חיזוי תנודתיות: היכן נשברת ההערכה הידנית של סיכון
הערכה ידנית של סיכון שוק נשענת על התנועה הבולטת האחרונה: האנליסט לוקח את הטווח היומי, משווה לשבוע שעבר ומעביר את הסקאלה לאופק עתידי. גישה כזו נשברת בשינוי משטר — תנודתיות של מטבעות קריפטו מתקבצת באשכולות, והמעבר משקט להתפרצות מהיר יותר מקצב עדכון ההערכה. אות מושהה כאן אינו טעות של המבצע, אלא תכונה של השיטה: היא ממצעת את מה שכבר קרה.
נקודת הכשל השנייה — מודל ממוצע אחד לכל מצבי השוק. מודל שאומן על כל ההיסטוריה הזמינה מפיק תנודתיות „ממוצעת" וממעיט באופן שיטתי בזנבות: בשוק דשדוש הוא מנפח את הסיכון ומעכב את הלוגיקה, ובמפל של סגירות כפויות הוא ממעיט ומפספס את הרגע שבו צריך לקצץ את הפוזיציה. מגמה שקטה, דשדוש והתפרצות ליקווידציה מתוארים על ידי מאפיינים שונים ודורשים רגישות הפעלה שונה.
מודל סיכון עובד נבנה על מאפיינים שמשתנים לפני המחיר: תנודתיות ממומשת בכמה אופקים, ספרד ועומק ספר הפקודות, שיעורי מימון, עניין פתוח, שיעור הסגירות הכפויות, התנהגות הנכס המוביל.
חיזוי תנודתיות כאן אינו חיזוי מחיר, אלא הערכת פיזור: עד כמה רחבה תהיה התנועה באופק של שעה עד שבוע ובאיזו הסתברות היא תחצה סף נתון.
בהמשך נפרט כיצד זה נסגר: אילו נתונים אנחנו אוספים, כיצד אנחנו מפרידים בין משטרי שוק ובמה אנחנו בודקים את איכות החיזוי על חלונות היסטוריים.
מה נותן המודל: דיוק, יציבות, מהירות תגובה
אנחנו מעריכים חיזוי תנודתיות לפי ארבע תכונות מדידות: שגיאת ההערכה על תקופה מושהית, יציבות מול שינוי משטר שוק, זמן התגובה לאנומליה והאופק שבו החיזוי שומר על תוקפו.
מודלים בסיסיים ממשפחת GARCH נותנים נקודת פתיחה לא רעה, אך בפערי נזילות ובזעזועי חדשות השגיאה שלהם גדלה פי כמה — בדיוק במקום שבו החיזוי נחוץ ביותר.
דיוק המודל נמדד כשיעור התקופות שבהן התנודתיות בפועל נפלה בתוך המסלול החזוי: שגיאה ממוצעת משטחת התפרצויות — בדיוק אלה שלשמן המודל נבנה. את אופק ההערכה אנחנו מקבעים מראש ומחשבים מדדים בנפרד לכל אחד — מודל שבטוח על חלון קצר מאבד לעתים קרובות איכות על החלון הסמוך.
יציבות המודל נבדקת על תרחישי קיצון היסטוריים: התרסקות, דשדוש, עלייה חדה, פער נזילות. את הסינון עובר מודל ששגיאת ההערכה שלו נשארת במסלול העבודה ולא ממריאה פי כמה. בנפרד אנחנו בוחנים דגרדציה — עד כמה צונחת האיכות אם המודל לא מאומן מחדש על נתונים עדכניים לאורך זמן.
זמן התגובה לאנומליה הוא שלעתים קרובות הכריע את התוצאה. המערכת משווה תנודתיות ממומשת לתנודתיות חזויה ומרימה אות כשהפער חוצה את הסף; על נתוני זרימה מדובר בשניות במקום המתנה לסגירת נר. בזכות זה נעלם סוג שלם של כשלים: החלטות שהתקבלו לפי מודל שכבר אינו מתאר את משטר השוק הנוכחי.
