Hierarchical Clustering

1. 1. التجميع الهرمي: دليل شامل للمبتدئين في تحليل بيانات العملات المشفرة

التجميع الهرمي (Hierarchical Clustering) هو أسلوب تعلم آلي غير خاضع للإشراف يستخدم لتجميع نقاط البيانات إلى مجموعات بناءً على تشابهها. على عكس طرق التجميع الأخرى مثل K-Means Clustering، لا يتطلب التجميع الهرمي تحديد عدد المجموعات مسبقًا. بدلاً من ذلك، يبني التسلسل الهرمي للمجموعات، بدءًا من كل نقطة بيانات كمجموعة منفصلة ثم دمج المجموعات الأكثر تشابهًا بشكل متكرر حتى يتم تجميع جميع نقاط البيانات في مجموعة واحدة. هذه المرونة تجعله أداة قوية لتحليل بيانات العملات المشفرة، حيث يمكن أن تساعد في تحديد الأنماط والعلاقات المخفية بين الأصول المختلفة، أو حتى بين فترات زمنية مختلفة لسلوك الأصل الواحد.

1. 1. 1. لماذا نستخدم التجميع الهرمي في تحليل العملات المشفرة؟

في عالم الأسواق المالية المتقلب، وخاصةً سوق العملات المشفرة، يمكن أن يكون تحديد الأصول المترابطة أو الأصول التي تظهر سلوكًا مشابهًا أمرًا بالغ الأهمية. يمكن استخدام التجميع الهرمي في مجموعة متنوعة من التطبيقات، بما في ذلك:

• **تجميع العملات المشفرة:** تجميع العملات المشفرة بناءً على ارتباط أسعارها. يمكن أن يساعد هذا المتداولين والمستثمرين في تنويع محافظهم الاستثمارية وتقليل المخاطر. على سبيل المثال، قد يتم تجميع Bitcoin و Ethereum معًا نظرًا لارتباطهما الوثيق.
• **تحديد الأنماط التجارية:** تجميع فترات زمنية مختلفة لسلوك الأصل الواحد. يمكن أن يساعد هذا المتداولين في تحديد الأنماط المتكررة في الأسعار وحركات الأسعار، مما يسمح لهم بتطوير استراتيجيات تداول أكثر فعالية.
• **تحليل المشاعر:** تجميع المقالات الإخبارية أو منشورات وسائل التواصل الاجتماعي المتعلقة بعملة مشفرة معينة بناءً على المشاعر المعبر عنها. يمكن أن يساعد هذا في تقييم معنويات السوق والتنبؤ بتحركات الأسعار المستقبلية.
• **اكتشاف الحالات الشاذة:** تحديد نقاط البيانات التي لا تنتمي إلى أي مجموعة بشكل واضح. يمكن أن يشير هذا إلى عمليات احتيال محتملة أو أنشطة غير طبيعية في السوق.
• **تحسين إدارة المخاطر**: من خلال فهم أوجه التشابه والاختلاف بين الأصول المختلفة.

1. 1. 1. أنواع التجميع الهرمي

هناك نوعان رئيسيان من التجميع الهرمي:

• **التجميع التراكمي (Agglomerative Clustering):** يبدأ هذا الأسلوب باعتبار كل نقطة بيانات مجموعة منفصلة ثم يدمج المجموعات الأكثر تشابهًا بشكل متكرر حتى يتم تجميع جميع نقاط البيانات في مجموعة واحدة. هذا هو النوع الأكثر شيوعًا من التجميع الهرمي.
• **التجميع التقسيمي (Divisive Clustering):** يبدأ هذا الأسلوب باعتبار جميع نقاط البيانات مجموعة واحدة ثم يقسم المجموعة بشكل متكرر إلى مجموعات أصغر حتى تصبح كل نقطة بيانات مجموعة منفصلة.

1. 1. 1. كيفية عمل التجميع التراكمي

يعمل التجميع التراكمي على عدة خطوات رئيسية:

1. **حساب مصفوفة المسافة:** يتم حساب المسافة بين كل زوج من نقاط البيانات. يمكن استخدام مقاييس مسافة مختلفة، مثل مسافة إقليدية، مسافة مانهاتن، أو مسافة تشيبيشيف. يعتمد اختيار مقياس المسافة على طبيعة البيانات والمشكلة المطروحة. 2. **البدء بكل نقطة كمجموعة:** في البداية، يتم اعتبار كل نقطة بيانات مجموعة منفصلة. 3. **دمج المجموعات:** يتم دمج المجموعتين الأقرب إلى بعضهما البعض بناءً على مصفوفة المسافة. 4. **تحديث مصفوفة المسافة:** بعد دمج المجموعات، يتم تحديث مصفوفة المسافة لحساب المسافة بين المجموعة الجديدة وجميع المجموعات الأخرى. 5. **التكرار:** يتم تكرار الخطوتين 3 و 4 حتى يتم تجميع جميع نقاط البيانات في مجموعة واحدة.

