A Multiscale Ball Test for Conditional Mean Independence
تقدم هذه الورقة اختبار "متوسط الاستقلال الشرطي للكرة متعدد المقاييس" (MBCMI)، وهو طريقة إحصائية قوية تعمل على تجميع تباينات المتوسط المحلي عبر مقاييس مكانية متفاوتة للكشف بفعالية عن الاعتماد الشرطي للمتوسط في كل من البيانات المستقلة والمرتبطة تسلسلياً، وتتميز بشكل خاص في تحديد الانحرافات الإشارية الموضعية والقطرية.
في عالم علم البيانات، يحاول الباحثون غالبًا فهم كيف يؤثر شيء ما على آخر. تخيل خبير أرصاد جوية يحاول التنبؤ بهطول الأمطار؛ قد ينظر إلى درجة الحرارة، والرطوبة، وسرعة الرياح. إذا كان متوسط كمية الأمطار في يوم معين يعتمد على درجة الحرارة، فإن الاثنين مرتبطان. ولكن ماذا لو كانت العلاقة دقيقة؟ ماذا لو كان المطر يحدث فقط عندما تكون درجة الحرارة مرتفعة والرطوبة منخفضة، ولكن في زاوية محددة من الخريطة؟ إن الأدوات القياسية لإيجاد هذه الروابط غالبًا ما تنظر إلى الصورة الكبيرة، حيث تُجري عمليات حساب المتوسط وتتجاهل التفاصيل. هذا النهج قد يغفل عن الأنماط الصغيرة والموضعية التي لا توجد إلا في منطقة محددة من البيانات. الأمر يشبه محاولة العثور على جزيرة صغيرة مخفية من خلال النظر إلى خريطة للمحيط بأكمله؛ قد تكون الجزيرة موجودة، لكن متوسط عمق المياه يجعلها غير مرئية.
هذا هو التحدي الذي سعى سايمون رودكين ووانلينج رودكين لحله. فقد طورا طريقة جديدة لاختبار ما إذا كانت مجموعة من الأرقام تؤثر على مجموعة أخرى، وبالتحديد للبحث عن العلاقات التي تختبئ في مناطق صغيرة ومتميزة بدلاً من أن تنتشر بالتساوي عبر مجموعة البيانات بأكملها. طريقتهم، التي تسمى "اختبار متوسط الاستقلال الشرطي متعدد المقاييس للكرات" (Multiscale Ball Conditional Mean Independence test)، مصممة للعثور على هذه الروابط المخفية دون الحاجة إلى معرفة مكان البحث بالضبط أو حجم المنطقة المخفية. ومن خلال اختبار العديد من أحجام "مناطق البحث" في وقت واحد، ابتكروا أداة حساسة للتغيرات المحلية، مما يوفر رؤية أكثر حدة لكيفية تفاعل المتغيرات في الأنظمة المعقدة مثل الأسواق المالية.
بنى الباحثون اختبارهم حول فكرة هندسية بسيطة: رسم كرات حول نقاط البيانات. في طريقتهم، تصبح كل ملاحظة في مجموعة البيانات مركزًا لكرات. ثم يرسمون كرات بأحجام مختلفة حول كل مركز، تتراوح من مجموعات صغيرة جدًا من الجيران إلى مجموعات كبيرة تغطي جزءًا كبيرًا من البيانات. داخل كل كرة، يحسبون متوسط النتيجة ويقارنونها بالمتوسط العام لمجموعة البيانات بأكملها. إذا كان المتوسط داخل كرة معينة يختلف بشكل ملحوظ عن المتوسط العالمي، فهذا يشير إلى وجود علاقة محلية. والابتكار الرئيسي هو أنهم لا يكتفون باختيار حجم واحد لهذه الكرات، بل يختبرون نطاقًا واسعًا من الأحجام، بدءًا من أصغر التجمعات التي تحتوي على نقاط قليلة فقط وصولاً إلى كرات ضخمة تشمل ما يقرب من ثلاثة أرباع البيانات. ثم يبحثون عن الحجم المحدد الذي يكشف عن أقوى فرق، مما يترك للبيانات مهمة إخبارهم أين يختبئ الإشارة.
