زد ارز
زد ارز
هوش مصنوعی

بازده زمان‌وزن با هوش مصنوعی؛ چرا رشد موجودی سبد همان سود نیست؟

بزرگ‌ترشدن موجودی سبد الزاماً سود نیست؛ گاهی فقط پول بیشتری وارد آن کرده‌اید. برای سنجش عملکرد سبد بدون اثر واریز و برداشت، می‌توان از بازده زمان‌وزن یا TWR استفاده کرد. هوش مصنوعی در این کار به مرتب‌کردن ارزش‌گذاری‌ها و پیدا‌کردن خطا کمک می‌کند؛ اما اگر ارزش سبد در لحظه ورود پول ثبت نشده باشد، یک پاسخ روان جای داده گمشده را نمی‌گیرد.

تمرین زیر با ChatGPT و یک جدول ساده انجام می‌شود. تمام مبالغ، تاریخ‌ها و بازده‌های مثال فرضی و آموزشی هستند؛ داده بازار یا نتیجه آزمون یک ابزار نیستند. نیازی به اتصال حساب مالی یا اجرای معامله ندارید.


چرا رشد موجودی ۵۲ درصد است، اما بازده سبد فقط ۴٫۵ درصد؟

فرض کنید ارزش سبد در آغاز دوره ۱۰۰ میلیون تومان است. تا میانه دوره به ۱۱۰ میلیون می‌رسد. همان لحظه ۵۰ میلیون تومان از بیرون وارد می‌کنید و ارزش سبد، بدون تغییر قیمت دارایی‌ها، ۱۶۰ میلیون می‌شود. در پایان دوره ارزش آن به ۱۵۲ میلیون تومان می‌رسد.

رویداد آموزشی تاریخ میلادی ارزش سبد؛ میلیون تومان
آغاز دوره ۲۰۲۶/۱۰/۰۱ ۱۰۰
درست پیش از واریز ۲۰۲۶/۱۰/۱۵ ۱۱۰
درست پس از واریز ۵۰ میلیونی ۲۰۲۶/۱۰/۱۵ ۱۶۰
پایان دوره ۲۰۲۶/۱۰/۳۱ ۱۵۲

در این تمرین، بین دو ارزش‌گذاری روز واریز هیچ حرکت بازار یا هزینه‌ای رخ نداده است. هزینه جداگانه، برداشت و پرداخت سود بیرونی هم نداریم. افزایش موجودی از ۱۰۰ به ۱۵۲ برابر ۵۲ درصد است، اما ۵۰ میلیون تومان آن آورده تازه است. سود مبلغی تنها ۲ میلیون تومان است: ۱۵۲ منهای ۱۰۰ منهای ۵۰.

عملکرد را به دو بخش تقسیم می‌کنیم: در بخش اول، ۱۱۰ تقسیم بر ۱۰۰ منهای یک، برابر ۱۰ درصد است. در بخش دوم، ۱۵۲ تقسیم بر ۱۶۰ منهای یک، برابر منفی ۵ درصد می‌شود. حاصل ترکیب این دو بازده، ۱٫۱۰ ضرب‌در ۰٫۹۵ منهای یک، برابر ۴٫۵ درصد برای کل دوره است؛ نه ۵ درصد و نه ۵۲ درصد.

این اختلاف تناقض نیست. مبلغ بیشتری در بخش زیان‌ده درگیر بوده است. TWR عملکرد مسیر سبد را از اندازه جریان‌های بیرونی جدا می‌کند؛ قرار نیست مستقیماً سود تومانی شما را بازسازی کند.

تفکیک ارزش سبد پیش و پس از ورود پول برای بررسی بازده زمان‌وزن با هوش مصنوعی


اول سؤال را مشخص کنید: عملکرد سبد یا تجربه پول شما؟

در راهنمای استانداردهای GIPS، روش دقیق زمان‌وزن بر ارزش‌گذاری در جریان‌های نقدی بیرونی و اتصال هندسی بازده زیردوره‌ها تکیه دارد. این منطق کمک می‌کند واریز شخصی را با عملکرد سرمایه‌گذاری اشتباه نگیریم؛ اجرای همین تمرین به معنی انطباق کامل گزارش شما با استاندارد GIPS نیست.

