📈 economics

Confidence Sets for the Emergence, Collapse, and Recovery Dates of a Bubble

تقترح هذه الورقة طريقة لبناء مجموعات الثقة لتواريخ ظهور وانهيار وتعافي الفقاعات المالية من خلال عكس اختبارات من نوع نسبة الأرجحية ونوع إيليوت-مولر، مبرهنةً من خلال الاشتقاق النظري والمحاكاة أن الجمع بين هذه الاختبارات يضبط معدلات التغطية بفعالية مع الحفاظ على فترات ثقة ضيقة.

المؤلفون الأصليون: Eiji Kurozumi, Anton Skrobotov

نُشر 2026-04-21

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Eiji Kurozumi, Anton Skrobotov

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تراقب بالوناً يتم نفخه في غرفة ما. في لحظة ما، يبدأ في النمو بشكل أسرع من المعتاد (فقاعة). وفي النهاية ينفجر (انهيار)، ثم تستقر قطع المطاط عائدة إلى الأرض (تعافٍ).

في عالم الاقتصاد، غالباً ما تتصرف الأصول المالية مثل الأسهم أو المنازل تماماً مثل هذا البالون؛ تظل مستقرة، ثم فجأة ترتفع بشكل جنوني غير عقلاني، ثم تنهار، وتعود في النهاية إلى الوضع الطبيعي.

المشكلة التي تواجه الاقتصاديين هي: نحن نعرف أن البالون قد انفجر، ولكن متى بدأ الانتفاخ بالضبط، ومتى انفجر، ومتى توقف عن الارتداد؟

هذه الورقة البحثية التي أعدها "كوروزومي وسكروبوتوف" تشبه مجموعة أدوات تقنية متطورة مصممة للإجابة على هذه الأسئلة الثلاثة باستخدام "شبكة أمان" بدلاً من مجرد تخمين واحد.

الطريقة القديمة: تخمين واحد مهتز

في السابق، كان الاقتصاديون ينظرون إلى البيانات ويقولون: "أعتقد أن الفقاعة بدأت في 15 يناير". كانوا يعطونك تاريخاً محدداً بعينه.

ما المشكلة؟ هذا التخمين غالباً ما يكون مهتزاً. فإذا أجريت نفس الاختبار على بيانات مختلفة قليلاً، قد تحصل على تاريخ 2 فبراير. لم تكن الطرق القديمة تخبرك حقاً بمدى ثقتك في ذلك التاريخ. كان الأمر يشبه محاولة إصابة هدف متحرك وأنت معصوب العينين وتأمل أن تقترب منه.

الطريقة الجديدة: "شبكة أمان" (مجموعات الثقة)

يقترح المؤلفان نهجاً أكثر ذكاءً. فبدلاً من إعطائك تاريخاً واحداً، يمنحونك نطاقاً من التواريخ — "شبكة أمان" — من المرجح جداً أن تحتوي على الحدث الحقيقي.

فكر في الأمر كشبكة صيد. أنت لا ترمي مجرد صنارة واحدة (تاريخ واحد)؛ بل تلقي بشبكة (نطاق من التواريخ) تكون واسعة بما يكفي لصيد السمكة (التاريخ الحقيقي) ولكنها ضيقة بما يكفي لكي لا تشمل المحيط بأكمله (كل التواريخ الممكنة).

كيف بنوا الشبكة

تقدم الورقة ثلاث أدوات محددة لبناء هذه الشبكات للمراحل الثلاث للفقاعة:

