قياس التقلب في تغيّرات الارتباط (ولماذا يصعب ذلك)

الإجابة المباشرة

يعني التقلب في “تغيّرات الارتباط” مقدار تغيّر الارتباط المُقدَّر بين سلسلتين من العوائد عبر الزمن. يمكنك قياس ذلك عبر حساب تقديرات الارتباط بشكل متكرر (على سبيل المثال، في نوافذ زمنية متحركة أو متوسعة) ثم تلخيص كيفية تذبذب هذه التقديرات (على سبيل المثال، باستخدام مقاييس التشتت أو حجم التغيّر على نحو يشبه الأحداث). وهذا يقيس تباين التقدير، وليس التزامن/الترافق المستقبلي.

الآلية والتعريف

1. اختر السلسلتين وتعريف العائد. يُحسب الارتباط عادةً على العوائد (مثل العوائد اللوغاريتمية أو العوائد البسيطة) وليس على الأسعار الخام. يجب أن تحدد ماذا يعني “العائد” في حسابك (التواتر، ونمط التراكب/التركيب).

2. احسب الارتباط بشكل متكرر باستخدام نافذة زمنية. اختر طول نافذة W (عدد المشاهدات). لكل نافذة تنتهي عند الزمن t، احسب تقدير ارتباط، مثل معامل ارتباط بيرسون، بين السلسلتين A وB داخل تلك النافذة.

• نافذة متحركة: الارتباط عند الزمن t يستخدم المشاهدات من (t−W+1) إلى t.
• نافذة متوسعة: الارتباط عند الزمن t يستخدم جميع المشاهدات حتى t.

3. حوّل سلسلة تقديرات الارتباط إلى مقياس تقلب. الخيارات الشائعة:

• قائم على التشتت: احسب الانحراف المعياري لتقديرات الارتباط عبر النوافذ.
• قائم على التغيّر: احسب الفروق المطلقة أو المربعة بين تقديرات الارتباط المتتالية، ثم لخص تلك الفروق.

نهج بسيط هو تعريف تسلسل ارتباط (\hat\rho_t) (واحد لكل نافذة) وقياس التقلب على أنه:

• (\text{SD}(\hat\rho_t))، أو
• ((\text{Mean}(|\hat\rho_t - \hat\rho_{t-1}|)).

هذه الاختيارات تجيب عن أسئلة مختلفة قليلًا: مقاييس التشتت تقيس التباين الإجمالي، بينما المقاييس القائمة على التغيّر تقيس مدى حدة تحرك التقدير.

الدليل أو مثال عملي (مع افتراضات)

افترض أن لديك سلسلتين من العوائد بتواتر يومي: (r^A_t) و(r^B_t). تختار:

• طول نافذة W = 60 يوم تداول،
• معامل ارتباط بيرسون لكل نافذة،
• نوافذ متحركة.

لكل يوم t بدءًا من المشاهدة رقم 60، احسب (\hat\rho_t). ثم احسب (\text{SD}(\hat\rho_t)) عبر مجموعة النوافذ المتاحة، ما ينتج رقمًا واحدًا يمثل مقدار تذبذب تقديرات الارتباط.

إذا بدلاً من ذلك حسبت (\text{Mean}(|\hat\rho_t - \hat\rho_{t-1}|))، ستحصل على “حجم تغيّر نموذجي خطوة بخطوة”. إذا كانت سلسلة الارتباط تتحرك أحيانًا بسلاسة، فقد يكون التشتت معتدلًا؛ وإذا كانت تقفز بين أنظمة، فقد تكون المقاييس القائمة على التغيّر أعلى.

القيود والمخاطر (أنماط فشل جوهرية)

1. ضوضاء المُقدِّر تزداد عندما يُقدَّر الارتباط بشكل ضعيف. مع نوافذ قصيرة، قد يتأرجح تقدير الارتباط بسبب تباين/تذبذب أخذ العينات وليس بسبب تغيّرات حقيقية في العلاقة.

2. عدم الثبات وتغيّرات النظام. قد يتغير الارتباط فعليًا عندما تتبدل ظروف السوق. ومع ذلك، قد يكون التغيّر المرصود نفسه مدفوعًا أيضًا بتكتل التقلب، أو صدمات مفاجئة، أو تغيّر مزيج المشاركين.

3. حساسية طول النافذة. يعتمد مقياس التقلب لديك على W. قد تُنعّم النافذة الأطول التغيّرات الحقيقية؛ بينما قد تتعامل النافذة الأقصر مع الضوضاء باعتبارها تغيّرًا.

4. القيم الشاذة والذيل الثقيل. يمكن أن تحتوي سلسلة العوائد على قيم شديدة التطرف. معامل ارتباط بيرسون حساس للقيم الشاذة؛ إذ يمكن لعدد قليل من الأيام غير المعتادة أن يحرك (\hat\rho_t) كثيرًا.

5. مشكلات البيانات. قد تؤدي المشاهدات المفقودة، واختلاف ساعات التداول، والتعامل غير المتسق مع عطلات نهاية الأسبوع/العطلات إلى تشويه تقديرات الارتباط.

التحقق والسؤال التالي

للتحقق بشكل مستقل من أن قياس “تقلب الارتباط” لديك ذو معنى، اختبر الحساسية بدلًا من الوثوق برقم واحد:

• قارن النتائج تحت أطوال نوافذ مختلفة (على سبيل المثال، W و2W).
• قارن بين المقاييس القائمة على التشتت والمقاييس القائمة على التغيّر؛ ينبغي أن تروي قصة متسقة عن التباين.
• افحص المتانة تجاه القيم الشاذة (على سبيل المثال، باستخدام طريقة ارتباط أقل حساسية للتطرفات).

بعد ذلك، سؤال مفيد هو: إلى ماذا يقابل التغيّر المُقاس في الزمن؟ إن ربط فترات تحرك (\hat\rho_t) الكبير بخصائص يمكن تحديدها لنظام السوق (دون افتراض سبب مضمون) يساعد على التمييز بين تغيّرات العلاقة الحقيقية وأخطاء/آثار تقدير القياس.