מצבי חישוב: סטטיסטיקה, למידת מכונה, אנסמבלים
מצב החישוב קובע על איזה אופק הערכת התנודתיות נשארת שמישה: בשעות, בימים או בשבועות. את השוואת הגישות יש טעם לערוך לא לפי הדיוק על קטע היסטורי מוצלח אחד, אלא לפי היציבות מול שינוי משטר שוק, יכולת ההסבר של התוצאה ועלות התחזוקה.
בפועל אנחנו עובדים עם שלושה סוגים: מודל סטטיסטי, למידת מכונה על מאפיינים ואנסמבל מודלים. סטטיסטיקה שקופה ומתנהגת באופן צפוי על סדרה קצרה, אך משטחת אי-לינאריות. למידה על נתונים תופסת קשרים מורכבים, אך מחייבת היסטוריה ארוכה והגנה מפני אימון יתר. אנסמבל מודלים משטח נפילות של רכיבים בודדים — במחיר של סיבוך הבקרה.
| מצב חישוב | מתי מתאים | מגבלות |
|---|---|---|
| מודל סטטיסטי לתנודתיות מותנית | משטר השוק יציב, ההיסטוריה קצרה, נדרשת יכולת הסבר | מגיב חלש לשינויים מבניים ולזעזועים |
| למידת מכונה על מאפיינים | היסטוריה ארוכה, קיימים מאפיינים חיצוניים: נפחים, שיעורים, זרימת אירועים | רגיש לאימון יתר, מתקשה עם תרחישים נדירים |
| אנסמבל מודלים | נדרשת יציבות באופקים משעה עד שבוע | יקר יותר בתחזוקה, נדרש ניטור פערים בין רכיבים |
| היברידי: סטטיסטיקה כבסיס, למידה על שאריות | השוק מחליף בין תקופות שקטות לתקופות סוערות | כיוונון וולידציה על נתונים היסטוריים מורכבים יותר |
את הבחירה מקבעים לפי המשימה: לחישוב דרישות בטחונות חשובים יותר היציבות והיכולת להסביר, להערכה קצרת-טווח של סיכון ליקווידציה — התגובה לשינויים. בהמשך נראה כיצד זה מתחבר לשאר המערכת.
שלבי הטמעה: מביקורת נתונים ועד מסירת המודל
שלבי העבודה בנויים כך שכל שלב עוקב נשען על תוצאה מאומתת של הקודם: ממשיכים הלאה רק כאשר מדדי האיכות מקובעים ומשוחזרים. זה מאריך את הפתיחה, אך מסיר את הצורך לעצב מחדש את המודל ברגע שהוא כבר מוטמע במסלול המסחר או הסיכון.
- ביקורת נתונים. אוספים היסטוריית שערים ונפחים, בודקים את הרציפות של הסדרות, את הפערים בעצירות מסחר ואת תקינות סגירת החסרים, ובנפרד מחפשים דליפת ערכים עתידיים במאפיינים ההיסטוריים.
- הכנת מאפיינים. מהסדרות הגולמיות אנחנו מרכיבים מאפייני תנודתיות ונזילות, ממירים אותם לצעד זמן אחיד ומחשבים על חלונות נעים — המודל צריך לראות את משטר השוק, ולא נר בודד.
- סכמת המודל. בוחרים סוג מודל בהתאם לאופק החיזוי ולתדירות הנתונים, מסכמים על מדדי שגיאה ועל איזו תוצאה נחשבת מקובלת בשוק שקט ובשוק חד.
- הרכבה ואימון. מאמנים על קטע היסטוריה אחד, מכווננים פרמטרים על השני, ואת ההערכה הסופית עורכים על השלישי — זה שהמודל לא ראה אף פעם.
- בדיקה. מריצים את החיזוי על תקופה מושהית ועל מקטעי קיצון, משווים לחיזוי בסיסי פשוט ובודקים היכן המודל מפסיד באופן עקבי — תרחישים כאלה עוברים לשיפור, ולא למצגת.
- הטמעת המודל. עוטפים את החישוב בשירות, מגדירים לוח זמנים לחישוב מחדש, ניטור של פער בין החיזוי לפועל וחזרה לגרסה קודמת בלי לעצור את העבודה.