شبكة "نسبة الأرجحية" (فحص المنطق):
تخيل أنك محقق يحاول معرفة متى بدأت جريمة ما. أنت تختبر كل يوم ممكن: "هل بدأت الجريمة يوم الاثنين؟ لا. الثلاثاء؟ لا".
يستخدم المؤلفان "فحصاً منطقياً" إحصائياً (يسمى اختبار نسبة الأرجحية) لمعرفة ما إذا كان تاريخ معين منطقياً أم لا. إذا قالت الرياضيات: "مستحيل، البيانات لا تتناسب مع هذا التاريخ"، فإنهم يستبعدون ذلك التاريخ من الشبكة. وإذا كانت البيانات تتناسب، فإنهم يبقون عليه.
شبكة "إليوت-مولر" (المتوسط المرجح):
هذه أداة أكثر تطوراً. تخيل أن لديك مجموعة من الخبراء، لكل منهم رأي مختلف قليلاً حول متى بدأت الفقاعة. بدلاً من الاستماع إلى خبير واحد فقط، تأخذ متوسطاً مرجحاً لجميع آرائهم. هذه الطريقة تقلل من الضجيج وتخلق شبكة أكثر استقراراً.
الشبكة "الهجينة" (أفضل ما في العالمين):
أدرك المؤلفان أنه في بعض الأحيان يكون "فحص المنطق" صارماً للغاية (يستبعد الكثير من التواريخ)، وفي أحيان أخرى يكون "المتوسط المرجح" فضفاضاً للغاية (يبقي على الكثير من التواريخ). لذا، قاموا بدمجهما. لقد أنشأوا شبكة هجينة تستخدم نقاط القوة في كليهما لضمان أن تكون الشبكة بالحجم المناسب: ليست كبيرة جداً، وليست صغيرة جداً، بل مناسبة تماماً لصيد الحقيقة.

تجربة "البالون"

لإثبات أن شبكاتهم تعمل، أجرى المؤلفون آلاف عمليات المحاكاة الحاسوبية. لقد أنشأوا بيانات "بالون" مزيفة حيث عرفوا بدقة تواريخ البدء، والانفجار، والتعافي.

النتيجة: عندما كانت الفقاعة "ضعيفة" (تنمو ببطء)، كان من الصعب العثور على التواريخ الدقيقة، وكانت الشبكات فضفاضة نوعاً ما.
النتيجة: عندما كانت الفقاعة "قوية" (تنفجر بسرعة)، كانت أساليبهم الجديدة دقيقة للغاية. كانت الشبكات ضيقة وصادت التواريخ الحقيقية في حوالي 90% من المرات (وهو المعيار الذهبي في الإحصاء).

التطبيق في العالم الحقيقي: سوق الأسهم الياباني

اختبر المؤلفون طريقتهم على سوق الأسهم اليابانية (نيكي 225) بين عامي 2012 و2013.

التخمين القديم: قدروا أن الفقاعة بدأت في 14 نوفمبر 2012.
الشبكة الجديدة: شملت "شبكة الأمان" الخاصة بهم لتاريخ البدء نطاقاً من التواريخ التي غطت الفترة التي تلت إعلان بنك اليابان عن هدف تضخم جديد في يناير 2013 مباشرة.

هذه رؤية حاسمة! الطريقة القديمة قالت: "لقد بدأت في نوفمبر". أما الطريقة الجديدة فقالت: "من المرجح جداً أن السوق بدأ يتفاعل مع السياسة الجديدة في يناير". وهذا يساعد صانعي السياسات على فهم لماذا حدثت الفقاعة، وليس فقط متى.

الخلاصة الكبرى

تتعلق هذه الورقة بـ التواضع والدقة. فهي تعترف بأننا لا نستطيع دائماً تحديد الثانية الدقيقة التي تبدأ فيها الفقاعة المالية أو تنتهي. وبدلاً من التظاهر بأننا نعرف التاريخ الدقيق، فإنها تمنحنا نطاقاً موثوقاً.

إنه الفرق بين قول: "انفجر البالون في الساعة 2:03 مساءً" (والذي قد يكون خاطئاً) وبين قول: "نحن متأكدون بنسبة 90% أن البالون انفجر بين الساعة 2:00 والساعة 2:15 مساءً" (وهو أمر مفيد، وموثوق، ويساعد في فهم القصة وراء الانهيار).

