كيف تعمل الانحدار الخطي في الفوركس

الانحدار الخطي في الفوركس: التعريف وما الذي يحاول فعله

الانحدار الخطي هو أسلوب إحصائي يُستخدم لنمذجة العلاقة بين متغير واحد (المتغير التابع) ومتغير واحد أو أكثر (المتغيرات المستقلة). يشير مصطلح “Linear” إلى أن النموذج دالة على شكل خط مستقيم من المدخلات، وليس إلى فكرة أن السوق نفسه يتحرك في خط مستقيم.

في التحليل المرتبط بالفوركس، قد يطبق الناس الانحدار الخطي على سلاسل زمنية تاريخية مثل:

• مستويات الأسعار (مثلًا: السعر المسجل لزوج عملات)
• العوائد أو الفروقات (مثلًا: العوائد اللوغاريتمية)
• سمات تفسيرية مشتقة من بيانات أخرى (مثلًا: القيم المتأخرة)

النقطة الأساسية هي الفصل بين الآليات والتوقعات: يقوم الأسلوب بتقدير معلمات تصف كيف تتوافق البيانات الماضية مع علاقة خطية. ولا يوفر بطبيعته تنبؤات آمنة حول أسعار المستقبل.

الآليات: شكل النموذج والمدخلات وتسلسل التقدير

1) اختر المتغير التابع والمتغيرات المستقلة

لتطبيق الانحدار الخطي، عليك أولًا تحديد ما الذي تحاول شرحه. على سبيل المثال، مع متغير مستقل واحد X ومتغير تابع Y، يكون الشكل الأساسي:

Y = a + bX + ε

• Y هو المتغير التابع (ما تقيسه).
• X هو المتغير المستقل (ما تستخدمه لشرح Y).
• a هو الحدّ الثابت (intercept).
• b هو الميل (كم يتغير Y في المتوسط عند تغيير X بوحدة واحدة).
• ε هو حدّ الخطأ (الجزء من Y غير المفسَّر بواسطة الخط).

في سياقات الفوركس، يتم بناء X وY من بيانات السوق وأي سمات تختار استخدامها. تشمل الاختيارات الشائعة استخدام القيم المتأخرة كـ X (مثلًا: استخدام عائد الفترة السابقة لشرح عائد الفترة التالية)، لكن الاختيار الدقيق هو افتراض يجب أن تذكره.

2) اجمع الملاحظات التاريخية ومواءمها زمنيًا

يتوقع الانحدار الخطي ملاحظات مقترنة. إذا كنت تستخدم سلاسل زمنية، تحتاج إلى تحديد كيفية مواءمة الطوابع الزمنية. على سبيل المثال، إذا كان Y هو “عائد الفترة التالية”، فيجب حساب X من “الفترة الحالية” (أو الأقدم) حتى لا تستخدم معلومات مستقبلية عن غير قصد.

قرار المواءمة هذا مهم لأن الأخطاء يمكن أن تغيّر العلاقة المقدّرة.

3) قدّر المعلمات (a و b)

نهج قياسي هو المربعات الصغرى العادية (OLS)، والذي يختار a و b لتقليل مجموع الأخطاء المربعة:

min Σ( Yi − (a + bXi) )²

مفهوميًا، يجد OLS الخط المستقيم الذي يجعل الانحرافات العمودية بين قيم Y المرصودة والخط صغيرة قدر الإمكان، بمعنى المربعات الصغرى.

تعتمد تقديرات المعلمات على:

• البيانات التي تُدخلها (العينة)
• كيفية قياس وتحويل المتغيرات
• ما إذا كنت تتضمن حدًّا ثابتًا
• وجود القيم الشاذة وفترات غير معتادة

4) احسب القيم الملائمة والبواقي

بعد تقدير المعلمات، تحسب:

• القيم الملائمة: Ŷi = a + bXi
• البواقي: ei = Yi − Ŷi

توضح البواقي ما فشل النموذج في شرحه لكل ملاحظة. تشير البواقي الكبيرة إلى أوقات لم تلتقط فيها العلاقة الخطية الحركة المرصودة.

5) قيّم ملاءمة النموذج (ضمن العينة) وعدم اليقين

عادةً تستخدم مقاييس ملاءمة مثل:

• R² (كم من تباين Y يتم تفسيره بواسطة النموذج الخطي)
• مقاييس الخطأ (مثلًا: متوسط الخطأ المربّع)

لكن الملاءمة العالية داخل العينة لا تعني تلقائيًا أداءً قويًا خارج العينة. في السلاسل الزمنية، قد تتغير العلاقات.