- מסירה והדרכת הצוות. מוסרים קוד, קונפיגורציות וניתוח החלטות, מעבירים הדרכה למהנדסים ולאנליסטים שלכם, כדי שאימון מחדש ותיקוני מאפיינים תעשו בעצמכם.
כל שלב נסגר בארטיפקט: דוח נתונים, מערך מאפיינים, מפרט, תוצאות בדיקה, שירות עובד ותיעוד. אף סעיף אינו נחשב לעשוי „על הנייר" — נשאר לכם תוצאה משוחזרת וצוות שמבין כיצד לתחזק אותה.
ערכת מסירה: קוד המודל, דוחות, נוהל חישוב מחדש
את הערכה אנחנו מרכיבים כך שאת המודל ניתן יהיה להריץ מחדש ולבדוק מחדש בלעדינו: מנתונים גולמיים ועד לארטיפקט, בפקודת הרצה קבועה ועל תלויות מקובעות. להלן מה בדיוק נשאר לצוות שלכם ובאיזו צורה זה ישים בעבודה.
- קוד המודל — אימון והערכה בהרצה אחת, זרעי גנרטור מקובעים, כך שהרצה חוזרת על אותם נתונים תניב את אותה תוצאה.
- קונפיגורציית סביבה — תלויות מקובעות, אימג' ומשתני הרצה: נפרס על החומרה שלכם, בלי „עובד רק אצל המפתח".
- תיעוד המודל — אילו מאפיינים בקלט, מה אופק החיזוי, על איזה חלון מחושבת השגיאה והיכן אסור להפעיל את המודל.
- דוח איכות — מדד שגיאה על קטע מושה, השוואה להערכה בסיסית פשוטה, פילוח לפי שוק שקט ותנודתי.
- בדיקות נתונים — כללים לחסרים, לחריגים ולפערים בשערים, יומן בדיקות שהופעלו עם ציון המקור והזמן.
- נוהל חישוב מחדש — לפי לוח שנה או לפי שינוי בנתוני הקלט, סדר אימון מחדש וקבלת גרסה חדשה לפני השימוש בה.
- ניטור פערים — לוח „חיזוי מול פועל", ספי התראות וסדר חזרה לגרסה קודמת של המודל.
מקרה בוחן: כיצד השתנה דיוק הערכת הסיכון בתנועות חדות
לפני: השגיאה התרחבה בשוק סוער
המודל אומן על היסטוריה של תקופות שקטות, וספי ההפעלה הוגדרו כערך מוחלט של סטייה. בשוק שקט שגיאת החיזוי נשמרה בטווח של 4-6%, ומחלקת הסיכונים ראתה את ההערכה כאדקווטית; בתנועות חדות פיזור השגיאה התרחב עד 30-40%, ושיעור האנומליות שהוחמצו הגיע עד 38%. החלטות על לימיטים התקבלו בדיעבד — כשהתנועה כבר התרחשה.
מה שינו
את הסכמה פיצלו לשני רכיבים: מודל לתנודתיות סטוכסטית עבור הרמה הבסיסית, ומעבר בין משטרים שמאומן בנפרד על תקופות של כיווץ והתרחבות. ספי ההתראות נקשרו לקוונטילים של התפלגות השאריות במקום לסטייה מוחלטת, כדי שהאות לא יהיה תלוי בקנה המידה הנוכחי של המחיר.
את הכיול השוו להערכות implied של Deribit: את הפער בין התנודתיות הצפויה של המודל לזו של השוק ניתחו בנפרד, ולא ממצעים.
מה קרה בסוף
שיעור האנומליות שהוחמצו ירד מ-38% ל-9%. בשוק סוער פיזור השגיאה הצטמצם בערך פי שניים — מ-30-40% ל-14-18%, ונשאר נשלט באירועים שבהם המחיר עובר כמה אחוזים בדקות. בשוק שקט הדיוק לא נפגע: השגיאה נשארה בטווח של 3-5%, כלומר השיפור לא נקנה במחיר של התראות שווא.