باخت de المختصر: لقد صنع المؤلفون شبكة أفضل لصيد اللحظات الدقيقة للفقاعات المالية، مما يساعدنا على فهم التاريخ الاقتصادي بوضوح أكبر بكثير.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "مجموعات الثقة لتواريخ ظهور، وانهيار، وتعافي الفقاعة" من إعداد إيجي كورووزومي وأنتون سكروبوتوف.

1. بيان المشكلة

بينما توجد أدبيات كبيرة حول اكتشاف وجود الفقاعات العقلانية في أسعار الأصول المالية (مثل فيليبس وآخرون، 2011؛ فيليبس وآخرون، 2015)، إلا أن هناك فجوة ملحوظة في المنهجية الخاصة ببناء مجموعات الثقة (الفترات) لتواريخ محددة مثل تاريخ الظهور ( $T_e$ )، والانهيار ( $T_c$ )، والتعافي ( $T_r$ ).

تعتمد الطرق الحالية بشكل أساسي على:

المقدرات النقطية (Point Estimators): مقدرات متسقة لكسور الانقطاع (على سبيل المثال، تقليل مجموع مربعات البواقي).
التوزيعات التقاربية للمقدرات (Asymptotic Distributions of Estimators): بناء فترات بناءً على التوزيع النهائي لمقدر نقطة الانقطاع.

المشكلة الجوهرية: يوضح المؤلفون من خلال عمليات المحاكاة الأولية أن بناء مجموعات الثقة بناءً على التوزيع التقاربي لمقدر نقطة الانقطاع يؤدي إلى أداء ضعيف فيما يتعلق بتواريخ الفقاعة. هذه الفترات تميل لأن تكون واسعة للغاية (غالبًا ما تغطي النطاق المسموح به بالكامل) وتفشل في تقديم استدلال ذي معنى، لا سيما عندما لا تكون سرعة الانفجار سريعة بما يكفي.

2. المنهجية

يقترح المؤلفون نهجًا جديدًا لبناء مجموعات الثقة من خلال عكس اختبارات الفرضيات (inverting hypothesis tests) لموقع تاريخ الانقطاع، بدلاً من الاعتماد على التوزيع التقاربي للمقدر. يتبع هذا النهج إطار إليوت ومولر (2007) وإيو ومورلي (2015).

أ. النموذج

تستخدم الدراسة نموذجًا رباعي الأنظمة للسلسلة الزمنية $y_t$ :

النظام 1 ( $1 \le t \le T_e$ ): مسار عشوائي ( $\phi=1$ ).
النظام 2 ( $T_e < t \le T_c$ ): انحدار ذاتي انفجاري ( $\phi_a = 1 + a/T^\alpha, a>0$ ).
النظام 3 ( $T_c < t \le T_r$ ): انهيار ذو ارتداد نحو المتوسط ( $\phi_b = 1 - b/T^\beta, b>0$ ).
النظام 4 ( $T_r < t \le T$ ): العودة إلى المسار العشوائي.

البارامترات $\alpha$ و $\beta$ تحكم سرعة الانفجار والانهيار، على التوالي. يفترض المؤلفون أن $\alpha, \beta \in (0, 1)$ ، مما يغطي "الانحراف المتوسط" عن الوحدة.

ب. إطار الاختبار

لكل تاريخ انقطاع (على سبيل المثال، $T_e$ )، يختبر المؤلفون فرضية العدم $H_0: T = T_1$ مقابل الفرضية البديلة $H_1: T = T_2 \neq T_1$ . ومن خلال عكس هذه الاختبارات عبر نطاق مسموح به من التواريخ، يبنون مجموعة ثقة بمستوى تغطية اسمي $1-\delta$ .

