كيف يختلف R Squared عن مفاهيم الفوركس ذات الصلة؟
الإجابة المباشرة
يختلف R Squared (غالبًا يُكتب كـ R²) عن كثير من مفاهيم الفوركس “ذات الصلة” لأنّه يُعد في المقام الأول إحصائية goodness-of-fit لمدى قدرة النموذج على تفسير بيانات محددة ضمن مجموعة بيانات مُعرّفة. ولا يشير، بحد ذاته، إلى ما إذا كانت تحركات السعر المستقبلية ستتبع النموذج، كما أنه ليس الشيء نفسه مثل correlation أو prediction أو إشارة تداول مستقلة.
عمليًا، قد تربط مناقشات الفوركس R Squared بأفكار مثل correlation (كيف تتحرك سلسلتان معًا)، وregression (نموذج يربط المدخلات بالمخرجات)، وتقييم الأداء (مدى تطابق النموذج المختار مع التاريخ). والطريقة المحدودة للتفكير فيه هي:
- يجيب R Squared عن: “كم مقدار التباين في المتغير التابع الذي يفسّره النموذج المختار داخل هذه العينة؟”
- يصف regression شكل النموذج المستخدم لإنتاج التنبؤات/التفسيرات.
- تقيس correlation الارتباط الخطي بين متغيرين، وغالبًا دون أن تصف مباشرةً مقدار التباين المفسَّر بواسطة نموذج regression مُعاير بعينه.
الآليات والتعريفات
ما هو R Squared (goodness-of-fit)
R Squared هو إحصائية تُستخدم لتلخيص مقدار التباين في متغير ناتج يتم تفسيره بواسطة نموذج إحصائي مُلائم لبيانات. وبعبارة بسيطة، يقارن أخطاء النموذج المتبقية (مدى انحراف المشاهدات عن القيم المُلائمة للنموذج) بإجمالي التباين في البيانات المرصودة.
الافتراض الأساسي وراء الاستخدام المعتاد هو أن النموذج تم ملاءمته على مجموعة محددة من المشاهدات (“داخل العينة”). عندها يعكس R Squared المحسوب نافذة البيانات المحددة وتحديد مواصفات النموذج المحددة.
ما هي “مفاهيم الفوركس ذات الصلة” غالبًا
لفهم الاختلافات، يساعد تثبيت كل مفهوم مجاور في دوره الأساسي:
- Regression (ملاءمة النموذج): regression هي خطوة النمذجة. فهي تحدد كيف ترتبط المدخلات بمخرج باستخدام معاملات يتم تقديرها من البيانات. غالبًا ما يُعرض R Squared كـ نتيجة لملاءمة regression، لكن regression نفسها ليست R Squared.
- Correlation (الارتباط): correlation يصف قوة واتجاه التلازم الخطي بين سلسلتين. يمكن حساب correlation مباشرةً دون نموذج regression كامل؛ وحتى عندما يرتبط regression في حالات خاصة (مثل regression الخطي البسيط مع intercept)، فإنه لا يكون الشيء نفسه مثل “التباين المفسَّر بواسطة نموذج مُعاير بعينه” بشكل عام في الإعدادات متعددة العوامل أو غير الخطية.
- التحليل/التنبؤ (ادعاء موجّه للمستقبل): يحاول التنبؤ تقدير القيم المستقبلية. يتم حساب R Squared من بيانات الماضي المستخدمة لتلائم/تقييم النموذج، لذا فهو ليس مقياسًا للتنبؤ بطبيعته.
- “الإشارة” أو “أداء الاستراتيجية” (نتيجة موجهة للتداول): تعتمد نتائج التداول على عوامل إضافية كثيرة—توقيت التنفيذ، والسيولة، والسبريد، والعمولات، والانزلاق السعري، والقواعد المحددة للدخول/الخروج. حتى لو كان النموذج قوي الملاءمة تاريخيًا، فهذا لا يعني تلقائيًا تحقيق ربحية تداول.
الدليل أو مثال (محدود وبالاعتماد على الافتراضات)
مثال صغير يوضح ما الذي يقيسه R Squared
افترض أنك تبني نموذج regression بسيطًا يحاول تفسير سلسلة هدف (على سبيل المثال، التغيرات في متغير مشتق من السعر) باستخدام سلسلة تفسيرية واحدة (على سبيل المثال، نسخة محوّلة من متغير آخر). تقوم بملاءمة النموذج على فترة تاريخية مختارة ثم تحسب R Squared.