מרווח החיזוי החל להתרחב 15-40 דקות לפני עליית הספרד — אות מקדים כזה לא היה קודם. הלימיטים הופחתו מראש, ולא בדחיפות לאחר מעשה.
במה שונה חיזוי תנודתיות מניטור מחירים
ניטור מחירים עונה על השאלה „כמה שווה הנכס כרגע" ומתעדכן עם ביצוע העסקה. חיזוי תנודתיות עונה על שאלה אחרת: עד כמה רחב יהיה פיזור התשואה בחלון הבא — שעה, יממה, שבוע. זו אינה הרחבה של המסלול הראשון, אלא משימה נפרדת עם נתוני קלט אחרים, תדירות חישוב מחדש אחרת ומחיר שגיאה אחר.
ניטור הוא זרימה של העסקאות האחרונות והתראות לפי ספים, כלומר תגובה למה שכבר קרה. הערכת הפיזור נבנית על מאפיינים מקדימים: כיווץ הטווח לפני אימפולס, הטיה של פקודות בספר הפקודות, התפרצות של סגירות כפויות, זינוק בשיעורי המימון בחוזים ללא מועד פירעון.
שכבה נפרדת היא התנודתיות המשתמעת של אופציות: בפלטפורמת אופציות גדולה כמו Deribit היא נסחרת ישירות, כלומר השוק עצמו משלם על הזכות לקבע את הפיזור העתידי.
מכאן ההבדל ביישום. מדדי סיכון שנבנים על חיזוי הפיזור נותנים מרווח בזמן: המינוף המקסימלי מופחת לפני האימפולס, ולא אחריו, גודל הפוזיציה מחושב מראש, גידור אוטומטי נדלק בהתרחבות הפיזור הצפוי. לימיטי סיכון שקושרו רק למחיר הנוכחי מופעלים ברגע התנועה — כשכבר אי אפשר לקבל החלטה במחיר סביר.
בפועל מפרידים את המסלולים כך: ניטור מחירים תופס כשלי ביצוע ואנומליות נזילות, חיזוי תנודתיות מגן מפני הפסדים בהתרחבות חדה של הפיזור.
אסור לערבב אותם לאחד — אחרת הספים או מאחרים, או מחבלים בעבודה תקינה בשוק שקט: מודל שאומן על נתונים יומיים לא יראה התפרצות תוך-יומית, והערכות שעתיות מנפחות את הסיכון בקטע מגמתי בלי תיקונים.
אנחנו מפרידים בין המסלולים האלה ברמת הנתונים, האופק והספים, ולא ברמת הדוחות — בהמשך נראה כיצד זה בנוי בעבודה שלנו.
ספקות טכניים: נתונים, אימון יתר, תמיכה
לפני תחילת העבודה הצוות הטכני של הלקוח שואל כמעט את אותה קבוצת שאלות: מהיכן מגיעים הנתונים, כיצד אנחנו משתכנעים שהמודל לא שינן את ההיסטוריה, מה קורה בשינוי משטר שוק ומי אחראי על עבודת המודל לאחר המסירה. להלן תשובות ישירות, בלי הבטחות ש„החיזוי תמיד מדויק".
את השאלות האלה אנחנו סוגרים בשלב התכנון, ולא אחרי ההשקה: מהתשובות תלויים סכמת איסוף הנתונים, הרכב הבדיקות ואילו מדדי איכות ייכנסו לדוח. אם על סעיף כלשהו לא מצליחים להסכים, זה סיבה לא להתחיל, ולא „לכוונן בדרך".
כיצד אתם מתמודדים עם אימון יתר של המודל?
בודקים על מקטעי זמן עוקבים: מאמנים על העבר, בודקים על התקופה שאחריו, שלא השתתפה לא בכיוונון ההגדרות ולא בבחירת המאפיינים. פיצול אקראי של הסדרה לא עובד כאן — הוא מערבב את העתיד לתוך האימון ונותן מדדים מנופחים. בנוסף, משווים את התוצאה לחיזוי בסיסי פשוט: אם המודל לא עוקף אותו באופן עקבי, הוא לא נכנס לעבודה.