تم تطوير فئتين رئيسيتين من الإحصائيات الاختبارية:

اختبارات من نوع نسبة الأرجحية (Likelihood Ratio - LR):
- مشتقة تحت فرضية الخطأ الطبيعي (Gaussian errors) (رغم أن النظرية التقاربية لا تتطلب التوزيع الطبيعي).
- تقارن الإحصائية احتمالية البيانات تحت تاريخ الانقطاع المفترض (العدم) مقابل تاريخ انقطاع بديل محدد.
- يقترح المؤلفون مقاييس محددة للإحصائيات اعتمادًا على ما إذا كان التاريخ البديل قبل أو بعد التاريخ الأصلي.
- تصحيح العينة المحدودة: لمعالجة مشكلة التضخم في العينات الصغيرة، يقترح المؤلفون تعديلًا (مثل $LR^e_{b,12}$ ) يقوم بإزاحة الإحصائية لتصحيح التحيز في العينة المحدودة دون تغيير التوزيع التقاربي للعدم.
اختبارات من نوع إليوت-مولر (Elliott-Müller - EM):
- مستوحاة من الاختبارات المثلى لتواريخ الانقطاع في الانحدارات المستقرة.
- تعظم هذه الاختبارات متوسط القدر المرجح من خلال دمج نسبة الأرجحية عبر توزيعات مسبقة لحجم الانقطاع وتاريخه.
- الإحصائيات الناتجة هي متوسطات مرجحة لإحصائيات $t$ (أو مربعات إحصائيات $t$ ) لمعامل الانقطاع.
- يستخدم المؤلفون إحصائيات أحادية الجانب حيث يكون اتجاه الانقطاع معروفًا (مثل الانتقال من جذر الوحدة إلى الانفجار).

ج. تركيبات الاختبارات المحددة

إدراكًا منهم أن الاختبارات الفردية قد تكون متسقة في اتجاه واحد فقط (على سبيل المثال، اكتشاف انقطاع متأخر ولكن ليس مبكرًا)، يقترح المؤلفون دمج الاختبارات لتشكيل مجموعات ثقة قوية:

$LE^e$ (الظهور): يجمع بين اختبار نسبة الأرجحية المصحح ( $LR^e_{b,12}$ ) واختبار EM ( $EM^e_{a,21}$ ).
$LE^c$ (الانهيار): يجمع بين $LR^c_{a,21}$ و $EM^c_{a,12}$ .
$LE^r$ (التعافي): يجمع بين $EM^r_{b,12}$ و $LR^r_{b,21}$ .

3. المساهمات الرئيسية

أول مجموعات ثقة لتواريخ الفقاعات: هذه هي الورقة الأولى التي تطور وتستنتج بشكل منهجي النظرية التقاربية لمجموعات الثقة المخصصة لتواريخ ظهور، وانهيار، وتعافي الفقاعات.
عكس الاختبارات: تغير الورقة النموذج السائد من استخدام توزيعات المقدرات إلى عكس اختبارات موقع الانقطاع، مما يثبت أن هذا النهج ينتج فترات أكثر إحكامًا وموثوقية.
النظرية التقاربية: يستنتج المؤلفون التوزيعات الحدية للإحصائيات المقترحة (من نوع LR و EM) تحت كل من فرضية العدم والفرضية البديلة. ويظهرون أن التوزيعات تعتمد على حركات براونية ودوال من نوع ADF، مما يتطلب غالبًا استخدام انحدارات سطح الاستجابة لجدولة القيم الحرجة.
تصحيحات العينة المحدودة: تقدم الورقة تصحيحات محددة لإحصائيات LR للتخفيف من حدة الرفض المفرط (over-sizing) في العينات المحدودة، وهي مشكلة شائعة في اكتشاف الفقاعات.
معالجة عدم التماثل: تعالج المنهجية صراحةً عدم التماثل في قدرة الكشف (على سبيل المثال، قد يكون الاختبار متسقًا لاكتشاف انقطاع متأخر ولكنه غير متسق لانقطاع مبكر) من خلال دمج الاختبارات المتكاملة.

4. النتائج

أ. محاكاة مونت كارلو

يقيم المؤلفون الأداء باستخدام 2,000 تكرار مع تغيير أحجام الفقاعة (صغيرة، متوسطة، كبيرة) المحددة بالبارامتر $a$ .