الآن ضع في الاعتبار سيناريوهين:
- السيناريو A (ملاءمة عالية داخل العينة): تتبع القيم المُلائمة للنموذج الهدف المرصود بشكل وثيق داخل نافذة الملاءمة. تكون residuals صغيرة نسبيًا مقارنةً بإجمالي التباين، لذا يكون R Squared مرتفعًا.
- السيناريو B (نفس التباين الإجمالي، علاقة مختلفة): يبدو النموذج أضعف لأن أخطاء residual كبيرة مقارنةً بإجمالي التباين، لذا يكون R Squared أقل.
في كلا السيناريوهين، النقطة الأساسية هي أن R Squared هو حول الملاءمة داخل مجموعة البيانات ومواصفات النموذج. إذا تغيّر الترابط بين المتغيرات بعد نافذة التدريب، فإن R Squared المحسوب سابقًا لا يضمن ملاءمة مماثلة لاحقًا.
أين يحدث الالتباس غالبًا في مناقشات الفوركس
عدم التطابق الشائع هو التعامل مع إحصائية ملاءمة كما لو كانت:
- متنبئًا بالاتجاه (“ارتفاع R Squared يعني أن العوائد المستقبلية مرجحة أن تكون إيجابية”)، أو
- مقياسًا للمخاطر (“ارتفاع R Squared يعني مخاطر منخفضة”)، أو
- ضمانًا عبر مزودين أو عبر أسواق (“سيكون R Squared قابلًا للمقارنة بين الوسطاء وعمليات التنفيذ”).
لا يحل R Squared تلك المشكلات بطبيعته. يمكن حسابه مع خيارات مختلفة لهدف النموذج، وفترة زمنية، وتحويلات، وشكل النموذج؛ كما أن مخرجه لا يكون ذا معنى إلا بقدر ما تكون الافتراضات وطريقة التقييم.
القيود وأوضاع الفشل (لماذا قد يضلل)
1) عدم السكون وتغيرات النظام
يمكن أن تتغير طبيعة أسواق الفوركس مع مرور الوقت. قد تضعف العلاقة الإحصائية التي كانت موجودة خلال نافذة تاريخية واحدة أو تختفي لاحقًا. وبما أن R Squared مرتبط بعينة معينة، فقد يفشل عندما يتغير مسار توليد البيانات الأساسي.
2) الإفراط في الملاءمة وتعقيد النموذج
إذا كان النموذج مرنًا جدًا، فقد يصف الضوضاء داخل العينة. قد يبدو R Squared قويًا داخل العينة حتى عندما يكون تعميم النموذج ضعيفًا. وهذا وضع فشل شائع لأي مقياس goodness-of-fit عند استخدامه دون اختبار خارج العينة.
3) التقسيم إلى نوافذ، والتحويلات، وتعريف الهدف
R Squared حساس لما تختاره لنمذجته:
- أي متغير هو المتغير التابع (سلسلة الهدف)،
- ما التحويلات التي تطبقها (المستويات مقابل التغيرات، log مقابل raw، التحجيم)،
- طول نافذة الزمن،
- وما إذا كنت تتضمن terms الخاصة بـ intercept أو ميزات محددة.
قد يحسب باحثان مختلفان R Squared لـ “نفس الفكرة” لكن يحصلان على نتائج مختلفة جدًا بسبب اختلافات تعريفية.
4) التكاليف وواقع التنفيذ
حتى إذا كان النموذج المُلائم يطابق التباين التاريخي، تعتمد نتائج التداول على التكاليف وجودة التنفيذ. لا يتضمن R Squared نفسه تكاليف المعاملات أو تأثيرات bid–ask spread أو الانزلاق السعري إلا إذا قمت بإدراجها صراحةً ضمن الكمية المُنمذجة أو المُقيّمة.
التحقق والأسئلة التالية
كيف تتحقق بشكل مستقل من ادعاءات R Squared (مفاهيميًا)
للتحقق من أي عبارة تستخدم R Squared في سياق الفوركس، ركز على قائمة التحقق التالية:
- وضوح النموذج والهدف: ما هو المتغير التابع بالضبط؟
- نافذة البيانات: ما الفترة التي تم استخدامها لحساب R Squared؟
- الافتراضات: هل تم تحديد النموذج بطريقة معيارية (مثل تضمين intercept للتفسيرات المعتادة)؟
- طريقة التقييم: هل تم تقييم الأداء خارج العينة، أم داخل العينة فقط؟
- اختبارات الحساسية: هل يتغير الاستنتاج إذا غيّرت النافذة أو التحويلات؟
السؤال التالي الذي يجب طرحه
المتابعة القوية هي سؤال ما هي الكمية التي تم ملاءمة النموذج لشرحها، وكيف تم تنفيذ التقييم خارج العينة.