ما البيانات المطلوبة لتقييم نسبة التقلب؟

الإجابة المباشرة

لتقييم نسبة التقلب، تحتاج إلى بيانات إدخال تلتقط التقلب بطريقتين على الأقل يمكن مقارنتهما (على سبيل المثال، عبر نوافذ زمنية مختلفة، أو باستخدام مقاييس تقلب مختلفة)، بالإضافة إلى التعريف الدقيق للنسبة التي تقوم بحسابها. وبما أن حسابات التقلب تعتمد على اختيارات البيانات، فأنت أيضًا بحاجة إلى توثيق مصدر البيانات (من أين تأتي)، والحداثة (ما الفترة التي تغطيها وهل هي كاملة)، وفحوصات الجودة (كيف يتم التعامل مع القيم المفقودة والقيم الشاذة وآثار الشركات/الأحداث).

إذا كنت تريد شرح نتائجك والتحقق منها بشكل مستقل، فإن الحد الأدنى من مجموعة “البيانات المطلوبة” هو: (1) سلسلة الأسعار الأساسية التي ستستخدمها، (2) فترات الملاحظة و/أو تردد أخذ العينات، (3) الطريقة لتحويل الأسعار إلى تقدير للتقلب، (4) صيغة النسبة، و(5) الافتراضات التي تربط بين هذه الخطوات.

الآلية والتعريف (ما الذي تحتاجه النسبة)

عادةً ما تقارن “نسبة التقلب” التقلب في سياق واحد بالتقلب في سياق آخر. تكون المقارنة ذات معنى فقط عندما تكون المدخلات معرفة بشكل متسق.

مدخلات البيانات النموذجية التي يجب أن تكون قادرًا على ذكرها بدقة:

• سلسلة الأسعار: على الأقل سلسلة زمنية واحدة لأداة ما مرتبة زمنيًا (مثل mid أو bid أو ask أو last). اختر واحدة وابقَ عليها.
• الإطار الزمني / نوافذ التتبّع (lookback window(s)): عدد الأشرطة أو المدة الزمنية المستخدمة لتقدير كل مكوّن من مكوّنات التقلب.
• تردد أخذ العينات: ما إذا كنت تحسب من أشرطة كل ساعة أو 5 دقائق أو يومية أو غيرها. يغيّر اختلاف التردد تقديرات التقلب.
• مقدّر التقلب: كيف تحسب التقلب من الأسعار. تشمل الخيارات الشائعة تقلب العوائد (مثل الانحراف المعياري للعوائد) أو تقلبًا مبنيًا على النطاقات (مثل مقاييس مشتقة من النطاق high–low).
• تعريف العائد أو التغير (إن كان ينطبق): العوائد الحسابية مقابل العوائد اللوغاريتمية، وما إذا كانت العوائد تُحسب من close-to-close أو من حقل سعر آخر.
• صيغة النسبة: مثل “التقلب في النافذة A مقسومًا على التقلب في النافذة B”، باستخدام الوحدات الدقيقة التي ينتجها مقدّر التقلب.

وبما أن توجد عدة نسخ من “نسبة التقلب”، يجب أن تعامل تعريف النسبة كجزء من البيانات المطلوبة. قد يحسب شخصان يستخدمان مقدّرات أو نوافذ مختلفة نسبًا مختلفة من نفس سلسلة الأسعار.

الدليل أو مثال (ما الذي يجب توثيقه كي تكون الرياضيات قابلة للتحقق)

إليك مثالًا موجّهًا للتحقق لما ستقوم بتوثيقه، دون افتراض أي قيم فعلية مباشرة في السوق:

• الافتراض 1 (حقل السعر): تستخدم نفس حقل السعر لجميع الحسابات (على سبيل المثال، نوع واحد من الاقتباس أو إغلاق الشريط).
• الافتراض 2 (أخذ العينات): تحسب العوائد من أشرطة متتالية لفاصل زمني ثابت (على سبيل المثال، شريط واحد كل ساعة)، دون فجوات.
• الافتراض 3 (مقدّر التقلب): تحسب التقلب على أنه الانحراف المعياري للعوائد عبر كل نافذة تتبّع.
• الافتراض 4 (النسبة): تحسب Volatility Ratio = (التقلب عبر نافذة قصيرة) / (التقلب عبر نافذة طويلة).

للتأكد بشكل مستقل، يحتاج شخص آخر إلى نفس المكونات: سلسلة الأسعار، الفاصل الزمني/الفواصل الدقيقة، خطوات المقدّر، وصيغة النسبة. إذا كان أي منها غير واضح، تصبح عملية إعادة الإنتاج تخمينًا.

القيود والمخاطر (أنماط فشل جوهرية)

تقييمات نسبة التقلب تفشل غالبًا لأسباب لا تتعلق بـ “صحة الرياضيات” بل بمحاذاة البيانات والافتراضات:

• عدم تطابق الإطار الزمني: إذا لم تكن النوافذ القصيرة والطويلة متوافقة مع نفس تردد أخذ العينات أو إذا كانت إحداها تتضمن فترات مفقودة، فقد تعكس النسبة مصنوعات بيانات بدلًا من اختلافات التقلب.
• القيم الشاذة وسلوك القفز: قد تهيمن التحركات المفاجئة في السعر على مقدّرات التقلب (خصوصًا الانحراف المعياري للعوائد). قد تؤدي قلة من الملاحظات المتطرفة إلى تشويه النسبة.
• عدم التداول وفجوات البيانات: فجوات ما بين عشية وضحاها، أو العطلات، أو الأشرطة المفقودة تغيّر المحتوى المعلوماتي الفعّال. إذا تم ملء الفجوات أو إزالتها بشكل غير صحيح، يمكن أن تكون تقديرات التقلب منحازة.
• الميكروستركشر الخاص بالمزوّد: إذا كنت تستخدم bid/ask أو mid أو last-traded prices، فقد يختلف التقلب بشكل جوهري بسبب سلوك السبريد وآليات التداول. تكون النسبة قابلة للتفسير فقط مقارنةً بحقل السعر الدقيق المستخدم.
• حدود العلاقة التاريخية: حتى إذا أظهرت النسبة سلوكًا ثابتًا في الماضي، فإن علاقات التقلب التاريخية لا تثبت نتائج مستقبلية.

تعني هذه القيود أنه يجب عليك تجنب التعامل مع النسبة كـ “إشارة” قائمة بذاتها. بدلًا من ذلك، ركّز على كيفية تغيّر النسبة المحسوبة تحت افتراضاتك الموثقة.