ولضمان أن نتائجهم لم تكن مجرد ضجيج عشوائي، اختبر المؤلفون طريقتهم مقابل سيناريوهات متنوعة باستخدام محاكاة حاسوبية. لقد أنشأوا بيانات اصطناعية ذات أنماط معروفة، بما في ذلك اتجاهات عالمية سلسة، وجزر محلية حادة من النشاط، وأنماط "لوحة الشطرنج" المعقدة حيث تتبدل التأثيرات الموجبة والسالبة بسرعة. وأظهرت النتائج أن اختبارهم الجديد يتفوق في العثور على "الجزر المحلية" والإشارات "التي تتخذ شكل حلقة"، حيث توجد علاقة في منطقة محددة أو على مسافة معينة من المركز. ومع ذلك، وجدوا أيضًا أن طريقتهم ليست فائزة في كل الحالات؛ فعندما تحتوي البيانات على أنماط متغيرة بسرعة، مثل لوحة الشطرنج حيث ينقلب التأثير من إشارة إلى أخرى من نقطة لأخرى، كان هناك نوع آخر من الاختبارات القائم على "أقرب الجيران" يؤدي أداءً أفضل. هذا التمييز أمر بالغ الأهمية: فالأداة الجديدة ليست حلًا سحريًا لكل المشكلات، بل هي أداة متخصصة تتفوق في العثور على العلاقات المحلية المتماسكة مكانيًا.
طبق المؤلفون طريقتهم على بيانات مالية من العالم الحقيقي، حيث فحصوا السجلات الشهرية للولايات المتحدة الممتدة من يناير 1980 إلى سبتمبر 2025. بحثوا في كيفية ارتباط عوامل سوق الأسهم، مثل عوائد السوق والزخم، ببعضها البعض، وكيف تتفاعل المتغيرات الاقتصادية الكلية مثل البطالة والإنتاج الصناعي مع عوائد السوق. في تحليلهم الأولي، رصد الاختبار عدة علاقات بينها كعلاقات ذات دلالة، مما يشير إلى أن متوسط النتيجة لأحد المتغيرات يتغير اعتمادًا على حالة المتغيرات الأخرى. ومع ذلك، عندما قاموا بإزالة العلاقات الخطية القياسية المعروفة بالفعل في التمويل — أي تجريد البيانات من الروابط "الواضحة" — اختفت النتائج الهامة إلى حد كبير. يشير هذا الاكتشاف إلى أن الأنماط غير الخطية الظاهرة التي رصدوها كانت في الواقع مجرد انعكاسات للاعتمادات الخطية القياسية التي يفهمها الاقتصاديون بالفعل، وليست دليلًا على نوع جديد وغامض من سلوك السوق.
كان هناك استثناء واحد ملحوظ لهذا النمط. ففي نافذة زمنية محددة خلال يوليو 2022، وجد الاختبار علاقة ذات دلالة تتعلق بعامل الزخم ظلت قائمة حتى بعد إزالة الروابط الخطية القياسية. يشير هذا إلى أنه خلال تلك الفترة المحددة، كان هناك اعتماد محلي حقيقي في البيانات يتجاوز النماذج الخطية المعتادة. ومع ذلك، يشدد المؤلفون على أن هذه النتيجة تأتي من نافذة زمنية محددة تم اختيارها بعد النظر في البيانات، لذا فهي تعتبر ملاحظة وصفية أكثر من كونها قاعدة ثابتة ومؤكدة. يخلص البحث إلى أنه بينما يعد الاختبار الجديد قويًا في اكتشاف الإشارات المحلية المتماسكة مكانيًا، فإنه يكشف أيضًا أن العديد من الشذوذات الظاهرة في البيانات المالية هي ببساطة نتيجة لعلاقات خطية قياسية لم يتم أخذها في الاعتبار بالكامل. إن الأداة توفر عدسة أوضح لرصد المواضع التي تسلك فيها البيانات سلوكًا مختلفًا، لكنها تساعد الباحثين أيضًا في التمييز بين التغيرات الهيكلية الحقيقية وضجيج ديناميكيات السوق القياسية.