معدلات التغطية:
- تفشل الفترات القياسية القائمة على توزيعات المقدرات (التغطية $\approx 100\%$ ولكن طول الفترة يغطي العينة بأكملها).
- تحقق اختبارات $LE$ المقترحة (التركيبات) معدلات تغطية قريبة من المستوى الاسمي 90%، خاصة للفقاعات المتوسطة والكبيرة.
- بالنسبة للفقاعات "الصغيرة" (الانفجار البطيء)، يمكن أن تكون التغطية متحررة قليلاً، لكن المنهجيات تظل تتفوق على الأساليب الموجودة.
طول الفترة:
- مجموعات الثقة أقصر بكثير من تلك المشتقة من توزيعات المقدرات.
- مع زيادة سرعة الانفجار ( $a$ )، ينخفض طول مجموعة الثقة، مما يشير إلى دقة أعلى.
- تقدم الاختبارات المدمجة ( $LE^e, LE^c, LE^r$ ) عمومًا أفضل توازن بين دقة التغطية وطول المجموعة.

ب. التطبيق التجريبي

طُبقت المنهجيات على أسعار أسهم مؤشر Nikkei 225 اليومية (2012–2013)، وهي فترة مرتبطة بتحولات السياسة النقدية للبنك المركزي الياباني.

المقدرات النقطية: التقدير لظهور الفقاعة كان 14 نوفمبر 2012؛ الانهيار 22 مايو 2013؛ التعافي 13 يونيو 2013.
مجموعات الثقة:
- مجموعة الثقة بنسبة 90% لـ تاريخ الظهور تضمنت 23 يناير 2013 (اليوم الذي تلا إعلان البنك المركزي الياباني عن هدف تضخم بنسبة 2%)، مما يشير إلى وجود رابط قوي بين السياسة وبداية الفقاعة.
- مجموعة الثقة لـ تاريخ الانهيار كانت ضيقة جدًا (10 أيام)، مما يشير إلى دقة عالية في تحديد الذروة.
- مجموعة الثقة لـ تاريخ التعافي كانت واسعة وامتدت بشكل كبير بعد التقدير النقطي، مما يشير إلى أن السوق قد يستغرق وقتًا أطول للعودة إلى الحالة الطبيعية مما يوحي به التقدير النقطي.
المقارنة: قللت الطريقة الجديدة من حجم مجموعة الثقة بمقدار 44 نقطة مئوية مقارنة بالفترة التقليدية القائمة على المقدر.

5. الأهمية

توفر هذه الورقة إطارًا إحصائيًا صارمًا لصناع السياسات والباحثين لقياس عدم اليقين المحيط بتوقيت الفقاعات المالية.

الأهمية السياسية: من خلال تقديم مجموعات ثقة بدلاً من مجرد تقديرات نقطية، تسمح المنهجية للمحللين بتقييم ما إذا كانت تدخلات سياسية معينة (مثل هدف التضخم للبنك المركزي الياباني) تقع ضمن النافذة الممكنة إحصائيًا لظهور الفقاعة.
المتانة: الاختبارات المقترحة متينة تجاه السرعة المحددة للانفجار وتقدم حلاً عمليًا لمشكلة "الفترة الواسعة" التي واجهت المحاولات السابقة لتأريخ الفقاعات.
التوجهات المستقبلية: يشير المؤلفون إلى أنه بينما يعاملون تواريخ الانقطاع الثلاثة بشكل منفصل، فإن مجموعات الثقة المشتركة تظل تحديًا بسبب تعقيد فرضية العدم المشتركة، تاركين ذلك للبحوث المستقبلية.

باختصار، نجح كورووزومي وسكروبوتوفي في سد الفجوة بين اكتشاف الفقاعات وتأريخها بدقة، من خلال تقديم أداة سليمة إحصائيًا لتحديد دورة حياة الفقاعات المالية مع تحديد كمي لعدم اليقين.