اگر سؤال این است که «پول من با توجه به زمان ورود و خروج چه بازدهی داشته؟»، روش پول‌وزن مناسب‌تر است. آموزش محاسبه XIRR با هوش مصنوعی همین سؤال را پوشش می‌دهد. اینجا هدف متفاوت است: ساختن زنجیره عملکرد سبد مستقل از اندازه واریزهای بیرونی. حتی TWR نیز به‌تنهایی مهارت مدیر، ریسک پایین یا برتری بر بازار را اثبات نمی‌کند.


گام اول: جدول ارزش‌گذاری بسازید، نه فقط فهرست تراکنش

یک فایل CSV یا جدول با ستون‌های «شناسه، زمان، ترتیب رویداد، ارزش پیش از جریان، جریان بیرونی، ارزش پس از جریان، واحد و منبع» آماده کنید. واریز را مثبت و برداشت را منفی بگیرید. در ردیف میانی مثال، رابطه ۱۱۰ به‌اضافه ۵۰ مساوی ۱۶۰ باید برقرار باشد. زمان و ترتیب مهم‌اند؛ دو ردیف هم‌تاریخ را بدون بررسی ادغام نکنید.

  • مرز سبد: فروش یک دارایی و نگه‌داشتن وجه در همان سبد، برداشت بیرونی نیست. انتقال میان دو حسابی که هر دو داخل مرز تعریف‌شده‌اند نیز ورود سرمایه تازه محسوب نمی‌شود.
  • ارزش کل: وجه نقد و همه دارایی‌های داخل مرز را با زمان ارزش‌گذاری یکسان لحاظ کنید. ترکیب قیمت صبح یک دارایی با قیمت عصر دارایی دیگر، نتیجه را مخدوش می‌کند.
  • هزینه: کارمزد کسرشده از موجودی را دوباره کم نکنید. آن را صرفاً برای بهترشدن بازده، برداشت سرمایه طبقه‌بندی نکنید؛ نحوه لحاظ‌کردن هزینه در تحلیل باید روشن باشد.
  • واحد: همه مبالغ مثال میلیون تومان‌اند. ریال و تومان یا ارزش دلاری و تومانی را مخلوط نکنید. بازده تومانی و دلاری دو مبنای متفاوت‌اند.

اگر فقط موجودی ابتدا و انتها و مبلغ واریز را دارید، اما ارزش لحظه واریز نامشخص است، محاسبه دقیق این روش کامل نیست. از AI نخواهید آن مقدار را با یک عدد ظاهراً معقول پر کند. ابتدا سابقه ارزش‌گذاری را پیدا کنید؛ در غیر این صورت، محدودیت داده را در خروجی نگه دارید.


گام دوم: ChatGPT را مأمور ممیزی داده کنید

راهنمای رسمی تحلیل داده ChatGPT استفاده از ستون‌های روشن و یک رکورد در هر ردیف را توصیه می‌کند. قابلیت فایل و محاسبه به امکانات حساب وابسته است. اگر ابزار کدی اجرا نکرده، متن پاسخ را محاسبه اجراشده و تأییدشده تلقی نکنید.

برای تمرین، همین داده ساختگی را وارد کنید. در استفاده واقعی، اطلاعات ورود، شماره حساب، نام اشخاص و شناسه‌های غیرضروری را حذف کنید و فقط داده‌ای را به سرویس بدهید که مجاز به اشتراک‌گذاری آن هستید.

این جدول آموزشی برای محاسبه بازده زمان‌وزن است. فعلاً عدد نهایی نده. مرز سبد و واحد را مشخص کن. جریان بیرونی را از خریدوفروش داخلی جدا کن؛ ترتیب پیش و پس از هر جریان و رابطه ارزش پس از جریان = ارزش پیش از جریان + جریان بیرونی را بررسی کن. داده گمشده یا ناسازگار را با شناسه ردیف گزارش کن؛ هیچ ارزش، تاریخ یا نرخ ارزی حدس نزن. ردیف مشابه را خودکار حذف نکن. بگو برای کدام زیردوره داده کافی نداریم.

در این مثال، کنترل درست باید چهار نقطه ارزش‌گذاری، یک واریز بیرونی و دو زیردوره بدون جریان میانی را تشخیص دهد. اگر مدل واریز ۵۰ میلیونی را سود می‌خواند یا ۱۱۰ و ۱۶۰ را دو مشاهده مستقل بازار می‌داند، پیش از ادامه طبقه‌بندی را اصلاح کنید.


