לטעות באופן שיטתי. מהשיטה לעדכון תלויה השהיה בין שינוי המשטר לתגובת המערכת, וגם הסיכון שאנחנו לוקחים על עצמנו ברגע החלפת המשקלים.

ארבע סכמות שבהן באמת בוחרים בבניית אימון מחדש אוטומטי של מודלים:

כל מצב נסגר על חלון בדיקה: גרסה חדשה מוערכת על קטע מופרש של נתונים עדכניים ובמצב צל על הזרימה החיה, ורק אחר כך מקבלת נתח מההון. המשקלים הקודמים נשמרים, ולכן החזרה לאחור אורכת דקות.

צינור אימון מחדש: מאות סחיפה עד העלאת המודל

אימון מחדש אינו תקנון "פעם בשבוע", אלא צינור סגור עם נקודות בקרה: אות על שחיקה מגיע מהנתונים, וההחלטה על פרסום מתקבלת לפי מדדים על אותם פרקי זמן עבור הגרסה הישנה והחדשה. בלי תיעוד גרסאות של ארטיפקטים וחזרה לאחור צפויה, מחזור כזה הופך לניסוי לא מבוקר על הון חי.

1. ניתוח המחזור הנוכחי. מקבעים חלון נתונים היסטוריים, הרכב התכונות, מדד איכות האותות והאירוע שבגללו בכלל מופעל אימון מחדש.
2. גילוי סחיפה. משווים את התפלגות התכונות ואיכות האותות בקטע עדכני לקטע ייחוס: שינוי משטר השוק נראה לפני ירידת המדד בעסקאות סגורות.
3. הכנת מדגם. מרכיבים מחדש את המערך למשטר הנוכחי, מסירים דליפות של נתונים עתידיים, ומביאים את שיעור האירועים הנדירים לתדירותם האמיתית.
4. בדיקת גרסה. המועמד עובר על תקופה מופרשת ותרחישי לחץ — צניחה חדה, עצירת מסחר; את הנתונים ופרמטרי האימון מתעדים ב-MLflow.
5. העלאה בקנרית. הגרסה החדשה מקבלת נתח מוגבל מהאותות, הישנה ממשיכה לסחור: שתיהן מוערכות על אותו שוק, ולכן ההשוואה תקפה.
6. חזרה לאחור של המודל. סף לפי ירידת שווי ופער מהתנהגות צפויה מחזיר את הגרסה הקודמת אוטומטית — בדקות, ולא במשך סשן מסחר.

ערכת מסירה: קונפיגורציות, סכמות ותקנונים

ערכת המסירה מורכבת כך שאימון מחדש אוטומטי יחיה בתוך התשתית שלכם, ולא בהתכתבות עם קבלן. אנחנו מעבירים לא רק קוד אלא גם את מה שבדרך כלל נשאר בראש: מאיפה לקחת נתונים, מתי המודל נחשב למידרדר וכיצד לבצע חזרה לאחור.

• קונפיגורציה של מחזור האימון — לוח זמנים וטריגרים: סחיפה בהתפלגויות הקלט, ירידת מדד על היסטוריה מופרשת. סף הכשרת המודל למסחר מוגדר במפורש ומשתנה בלי לתקן קוד.
• סכמת נתונים — מקורות ותדירות איסוף, נרמול, טיפול בערכים חסרים וחריגים, בדיקות שלמות בכניסה. סדרות גולמיות ומצטברות נשמרות בנפרד — חישוב מחדש לא דורש ייצוא חוזר.
• תיעוד תכונות — משמעות כלכלית, חלון חישוב, מקור והתנהגות בתנאים אנומליים עבור כל תכונה. בנוסף סדר הוספת תכונה חדשה בלי לעצור את המחזור.
• יומן גרסאות המודל — קישור המודל למערך הנתונים, לגרסת הקוד, להיפר-פרמטרים ולהרכב התכונות; מדדים על נתונים שהמודל לא ראה, ומחבר ההרצה. כל גרסה ניתנת לשחזור.
• תקנון חזרה לאחור — תנאי הפעלה, מי מחליט, מעבר לגרסה שמורה קודמת, זמן חזרה יעד ובדיקה לאחר מכן. נתיך עוצר מסחר כשהתחזית סוטה מהמציאות.
• תקנון ניטור ותורנות — אילו מדדי סחיפה בודקים, באיזו תדירות, למי נשלחות התראות ומה לבדוק בעת פער.

