Synthetic American Option Pricing via Jump-HMM-Driven Heston Implied Volatility
تقدم هذه الورقة إطار عمل مفتوح المصدر بلغة جوليا (Julia) يكسر حلقة التبعية الدائرية في تسعير الخيارات الاصطناعية من خلال توليد أسعار خيارات أمريكية واقعية وأسطح تقلب ضمني عبر مسار هيكلي يجمع بين نماذج ماركوف المخفية ذات القفزات، وديناميكيات هيستون المعتمدة على النمط، والشبكات ثنائية الحد من المعايرة بالبدائل العصبية.
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 تحاول تعليم روبوت كيف يلعب لعبة شطرنج مالية معقدة. للقيام بذلك، تحتاج إلى توليد الملايين من سيناريوهات "ماذا لو": ماذا لو انهار سوق الأسهم؟ ماذا لو كان لشركة تقنية تقرير أرباح رائع؟ ماذا لو ارتفعت أسعار النفط بشكل حاد؟
لكي يلعب الروبوت هذه اللعبة، يحتاج إلى معرفة سعر "بوالص التأمين" على هذه الأسهم (والتي تسمى الخيارات - Options). ولكن هنا تكمن العقبة: سعر هذا التأمين يعتمد على شيء يسمى التقلب الضمني (Implied Volatility - IV). المشكلة هي أنه في العالم الحقيقي، لا نعرف قيمة التقلب الضمني إلا بعد رؤية الأسعار الفعلية لبوالص التأمين هذه. إنه فخ دائري: أنت تحتاج إلى السعر لتعرف التقلب، وتحتاج إلى التقلب لحساب السعر. وهذا يجعل من الصعب جداً إنشاء بيانات "زائفة" واقعية لتدريب الروبوتات أو اختبار الاستراتيجيات.
تقدم هذه الورقة البحثية طريقة ذكية لكسر هذه الدائرة. لقد بنى المؤلفون آلة لا تكتفي بمجرد تخمين الأسعار؛ بل تبني الأسعار من الصفر، بدءاً من كيفية حركة الأسهم فعلياً.
إليك كيف تعمل آلتهم، مشروحة عبر بعض التشبيهات البسيطة:
1. المحرك: محاكي الأسهم "خاتم المزاج" (The Mood Ring)
أولاً، قام الفريق ببناء محاكي لأسعار الأسهم باستخدام ما يسمى بـ نموذج ماركوف الخفي ذو القفزات (Jump Hidden Markov Model). فكر في هذا كأنه "خاتم مزاج" لسوق الأسهم بأكمله.
- المزاج: السوق ليس مجرد "صعود" أو "هبوط". لديه "أنظمة" أو "أمزجة" مختلفة. أحياناً يكون هادئاً، وأحياناً يكون متوتراً، وأحياناً يكون في حالة ذعر.
- القفزات: الأسهم الحقيقية لا تتحرك بسلاسة فحسب؛ بل أحياناً "تقفز" (تنهار فجأة أو ترتفع فجأة). هذا المحاكي مصمم لإنشاء تلك القفزات المفاجئة و"تكتل" التقلبات (حيث يتبع اليوم السيئ غالباً يوم سيء آخر).
- الارتباط: كما أنه يعرف أنه عندما يصاب سهم ما بالذعر، فإن جيرانه غالباً ما يصابون بالذعر أيضاً (مثل تأثير الموجة).
2. المترجم: التقلب "متغير الشكل"
بمجرد أن ينشئ المحاكي مساراً لسعر السهم، يحتاج الفريق إلى ترجمة ذلك إلى رقم "التقلب الضمني". في الماضي، كان على الناس تخمين شكل هذا الرقم يدوياً.
- الابتكار: ابتكر المؤلفون نموذج هيستون معدلاً (Modified Heston Model). تخيل ترموستات (منظم حرارة) يتحكم في حرارة (تقلب) السوق. عادة، يكون للترموستات هدف ثابت لدرجة الحرارة.
- الترموستات الذكي: الترموستات الخاص بهم ذكي. فهو يغير درجة حرارته المستهدفة بناءً على:
- المزاج: هل السوق في حالة ذعر؟ (ارفع درجة الحرارة).
- الوقت: كم بقي من الوقت على انتهاء صلاحية الخيار؟
- سعر التنفيذ (Strike Price): هل الخيار يراهن على حركة ضخمة أم حركة صغيرة؟
- الأرباح: هل الشركة على وشك إصدار تقريرها المالي؟
- النتيجة: لأن الترموستات ذكي جداً، فإن أشكال "الابتسامة" و"الانحراف" (الأشكال المعقدة لأسعار الخيارات) تظهر تلقائياً. لا تحتاج إلى فرضها؛ بل تظهر بشكل طبيعي من سلوك السهم.