1. 1. 1. طرق ربط المجموعات

يحدد طريقة ربط المجموعات كيفية حساب المسافة بين مجموعتين. هناك عدة طرق ربط شائعة، بما في ذلك:

• **الربط المفرد (Single Linkage):** تحسب المسافة بين مجموعتين على أنها أقصر مسافة بين أي نقطتين في المجموعتين. هذا الأسلوب حساس للضوضاء ويمكن أن ينتج عنه مجموعات طويلة و متعرجة.
• **الربط الكامل (Complete Linkage):** تحسب المسافة بين مجموعتين على أنها أطول مسافة بين أي نقطتين في المجموعتين. هذا الأسلوب أقل حساسية للضوضاء ولكنه يمكن أن ينتج عنه مجموعات مضغوطة جدًا.
• **الربط المتوسط (Average Linkage):** تحسب المسافة بين مجموعتين على أنها متوسط المسافة بين جميع أزواج نقاط البيانات في المجموعتين. هذا الأسلوب هو حل وسط بين الربط المفرد والربط الكامل.
• **الربط المركز (Centroid Linkage):** تحسب المسافة بين مجموعتين على أنها المسافة بين مركزيهما. هذا الأسلوب فعال من الناحية الحسابية ولكنه يمكن أن ينتج عنه مجموعات غير طبيعية.
• **الربط وارد (Ward Linkage):** يهدف هذا الأسلوب إلى تقليل التباين داخل المجموعات. يعتبر بشكل عام من أفضل الطرق لإنتاج مجموعات متجانسة.

1. 1. 1. تمثيل نتائج التجميع الهرمي: Dendrograms

يتم تمثيل نتائج التجميع الهرمي عادةً باستخدام Dendrograms (الأشجار التفرعية). يمثل Dendrogram التسلسل الهرمي للمجموعات. يمثل طول الفروع المسافة بين المجموعات المدمجة. يمكن استخدام Dendrogram لتحديد عدد المجموعات الأمثل عن طريق قطع الشجرة عند مستوى معين.

1. 1. 1. اختيار عدد المجموعات الأمثل

لا يوفر التجميع الهرمي عدد المجموعات الأمثل تلقائيًا. يجب على المستخدم تحديد هذا العدد بناءً على فهمه للبيانات والمشكلة المطروحة. هناك عدة طرق لتحديد عدد المجموعات الأمثل، بما في ذلك:

• **طريقة الكوع (Elbow Method):** يتم رسم مجموع التباين داخل المجموعات مقابل عدد المجموعات. يتم اختيار عدد المجموعات الذي يمثل "الكوع" في المنحنى.
• **معامل الصورة الظلية (Silhouette Coefficient):** يقيس مدى تشابه كل نقطة بيانات مع مجموعتها الخاصة مقارنة بالمجموعات الأخرى. يتم اختيار عدد المجموعات الذي يحقق أعلى معامل صورة ظلية.
• **التحقق البصري من Dendrogram:** يمكن فحص Dendrogram لتحديد مستوى القطع الذي ينتج عنه مجموعات ذات معنى.

1. 1. 1. التجميع الهرمي في سياق استراتيجيات التداول

يمكن دمج نتائج التجميع الهرمي في استراتيجيات التداول المختلفة. على سبيل المثال:

• **تداول الأزواج (Pair Trading):** يمكن استخدام التجميع الهرمي لتحديد العملات المشفرة المترابطة. يمكن للمتداولين شراء العملة المشفرة أقل أداءً وبيع العملة المشفرة ذات الأداء الأفضل، مع توقع أن تتقارب أسعارهما في المستقبل.
• **تداول الاتجاه (Trend Following):** يمكن استخدام التجميع الهرمي لتحديد الأصول التي تظهر اتجاهات سعرية مماثلة. يمكن للمتداولين اتخاذ مراكز طويلة في الأصول ذات الاتجاه الصعودي ومراكز قصيرة في الأصول ذات الاتجاه الهبوطي.
• **تداول التقلبات (Volatility Trading):** يمكن استخدام التجميع الهرمي لتحديد الأصول التي تظهر أنماط تقلب مماثلة. يمكن للمتداولين استخدام هذه المعلومات لتطوير استراتيجيات تداول خيارات أو عقود مستقبلية.