לאחר המסירה המהנדסים שלכם מפעילים אימון מחדש ומשנים את הרכב התכונות; ההשתתפות שלנו נדרשת רק בשינויים מורכבים של הלוגיקה.

מקרה בוחן: כיצד גדלה עמידות התחזית בשינוי משטר

האסטרטגיה סחרה בעשרות מכשירים, והמודל אומן מחדש ידנית — אחת לרבעון, לפי לוח זמנים. כל עוד השוק היה במשטר אחד, איכות התחזית החזיקה; בשינוי משטר — זינוק בתנודתיות והתפרקות של קורלציות רגילות — המודל המשיך להישען על תלויות מיושנות, ושיעור האותות השגויים בתוך שבוע עלה מ-8% ל-19%.

הרכבנו מעגל אימון מחדש אוטומטי: גלאי סחיפה משווה את התפלגות תכונות הקלט ואת האיכות על חלון נע מול פרופיל ייחוס, ובחריגה מהסף מתחיל אימון של מודל מועמד.

את הגרסה החדשה מריצים תחילה במצב צל לצד הגרסה העובדת, ורק בתוצאה דומה או טובה יותר על קטע מופרש היא נכנסת למעגל הייצור; חזרה לגרסה קודמת — פקודה אחת. תזמור הצינור מתבצע ב-Airflow.

מדדים לפני ואחרי:

• שיעור האותות השגויים בשינוי משטר: 19% → 7%;
• זמן מגילוי סחיפה עד גרסה בעבודה: 3–5 ימים → 4 שעות;
• התערבויות חירום של אנליסט: 10–12 בחודש → 1–2.

בנפרד הרצנו קטעים היסטוריים עם שינוי משטר: הגרסה החדשה מועלית לפני שירידת השווי של האסטרטגיה נעשית מורגשת בחשבון. בקרה ידנית נשארה רק לאישור העלאת ענף הצל — את עמידות האסטרטגיה מחזיק כעת המעגל, ולא תגובת אנליסט תורן.

במה שונה החלפת מודל טריגרית מהחלפה מתוכננת?

לוח זמנים קלנדרי מאמן מחדש את המודל במרווח קבוע, בלי להתחשב במצב השוק. החוזק — צפיות: משאבי חישוב מתוכננים מראש, כל מחזור ניתן לשחזור, והחזרה לגרסה קודמת מתורגלת.

החולשה — השהיית תגובה: אם המשטר השתנה זמן קצר אחרי המחזור, המודל עובד לפי תלויות מיושנות עד החלון הבא, ואיכות האותות מידרדרת בלי ששמים לב.

החלפה טריגרית נשענת על סימן סחיפה — פער בין תחזיות למציאות ושינוי בהתפלגות נתוני הקלט על חלון נע. כל עוד הסטייה מתחת לסף ההפעלה, לא נוגעים במודל; כשהאות עובר אותו באופן יציב, מתחיל אימון מחדש. השהיית התגובה נמדדת בשעות, לא בשבועות, אבל משלמים על כך בכיול רגישות.

הסיכון המרכזי — התראות שווא. חריג חריף בשוק ושינוי משטר אמיתי על חלון קצר נראים אותו דבר, ולכן כל אירוע גורר מחזור אימון מיותר וסיכון להתאים את המודל לרעש.

התיקון הוא דרישת עמידות: הסטייה צריכה להימשך כמה חלונות ברצף, הסף לחזרה למצב תקין מוגדר בנפרד ונמוך יותר, ובין אימונים מחדש פועל מרווח מינימלי.