מה עם איכות הנתונים והחסרים?
חסרים הם נורמה, לא תקלה: פלטפורמות יוצאות לתחזוקה, חלק מהמקורות מוסרים היסטוריה עם פערים. אנחנו לא ממלאים אותם בממוצע, אלא מסמנים אותם, מוציאים אותם לשכבה נפרדת ומקבעים אותם בדוח עם ציון המקור והתקופה.
את איכות הנתונים בודקים לפי כללים פורמליים — כפילויות, חריגים, פערי מחיר בין מקורות — וכל מערך עובר בדיקה זו לפני האימון.
כיצד אתם עוקבים אחרי דריפט נתונים?
דריפט הוא שינוי בתכונות הסטטיסטיות של הסדרה: שוק שקט ומעבר חד מתנהגים אחרת, ומודל שמכוונן למשטר אחד מאבד דיוק באחר. אנחנו שומרים על בקרה של התפלגויות מדדי הקלט ושל איכות החיזוי, ומחשבים את המודל מחדש לפי לוח זמנים או לפי הפעלת סף. ביציאה מהגבולות, משקל החיזוי יורד אוטומטית, כדי שההחלטה לא תישען על כיוונון מיושן.
מה כוללת התמיכה במודל?
נוהל אימון מחדש, ניטור איכות, התראות על דגרדציה, יומן הרצות עם שחזור תוצאות וסדר חזרה לגרסה עובדת קודמת. בנפרד מקבעים מי לפי איזה אות מפעיל אימון מחדש. בלי זה המודל חי עד השינוי הראשון בשוק — לכן את התמיכה מתארים לפני ההתחלה, ולא כתוספת למסירה.
נדבר על המשימה: נתונים, הרשאות, תוכנית עבודה
לפני שמציינים לוחות זמנים, נדרשים הרכב הנתונים וההרשאות אליהם — מזה תלוי אילו מודלים לחיזוי תנודתיות ישימים וכמה זמן תיקח הבדיקה שלהם על ההיסטוריה. להלן הסט המינימלי, שאחריו נחזור עם הערכה ותוכנית עבודה, ולא עם שאלות הבהרה.
- נכסים ואופק. עבור אילו נכסים וזוגות בונים את החיזוי, באיזה צעד זמן, איזה עומק היסטוריה תמסרו — נרות או עסקאות בודדות, האם נדרש ספר פקודות ונתוני שוק החוזים.
- הרכב הנתונים. יצוא ממאגר הנתונים שלכם או ארכיונים בורסאיים: מבנה הרשומות, תדירות, חסרים ופערים ידועים, כיצד טופלו עצירות מסחר ומחיקות מהמסחר.
- הרשאות לנתונים. מפתחות לקריאה בלבד, מסלול בדיקה, מאגר ארכיבי; מי בצד שלכם מנפיק ומאריך הרשאה, על מי תלויות הבקשות.
- מדד הסיכון המוגדר. מה נחשב לחיזוי: תנודתיות לצעד קדימה, הסתברות לחריגה מסף או רגע ההפעלה של כלל הגנה. מזה תלוי אופן בדיקת האיכות.
- אופן השימוש. דוח לפי לוח זמנים, התראה או ניהול פוזיציה אוטומטי; שיעור מותר של התראות שווא והשהיית התגובה הנדרשת.
- מסלול ההרצה והקבלה. היכן מחשבים, לאן כותבים את התוצאה, באיזו תדירות מחשבים את המודל מחדש, מי מקבל את העבודה ולפי אילו מספרים משווים את החיזוי לפועל.
לאחר מכן מקבעים את תוכנית העבודה: הכנת סדרות ומאפיינים, בחירת מודלים, בדיקה על תקופות היסטוריות, הרצה ומעקב אחרי הפער בין החיזוי לפועל. תארו את המשימה בגבולות האלה — נחזור עם הערכה, לוחות זמנים והרכב צוות; תחילת העבודה מתחילה בהסכמה על המדד והנתונים, ולא בהגדרת סביבת העבודה.