ملخص تقني: اختبار الكرة متعدد المقاييس للاستقلال المتوسط المشروط
بيان المشكلة تتناول الورقة البحثية تحدي اختبار الاستقلال المتوسط المشروط، والمعرّف بـ H0:E[Y∣X]=E[Y] بشكل شبه مؤكد. وبينما تقوم إجراءات العزم المشروط العالمية (مثل Bierens, 1990؛ وFan and Li, 1996) بدمج التباينات عبر كامل نطاق المتغيرات المستقلة، إلا أنها قد تفقد القدرة الاختبارية عندما تكون الانحرافات عن فرضية العدم محصورة في منطقة محدودة من الفضاء متعدد المتغيرات للمتغيرات المستقلة. ومن ناحية أخرى، تتجنب أساليب التنعيم المحلي (smoothers) عملية المتوسط العالمي، لكنها تواجه مشكلة الضبط (tuning problem): فالمقياس المكاني الذي تنفصل عنده الإشارة عن الضجيج نادراً ما يكون معروفاً مسبقاً. وتفشل الطرق الحالية التي إما تثبت مقياس التكامل العالمي أو تثبت كتلة محلية (مثل أعداد الجيران الأقرب)، في تحقيق التوازن بين التنعيم المحلي والمتانة تجاه الضجيج عندما يكون المقياس المكاني ذو الصلة غير معروف.
المنهجية: اختبار MBCMI (اختبار الكرة متعدد المقलेيس للاستقلال المتوسط المشروط) يقترح المؤلفون اختبار MBCMI، الذي يجمع بين تباينات المتوسط المحلي الموزونة بالدعم عبر "كرات" متمركزة حول كل نقطة بيانات مرصودة في مجموعة المتغيرات المستقلة.
معيار المجتمع: يستهدف الاختبار دالة مجتمعية Q(e)، والتي تعطي متوسط مربعات تباينات المتوسط المحلي موزونة بكتلة الاحتمال التي تدعمها. هذا التوزين يمنع الجوارات الصغيرة ذات الدعم الضعيف من الهيمنة على الإحصائية، ويجعل الإحصائية العينية متوافقة مع معيار المتوسط المحلي للمجتمع.
الإحصائية العينية: بالنسبة لنصف قطر معين e، تقوم الإحصائية Tn(e) بجمع الفروقات المربعة بين المتوسط المحلي داخل كرة متمركزة حول Xi والمتوسط العالمي، موزونة بعدد الملاحظات في تلك الكرة (Ni(e)).
البحث متعدد المقاييس: بدلاً من اختيار عرض نطاق (bandwidth) واحد، يقيم الاختبار الإحصائية عبر شبكة كثيفة من 71 نصف قطر. تم تحديد أنصاف الأقطار هذه بواسطة كوانتيلات المسافات الزوجية التجريبية q∈{0.05,0.06,…,0.75}. وتكون الإحصائية النهائية هي القيمة القصوى لهذه القيم الـ 71.
الاستدلال والمعايرة:
البيانات المستقلة والمتماثلة (IID): يثبت المؤلفون أن الحد الأقصى الخام عبر الشبكة الثابتة يتصرف كمجموعة من إحصائيات V-degenerate. كما يثبتون الصلاحية الشرطية لاستخدام "بوتستراب مضاعف رادماشر" (Rademacher multiplier bootstrap)، الذي يحافظ على أحجام البواقي الخاصة بكل ملاحظة.
البيانات المتسلسلة: بالنسبة لتطبيقات السلاسل الزمنية، تم اقتراح "بوتستراب رادماشر المتكرر مسبق التبييض" (prewhitened recursive Rademacher bootstrap). يتضمن ذلك ملاءمة نموذج انحدار ذاتي من رتبة منتهية (تم اختيار الرتبة عبر BIC)، وعشوائية إشارات الابتكارات (innovations) المقدرة، ثم إعادة بناء السلسلة بشكل متكرر. هذا الإجراء يحافظ على أحجام الابتكارات والقانون الديناميكي الملائم.
التشخيصات: توفر الطريقة "تفكيكاً حسب المركز ونصف القطر" (centre-by-radius decomposition)، مما يسمما الباحثين لتحديد أي المقاييس وأي مناطق المتغيرات المستقلة تساهم أكثر في الرفض، وإن كانت هذه مجرد أدوات تشخيصية وليست بارامترات هيكلية.
المساهمات الرئيسية
البنية الهندسية: على عكس طرق الجيران الأقرب (مثل Chatterjee et al., 2026) التي تثبت الكتلة المحلية وتترك الامتداد المكاني متغيراً، يقوم MBCMI بتثبيت الامتداد المكاني (نصف القطر) ويترك الكتلة المحلية متغيرة. هذه البنية متميزة عن التكامل العالمي أو التنعيم ذي عرض النطاق الثابت.