1. 1. 1. الأدوات واللغات المستخدمة في التجميع الهرمي

هناك العديد من الأدوات واللغات التي يمكن استخدامها لتنفيذ التجميع الهرمي، بما في ذلك:

• **Python:** مكتبة Scikit-learn توفر مجموعة واسعة من خوارزميات التجميع الهرمي.
• **R:** توفر حزمة hclust وظائف للتجميع الهرمي.
• **MATLAB:** توفر وظائف للتجميع الهرمي في أدواتها الإحصائية.
• **Excel:** يمكن استخدام Excel لإجراء تجميع هرمي بسيط باستخدام وظائف إحصائية.

1. 1. 1. قيود التجميع الهرمي

على الرغم من أن التجميع الهرمي هو أداة قوية، إلا أنه له بعض القيود:

• **التعقيد الحسابي:** يمكن أن يكون التجميع الهرمي مكلفًا من الناحية الحسابية، خاصةً بالنسبة لمجموعات البيانات الكبيرة.
• **الحساسية للضوضاء:** يمكن أن يكون التجميع الهرمي حساسًا للضوضاء في البيانات.
• **صعوبة تفسير النتائج:** يمكن أن يكون تفسير Dendrograms أمرًا صعبًا في بعض الأحيان.

1. 1. 1. استراتيجيات التحليل الفني ذات الصلة

• تحليل الشموع اليابانية: فهم أنماط الشموع يمكن أن يكمل نتائج التجميع.
• المتوسطات المتحركة: استخدام المتوسطات المتحركة لتأكيد الاتجاهات المحددة بالتجميع.
• مؤشر القوة النسبية (RSI): قياس زخم السعر وتحديد ظروف ذروة الشراء/البيع.
• مؤشر الماكد (MACD): تحديد تغييرات الزخم في الأسعار.
• خطوط فيبوناتشي: تحديد مستويات الدعم والمقاومة المحتملة.

1. 1. 1. استراتيجيات تحليل حجم التداول ذات الصلة

• حجم التداول كحجم السعر: ربط التغيرات في حجم التداول بتحركات الأسعار.
• تجميع حجم التداول: تحليل التغيرات في حجم التداول لتأكيد الاتجاهات.
• مؤشر التوازن على الحجم (OBV): ربط حجم التداول بالضغط الشرائي والبيعي.
• مؤشر التدفق النقدي (MFI): قياس قوة تدفق الأموال في السوق.
• حجم الأمر: تحليل حجم أوامر السوق لتحديد مناطق الدعم والمقاومة.

1. 1. 1. استراتيجيات إدارة المخاطر ذات الصلة

• تنويع المحفظة: توزيع الاستثمارات عبر أصول مختلفة.
• أوامر وقف الخسارة: تحديد الحد الأقصى للخسارة المقبولة.
• حجم المركز: تحديد حجم المركز المناسب بناءً على تحمل المخاطر.
• تحليل السيناريو: تقييم تأثير السيناريوهات المختلفة على المحفظة.
• التحوط: استخدام الأدوات المالية لتقليل المخاطر.

1. 1. 1. روابط لموارد إضافية

• Scikit-learn Documentation on Agglomerative Clustering: [١](https://scikit-learn.org/stable/modules/clustering.html#hierarchical-clustering)
• R Documentation on hclust: [٢](https://www.rdocumentation.org/packages/stats/versions/3.6.2/topics/hclust)
• Understanding Dendrograms: [٣](https://www.geeksforgeeks.org/hierarchical-clustering-in-python/)
• Pair Trading Strategy: [٤](https://www.investopedia.com/terms/p/pairtrading.asp)
• Trend Following Strategy: [٥](https://www.investopedia.com/terms/t/trendfollowing.asp)

آمل أن يكون هذا الدليل الشامل للتجميع الهرمي مفيدًا للمبتدئين في تحليل بيانات العملات المشفرة.

منصات تداول العقود الآجلة الموصى بها

المنصة	مميزات العقود الآجلة	التسجيل
Binance Futures	رافعة مالية تصل إلى 125x، عقود USDⓈ-M	سجّل الآن
Bybit Futures	عقود دائمة عكسية	ابدأ التداول
BingX Futures	التداول بالنسخ	انضم إلى BingX
Bitget Futures	عقود مضمونة بـ USDT	افتح حساب
BitMEX	منصة العملات المشفرة، رافعة مالية تصل إلى 100x	BitMEX

انضم إلى مجتمعنا

اشترك في قناة Telegram @strategybin للحصول على المزيد من المعلومات. أفضل منصات الربح – اشترك الآن.

شارك في مجتمعنا

اشترك في قناة Telegram @cryptofuturestrading للحصول على التحليل، الإشارات المجانية والمزيد!