أدلة ومنطق مثال يمكنك التحقق منه بشكل مستقل

هيكل مثال مُنجز (دون افتراض “ميزة تنبؤية”)

افترض أن لديك مجموعة من N ملاحظات متوافقة من بيانات فوركس تاريخية. أنت تحدد:

• Y كعائد الفترة التالية
• X كعائد الفترة الحالية

ثم تحسب X وY لكل خطوة زمنية، لتنتج أزواج (Xi, Yi) من أجل i = 1…N. ومع تلك الأزواج:

1. تقدير a و b باستخدام OLS
2. الحصول على القيم المتوقعة Ŷi
3. حساب البواقي ei = Yi − Ŷi
4. قياس الخطأ و/أو R² على نفس البيانات

للتحقق من النتائج بشكل مستقل، يمكنك إعادة تشغيل الحسابات باستخدام نفس سلسلة الإدخال والتحويلات. إذا تغيّرت معاملاتك المقدّرة كثيرًا عند تغيير نافذة العينة، فهذا إشارة مهمة إلى أن العلاقة غير مستقرة.

لماذا “العلاقة الخطية” ليست هي نفسها السببية

حتى عندما يجد الانحدار ارتباطًا خطيًا يمكن قياسه إحصائيًا، فهذا لا يثبت أن X يسبب Y. في بيانات الفوركس، تتداخل العديد من التأثيرات (إصدارات الاقتصاد الكلي، تغيّر معنويات المخاطر، تغيّرات السيولة). تلخص معلمات الانحدار أنماط الارتباط ضمن نموذجك المختار، وليس سائقًا مضمونًا.

قيود مادية وأنماط فشل في سياقات الفوركس

1) عدم الثبات وتغيّر الأنظمة

قد تتحول سلاسل فوركس الزمنية بسبب تغيّر ظروف السوق. يفترض الانحدار الخطي أن العلاقة التي تقدرها ذات معنى للعينة المرصودة. إذا تغيّرت العلاقة الأساسية مع الزمن، فقد لا تصف المعاملات المقدّرة من البيانات الماضية السلوك اللاحق.

2) سوء تحديد النموذج

قد يكون نموذج الخط المستقيم بسيطًا جدًا. حتى إذا بدا أن “العلاقة المتوسطة” خطية، فقد تكون العلاقة الحقيقية:

• غير خطية
• تتغير مع الزمن (معلمات تتبدل)
• تعتمد على متغيرات لم تُدرجها

إذا كان النموذج محددًا بشكل خاطئ، غالبًا ما تُظهر البواقي أنماطًا منهجية، ما يعني أن النموذج ناقص بنيويًا.

3) الارتباط الذاتي والأخطاء التابعة

في السلاسل الزمنية، قد ترتبط البواقي عبر الزمن. تعتمد العديد من تفسيرات الاستدلال الكلاسيكية للانحدار على افتراضات حول حدّ الخطأ. إذا كانت الأخطاء مرتبطة ذاتيًا أو غير متجانسة التباين (heteroskedastic)، فقد تكون تقديرات عدم اليقين (مثلًا: الأخطاء المعيارية) مضللة.

4) فرط الملاءمة مع عدد كبير من السمات

إذا توسعت إلى متغيرات مستقلة متعددة (الانحدار المتعدد)، فقد يلاءم النموذج الضجيج في فترة التدريب، خصوصًا مع بيانات محدودة. في الفوركس، قد تزيد “السمات الإضافية” الملاءمة الظاهرية بينما تسوء القدرة على التعميم.

5) جودة البيانات وخيارات التحويل

قد تغيّر الخيارات المختلفة—استخدام مستويات الأسعار مقابل العوائد، التحويل اللوغاريتمي مقابل التحويل الحسابي، أطوال النوافذ، ومعالجة القيم الشاذة—النتائج بشكل ملموس. وبما أن الانحدار حساس للتحجيم وتركيبة العينة، يجب أن تبقي التحويلات واضحة.

كيفية التحقق من الادعاءات حول نتائج الانحدار الخطي

تحقق من افتراضاتك وقابلية إعادة الإنتاج

للتحقق بشكل مستقل مما إذا كان تحليل الانحدار الخطي متسقًا، ركز على:

• ما إذا كانت X وY مواءمتين بشكل صحيح زمنيًا
• ما إذا كنت قد عرّفت التحويلات بشكل صريح
• ما إذا كانت البواقي تبدو عشوائية وليست منظمة
• ما إذا كانت المعاملات تبقى مستقرة نسبيًا عبر نوافذ تاريخية مختلفة

فرّق بين “التباين المفسَّر” و“التنبؤ”

يساعد تسمية المخرجات بشكل صحيح:

• يعطي الانحدار قيمًا ملائمة وبواقي للعينة ووصفًا للنموذج.
• يتطلب التنبؤ بـ Y في المستقبل تحققًا إضافيًا يتجاوز الملاءمة داخل العينة.