الإطار النظري: تقدم الورقة نظرية الشبكة الثابتة التي تحدد الهدف المجتمعي وتثبت الاتساق للبدائل "المرئية" عند أنصاف الأقطار المفهرسة. كما تم اشتقاق حد قوة "بيتمان" المحلي (Pitman local-power limit) الجديد، والذي يوضح أن القوة المحلية تعتمد على انحراف المتوسط المُنعم بالكرة عند تلك الأنصاف الأقطار المحددة.
الصلاحية التسلسلية القابلة للتنفيذ: يثبت المؤلفون صلاحية "بوتستراب الإشارة المتكرر" للانحدارات الذاتية المستقرة ذات الرتبة المنتهية ذات الابتكارات المتماثلة إشارياً شرطياً، وهي نتيجة تأخذ في الاعتبار تقدير المعالم المزعجة وهيكل الاعتماد.
غلاف القوة الخاص بالهندسة: توضح الورقة أنه لا يوجد اختبار واحد يهيمن عالمياً. وقد أظهر MBCMI أنه الأقوى في الإشارات المحلية والقطرية (مثل الجزر المحلية، والانحرافات الحلقية)، بينما تتفوق طرق الرسم البياني للجيران الأقرب (NCMD) في حالات التفاعلات سريعة تغير الإشارة وأنماط رقعة الشطرنج.
النتائج التجريبية
المعايرة: في تجارب العدم المتسلسلة المتوافقة مع التطبيق، رفض الحد الأقصى الخام 4.25% من المرات (ضمن فاصل الثقة 95% للقيمة الاسمية 5%)، مما يدل على الصلاحية القابلة للتنفيذ.
تحليل القوة: في تجارب مونت كارلو النموذجية (n=500,d=10)، تفوق MBCMI على طرق الجيران الأقرب (NCMD) في هندسات "الجزيرة المحلية"، و"الحلقة"، و"النطاق الرفيع"، و"إشارة القيمة المطلقة المحلية". وعلى العكس من ذلك، تفوقت NCMD (K=5,10) بشكل كبير على MBCMI في بدائل التفاعل ورقعة الشطرنج.
المتانة: تشير تجارب قانون المتغيرات المستقلة إلى أن نقاط قوة الطريقة ليست ناتجة عن متغيرات مستقلة غاوسية مستقلة. ومع ذلك، فإن خيارات التنميط (z-score مقابل التبييض/whitening) تؤثر على القوة، خاصة في ظل وجود متغيرات مستقلة مرتبطة.
تطبيقات التمويل: عند تطبيق الاختبار على بيانات التمويل الأمريكية الشهرية (1980–2025)، رفض اختبار MBCML للعين الكاملة الاستقلال المتوسط المشروط لخمسة من عوامل "فاما-فرينش" الستة وتغير معدل البطالة. ومع ذلك، عند تطبيقه على البواقي المتقاطعة (cross-fitted residuals) (أي إزالة الهيكل الخطي المتزامن)، لم يرفض أي من المعادلات العشر للعين الكاملة الفرضية. وهذا يشير إلى أن الاعتماد المكتشف هو اعتماد متوسط مشروط متزامن وليس بنية غير خطية مميزة. وظلت نافذة تشخيصية محددة (الزخم في يوليو 2022) معنوية بعد عملية التحييد الخطي للبواقي.
الأهمية والادعاءات تدعي الورقة تقديم "مساهمة منهجية محدودة". فهي لا تزعم الهيمنة المطلقة في القوة أو الاتساق الشامل ضد جميع المتوسطات المشروطة غير الثابتة. بدلاً من ذلك، تقدم اختباراً مصمماً خصيصاً للسيناريوهات التي تشغل فيها انحرافات المتوسط المشروط مناطق متماسكة مكانياً عند مقياس غير معروف.
يؤكد المؤلفون أن قيمة الاختبار تكمن في الجمع بين البحث متعدد المقاييس ذي الامتداد الثابت والتفكيك القابل للتفسير حسب المركز والمقياس. وتوضح تطبيقات التمويل فرقاً حاسماً: يمكن لـ MBCMI اكتشاف اعتماد المتوسط المشروط المتزامن، ولكن دون عملية التحييد الخطي للبواقي، لا يعني هذا وجود آليات غير خطية أو قدرة تنبؤية. وتخلص الورقة إلى أن MBCMI يوفر أداة رسمية محددة الافتراضات للكشف عن الإشارات المحلية والقطرية، مما يكمل ولا يحل محل طرق الجيران الأقرب أو التكامل العالمي.