الانحدار الخطي

ما هو الانحدار الخطي

الانحدار الخطي هو تقنية إحصائية لنمذجة العلاقة بين واحد أو أكثر من المدخلات (غالبًا ما تُسمّى سمات) ومخرج (متغير مستهدف). تتمثل الفكرة المحدِّدة في أن النموذج يعبر عن المخرج كمجموع خطي من المدخلات.

في أبسط حالة، عندما يكون لدينا مدخل واحد x ومخرج واحد y، يُكتب النموذج عادةً على النحو التالي:

• y ≈ b0 + b1·x

هنا، b0 هو التقاطع (intercept) و b1 هو الميل (slope). يشير مصطلح “الخطّي” إلى الطريقة التي تدخل بها المعاملات في المعادلة (b0, b1, إلخ)، وليس بالضرورة إلى شكل العلاقة بين المتغيرات في العالم الحقيقي. ومع وجود مدخلات أكثر، يمتد المبدأ نفسه إلى عدة سمات.

في أبحاث الفوركس، يُستخدم الانحدار الخطي غالبًا كأداة وصفية أو تحليلية—على سبيل المثال، لتقدير كيف ترتبط مجموعة من المتغيرات التفسيرية بنتيجة مُقاسة. ويمكن أيضًا استخدامه لتكوين “نموذج أساس للتغير المتوقع” عندما تكون لهذه المتغيرات علاقة إحصائية مستقرة إلى حد ما.

كيف يعمل الانحدار الخطي

يمتلك الانحدار الخطي سير عمل واضح: اختيار المتغيرات، ملاءمة المعاملات، ثم تقييم مدى الملاءمة.

1) اختيار المدخلات والمخرج

تحدد أي متغير تريد شرحه (المخرج) وأي متغيرات ستستخدمها كمُتنبئات (مدخلات). على سبيل المثال، قد يكون مخرجك عائداً مستقبليًا أو سلسلة أخرى مشتقة، بينما قد تكون مدخلاتك قيمًا سابقة أو تحوّلات لبيانات السوق المرصودة.

تتمثل نقطة عملية مهمة في أن قرارات معالجة بيانات الفوركس تؤثر: العوائد مقابل الأسعار، إلى أي مدى تعود المدخلات، وكيف تقوم بمحاذاة الزمن (لتجنب استخدام معلومات لم تكن متاحة لحظة التنبؤ).

2) ملاءمة المعاملات عبر تقليل خطأ التنبؤ

نهج شائع هو المربعات الصغرى العادية (OLS). يختار OLS المعاملات (مثل b0 و b1) بحيث يتم تقليل مجموع الفروق المربعة بين المخرجات المرصودة وتوقعات النموذج.

• خطأ التنبؤ لكل نقطة بيانات هو القيمة المرصودة ناقص القيمة المتوقعة.
• تعاقب الأخطاء المربعة الأخطاء الأكبر بقوة أكبر.

النتيجة هي مجموعة معاملات تحدد المعادلة المُعايرة.

3) تفسير المعاملات بحذر

يمكن تفسير المعاملات على أنها ارتباطات ضمن افتراضات النموذج. في حالة المدخل الواحد، يشير الميل b1 إلى مقدار تغيّر المخرج المتوقع في المتوسط عند زيادة وحدة واحدة في x، مع تثبيت بنية النموذج.

مع وجود مدخلات متعددة، تعكس المعاملات التعديل الخطي للنموذج فيما بين تلك المتنبئات. ومع ذلك، في بيانات السوق الحقيقية، قد تكون المتنبئات مترابطة مع بعضها، ما قد يجعل تفسير كل معامل على حدة أقل ثباتًا.

4) تقييم الأداء والقدرة على التعميم

لا يضمن “الملاءمة الجيدة” على نفس البيانات المستخدمة لتقدير المعاملات أن تكون مفيدة على بيانات جديدة. تشمل أفكار التقييم الشائعة:

• التحقق من مدى تنبؤ النموذج بالقيم غير المستخدمة أثناء الملاءمة (اختبار خارج العينة).
• استخدام مقاييس الخطأ المناسبة لمقياس الهدف.

وبما أن علاقات السوق قد تتغير، فإن استراتيجية التحقق تعد أمرًا حاسمًا. وبدونها، قد تعكس المعادلة المُعايرة ضجيجًا أكثر من كونها نمطًا مستمرًا.

القيود والمخاطر في بيئة سوق تكيفية

غالبًا ما يُقدَّم الانحدار الخطي على أنه بسيط، لكن توجد عدة قيود غالبًا ما تكون مهمة في التمويل.

1) الخطّية وعدم ملاءمة مواصفات النموذج

يفترض الانحدار الخطي أن المخرج المتوقع يتغير خطيًا مع المدخلات (ضمن تعريفات السمات المختارة). إذا كانت العلاقة الحقيقية غير خطية، فقد يفشل النموذج الخطي في التقاط البنية بشكل منهجي.

في الممارسة، قد يؤدي ذلك إلى أنماط في البواقي (الأخطاء التي لا تتناثر عشوائيًا) وإلى ملاءمة متفائلة بشكل زائد إذا تم تقييمها فقط داخل العينة.