3. العقل: "البديل العصبي" (The Neural Surrogate)
لجعل الترموستات أكثر ذكاءً، استخدموا الشبكات العصبية (نوع من أنواع الذكاء الاصطناعي).
- المشكلة: لم يكن بإمكان معادلة بسيطة استيعاب الخصائص الفريدة لكل شركة على حدة. فشركة تقنية مثل NVIDIA تتصرف بشكل مختلف عن بنك مثل JPMorgan.
- الحل: قاموا بتدريب "بديل عصبي". فكر في هذا كأنه مترجم متخصص يتعلم "شخصية" مجموعات مختلفة من الشركات (القطاعات).
- تعلم أن أسهم التكنولوجيا لها شكل "ابتسامة" معين.
- تعلم أن أسهم الرعاية الصحية بها "نتوءات" حول تواريخ موافقات هيئة الغذاء والدواء (FDA).
- تعلم أن أسهم الطاقة تتفاعل مع صدمات عرض النفط.
- التسلسل الهرمي: بدأوا بمترجم واحد للجميع، ثم أدركوا أنه من الأفضل وجود مترجم لكل صناعة (قطاع)، وأخيراً، بالنسبة لأكبر الشركات، خصصوا مترجماً لتلك الشركة تحديداً. جعل هذا التنبؤات أكثر دقة بكثير.
4. الحاسبة: "الشبكة" (The Lattice)
بمجرد الحصول على مسار السهم والتقلب، يحتاجون إلى حساب السعر النهائي للخيار الأمريكي (الذي يمكن ممارسته مبكراً). استخدموا شبكة ثنائية الحدين (Binomial Lattice).
- التشبيه: تخيل شجرة حيث يمثل كل فرع فيها سعراً مستقبلياً ممكناً. يقوم الكمبيوتر بالسير عكسياً من نهاية الشجرة إلى بدايتها، متحققاً عند كل فرع: "هل من الأفضل تسييل الربح الآن أم الانتظار؟" هذا يعطي السعر الدقيق للخيار.
الاختبار الكبير: هل نجح الأمر؟
اختبر المؤلفون آلتهم بطريقتين:
- "اختبار الأرباح": حاولوا التنبؤ بأسعار الخيارات حول تقارير الأرباح. وجدوا أن الآلة واجهت صعوبة فقط عندما تعلن شركة عن نتيجة أرباح مفاجئة لم تكن مدرجة في الجدول الزمني. إذا كان الحدث مجدولاً (مثل تاريخ أرباح معروف)، يمكن للآلة التنبؤ بقفزة السعر بشكل مثالي. أما إذا كانت المفاجأة صدمة كاملة، فلم تستطع الآلة توقعها (وهذا أمر واقعي!).
- "اختبار المحاكاة الأمامية": أخذوا سهماً حقيقياً (Goldman Sachs) وشغلوا 1,000 محاكاة مستقبلية.
- قاموا ببيع خيارات "قصيرة" (رهان على أن السعر لن يتحرك كثيراً).
- النتيجة: أظهرت الآلة أنه بينما يربح الرهان في معظم الأوقات (تحتفظ بالعلاوة/Premium)، فإن الخسائر تكون "ذات ذيول سميكة" (Fat-tailed). وهذا يعني أنه عندما تخسر، تخسر أكثر بكثير مما كنت تتوقع، خاصة في جانب "الشراء" (Call) (الرهان على ارتفاع السعر). حدث هذا لأن الآلة تعلمت بشكل صحيح أنه عندما تهبط الأسهم، يرتفع التقلب، مما يجعل التأمين أغلى بكثير.
الخلاصة
تزعم الورقة البحثية أنهم صنعوا مولداً للبيانات الاصطناعية. فهو ينشئ أسعار خيارات وتقلبات واقعية دون الحاجة للنظر في أسعار السوق الحقيقية أولاً. لقد كسروا التبعية الدائرية من خلال السماح للتقلب بالظهور بشكل طبيعي من تحركات الأسهم المحاكية.
لقد أطلقوا هذا كأداة مفتوحة المص المصدر (بلغة البرمجة Julia) لكي يتمكن الآخرون من استخدامها لتوليد بيانات تدريب لنماذج التعلم الآلي، أو اختبار استراتيجيات المخاطر، أو محاكاة انهيارات السوق دون الحاجة إلى بيانات من العالم الحقيقي قد تكون منحازة أو ناقصة.
باختة القول: لقد بنوا محرك لعبة فيديو لسوق الأسهم يولد فيزيائه الخاصة الواقعية (التقلب) حتى يمكنك تدريب ذكائك الاصطناعي على لعب اللعبة دون الحاجة لمراقبة العالم الحقيقي أولاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.