טריגר מנצח במקומות שבהם משטרים מתחלפים לעיתים רחוקות אך בחדות, ומודל מיושן יקר באיכות האותות. לוח זמנים חזק יותר בהתפתחות שוק חלקה, במחזור אימון יקר ובדרישות מחמירות לשחזור — החלפה מתוכננת פשוטה יותר לבדיקה על נתונים היסטוריים. סכמה עובדת היא בדרך כלל היברידית: חלון קלנדרי נדיר כביטוח, טריגר לפי סחיפה כמעגל ראשי.

ספקות טכניים שכדאי להסיר לפני ההתחלה

לפני העברת מחזור האימון לתמיכה, צוות ההנדסה של הלקוח שואל חמש שאלות. הן לא על איכות המודל בהיסטוריה, אלא על מה יקרה לו בנתונים חיים בעוד חודש.

מה קורה עם השהיית נתונים?

כל תכונה מתויגת לפי הרגע שבו היא באמת זמינה, לא לפי רגע האירוע. האימון רץ על אותה זרימה כמו המסחר, ולכן ההשהיה אינה מוסתרת.

כיצד נבדקות השערות?

השערה היא ענף נפרד עם חלון נתונים קבוע ומדד אחד. משווים על תקופה משותפת, אחרת את ההבדל אוכל שינוי משטר השוק.

כיצד נבחנות מחדש התכונות?

בחינה מחדש היא הליך מתוכנן לפי לוח זמנים ולפי טריגר של ירידת מדד. מערך חדש עובר את אותו מעגל בדיקה, והקודם נשמר לחזרה לאחור.

כיצד להבטיח שחזוריות של האימון?

מנהלים גרסאות לנתונים, לקונפיגורציה ולקוד — ההרצה חוזרת באותה נקודה. אחרת אי אפשר להבדיל בין שיפור לבין זריעה מחדש אקראית.

נדון במשימה: ממה מתחילה העבודה

כדי לחזור עם אומדן ותוכנית עבודה, בשיחה הראשונה די לעבור על שישה דברים — מפרט טכני מוכן בשלב הזה אינו נדרש, אנחנו שואלים את השאלות.

• הצהרת המשימה. איזו החלטה מקבל המודל ומה תלוי באיכותה: גודל הפוזיציה, רגע הכניסה, ויתור על עסקה. ככל שהקשר בין התחזית לפעולה ברור יותר, כך נגדיר ביתר דיוק מה בדיוק לאמן מחדש.
• מחזור האימון הנוכחי. כיצד המודל מתעדכן כעת: לפי לוח זמנים, ידנית או לא מתעדכן כלל. מחפשים פער במעגל — הכנת נתונים, אימון, בדיקה, העלאה ללוגיקת המסחר.
• רשימת נתונים. מקורות זמינים: מחירים, ספר פקודות, עסקאות, רקע חדשותי, מדדי הבוט עצמו. חשובים עומק ההיסטוריה והפערים — מהם תלוי על איזה קטע לבדוק עמידות.
• קריטריוני איכות. מה נחשב להידרדרות: ירידה בדיוק, גידול בשגיאה בקטעים תנודתיים, שינוי בפרופיל העסקאות. מקבעים מדדים וספים שבהם מופעל אימון מחדש.
• מגבלות מעגל המסחר. מהירות העלאת גרסה חדשה, הרשאות לחשבון, דרישות לחזרה למודל קודם, התנהגות ברגעי תנועות חדות.
• נקודת קבלה. כיצד נשתכנע שהמערכת עובדת: בדיקה על קטע היסטורי מופרש, הרצת צל לצד הלוגיקה הנוכחית, תקופת ניטור.

אחרי השיחה אנחנו מתעדים בכתב את הצהרת המשימה, קריטריוני האיכות ותוכנית עבודה בשלבים — וחוזרים עם אומדן לוחות זמנים.