2) الحساسية للافتراضات وظروف البيانات

تعتمد ملاءمة OLS ضمنيًا على شروط إحصائية (مثل نمط تباين مستقر وعدم وجود بنية خطأ منهجية). إذا تم انتهاك هذه الشروط، فقد تكون تقديرات المعاملات وعدم اليقين مضللة.

في بيانات السوق، يمكن أن تتغير التقلبات مع الوقت، وقد تحدث قيم شاذة، ويمكن أن تنحرف العلاقات. قد تقلل هذه التأثيرات من الاعتمادية حتى عندما يبدو أن الانحدار “يعمل” خلال فترة عينة واحدة.

3) الإفراط في الملاءمة والارتباطات الزائفة

عند استخدام عدد كبير من السمات أو عند ضبط مجموعة السمات بشكل متكرر لتطابق السلوك التاريخي، قد يلتقط النموذج أنماطًا لا تعمم. وحتى مع عدد أقل من السمات، يمكن أن تحدث ارتباطات زائفة لأن السلاسل الزمنية المالية مليئة بالضجيج.

لتقليل هذا الخطر، تحتاج إلى تحقق منضبط: اختبار الحجز، محاذاة زمنية دقيقة، وتجنب تسرب المعلومات من المستقبل.

4) عدم الثبات وتغيرات النظام

قد تتغير ظروف الفوركس: قد تختلف السيولة والتقلبات ومحركات السلوك عبر الفترات. قد لا تبقى العلاقة الخطية المقدّرة على فترة واحدة صالحة.

هذه ليست عيبًا فريدًا للانحدار الخطي؛ بل هي مخاطرة عامة عند تطبيق أي نموذج إحصائي على أنظمة غير ثابتة. ومع ذلك، قد يفشل الانحدار الخطي بصمت: يمكنه الاستمرار في إنتاج مخرج رقمي حتى عندما تضعف العلاقة الأساسية.

5) استخدام المخرجات للبحث—وليس للتنبؤ بنتائج

يوفر الانحدار تقديرًا لارتباط ضمن النموذج المحدد. ولا يعرّف بالضرورة يقينًا بشأن تحركات السوق المستقبلية.

إذا تعاملت مع مخرج الانحدار على أنه مضمون أو حتمي، فإنك تتجاهل عدم اليقين المنعكس في حدود الخطأ وعدم استقرار عملية توليد البيانات.

كيفية التحقق مما إذا كان الانحدار الخطي مناسبًا لاستخدامك

يمكن أن يساعدك تبنّي عقلية تحقق عملية في الحكم على ما إذا كان الانحدار يصف شيئًا مفيدًا.

أولًا، تحقق مما إذا كانت البواقي (الفروق بين القيم المرصودة والمتوقعة) تتصرف كضجيج بدلًا من احتواء بنية متسقة. ثانيًا، اختبر الأداء على بيانات لم تُستخدم في الملاءمة، ويفضل احترام ترتيب الزمن.

ثالثًا، نفّذ اختبارات متانة: غيّر تعريفات السمات ضمن حدود معقولة، وتأكد أن النتائج لا تعتمد على خيار معالجة مسبقة واحد، وابحث عن الثبات عبر نوافذ زمنية مختلفة.

وأخيرًا، وثّق الافتراضات: ما هو الهدف، وكيف تُبنى المتنبئات، وكيف يتم إجراء التحقق. يتيح ذلك إمكانية التحقق بشكل مستقل من الادعاءات حول سلوك النموذج في نفس الإعداد.

المقارنة مع أفكار خطية وثيقة الصلة

يرتبط الانحدار الخطي ارتباطًا وثيقًا بنماذج خطية أخرى تُنشئ أيضًا علاقة خطية بين المدخلات والمخرجات. على سبيل المثال، لا تزال النماذج الخطية التي تتضمن تنظيمًا (regularization) تعتمد على بنية معاملات خطية، لكنها تعدّل دالة الهدف الخاصة بالملاءمة للتحكم في التعقيد.

حتى مع هذه الاختلافات، تبقى الأسئلة الأساسية نفسها:

• هل التمثيل المختار مناسب للعلاقة؟
• هل يعمم النموذج على بيانات جديدة؟
• هل النتائج ثابتة عبر الزمن وخيارات المعالجة المسبقة؟

وبمصطلحات أبحاث الفوركس، يكون “مخرج” الطريقة دائمًا مشروطًا بإعداد النمذجة، ولا يمكن تجنب عدم اليقين.

حدود يمكنك تقييمها بشكل مستقل

عادةً يمكنك تقييم ما يلي دون الاعتماد على ادعاءات الموردين أو سلوك وسيط محدد:

• ما إذا كان الانحدار يقلل الخطأ مقارنةً بخط أساس بسيط.
• ما إذا كان أداء خارج العينة أفضل بشكل ملموس من توقعات بمستوى عشوائي.
• ما إذا كانت العلاقة ثابتة عبر فترات زمنية متعددة.