گام سوم: بازده‌ها را محاسبه و مستقل کنترل کنید

پس از تأیید ورودی، این دستور را بدهید:

برای هر زیردوره بدون جریان بیرونی، ارزش پایان را بر ارزش آغاز تقسیم و یک کم کن. زیردوره بعدی را با ارزش پس از جریان شروع کن. بازده کل را از حاصل‌ضرب عوامل یک‌به‌اضافه‌بازده منهای یک به دست بیاور. جدول ورودی، فرمول و محاسبات میانی را نشان بده. سالانه‌سازی نکن و سود تومانی را جدا گزارش کن. اگر مخرج صفر یا منفی یا ارزش‌گذاری لازم مفقود بود، آن بخش را متوقف و علت را مشخص کن.

برای بازتولید مستقل در یک صفحه‌گسترده، ستون A را «آغاز زیردوره» و ستون B را «پایان زیردوره» بنامید. در ردیف دوم ۱۰۰ و ۱۱۰ و در ردیف سوم ۱۶۰ و ۱۵۲ قرار دهید. در C2 فرمول زیر را بنویسید و به C3 کپی کنید:

=B2/A2-1

سپس بازده کل را حساب کنید و سلول را درصدی نمایش دهید:

=(1+C2)*(1+C3)-1

خروجی مورد انتظار ۴٫۵ درصد است. جمع‌کردن ۱۰ و منفی۵ یا گرفتن میانگین آن‌ها، زنجیره رشد سرمایه را محاسبه نمی‌کند. این درصد را برای همین بازه آموزشی نگه دارید؛ به سود سال آینده یا نرخ تضمینی تبدیلش نکنید.

بازبینی محاسبه بازده زمان‌وزن و تطبیق مستقل خروجی هوش مصنوعی


سه آزمون کوچک که خطای بزرگ را آشکار می‌کنند

  1. آزمون واریز بدون سود: یک مثال جدا با آغاز ۱۰۰، واریز ۵۰ بدون تغییر ارزش بازار و پایان ۱۵۰ بسازید. بازده باید صفر باشد. خروجی ۵۰ درصد یعنی ورود پول هنوز سود حساب شده است.
  2. آزمون مقیاس: همه مبالغ مثال اصلی را در ۱۰ ضرب کنید. بازده باید همان ۴٫۵ درصد بماند. تغییر درصد، احتمال خطای فرمول یا واحد را مطرح می‌کند.
  3. آزمون داده ناقص: هر دو ارزش‌گذاری ۱۱۰ و ۱۶۰ در زمان واریز را حذف کنید. خروجی درست باید نقص ارزش‌گذاری را اعلام کند، نه اینکه بی‌توضیح همان درصد قبلی را بسازد.

این آزمون‌ها را روی نسخه کپی جدول انجام دهید تا داده اصلی حفظ شود. نتیجه مطلوب یک عدد تنها نیست: فایل ورودی، مرز سبد، زمان ارزش‌گذاری‌ها، فرمول، هزینه‌های منظورشده و ابهام‌های باقی‌مانده باید کنار خروجی بمانند.

برای مقایسه با یک بازار نیز تاریخ شروع و پایان، واحد پول و نوع بازده را یکسان کنید؛ بازده سبد شامل درآمد نقدی را با تغییر صرف قیمت یک دارایی یکی نگیرید. بعد از سنجش عملکرد، آزمون فشار سبد با هوش مصنوعی می‌تواند سؤال دیگری را بررسی کند: اگر شرایط نامطلوب شود، چه زیانی ممکن است در سناریوی فرضی رخ دهد؟ بازده گذشته پاسخ آن سؤال نیست.

ChatGPT و نشان OpenAI متعلق به OpenAI هستند؛ استفاده آموزشی از نام و نشان ابزار به معنی همکاری یا تأیید رسمی زد ارز نیست.

تیم زد ارز

تیم زد ، نام تیمی از علاقمندان حوزه رمز ارز ها می باشد ، در تیم زد سعی می کنیم آخرین دانسنه های خود را برای فارسی زبانان به رایگان به اشتراک بگذاریم، کلیه خدمات تیم زد رایگان است و تنها این آرزو را داریم که چراغ آگاهی را در ذهنی جست و جو گر روشن کنیم ، محتوای انتشار شده از تیم زد شکر گذاری کوچکی می باشد از دانشی که فراگرفته ایم.

نوشته های مشابه

0 0 رای ها
امتیاز مقاله
اشتراک در
اطلاع از
0 نظرات
قدیمی‌ترین
تازه‌ترین بیشترین رأی
دکمه بازگشت به بالا