Arbitrage-Aware Multi-Step Forecasting of Implied Volatility Surfaces: Modelling Surface Trajectories Using Latent Diffusion
تقترح هذه الورقة إطار عمل للانتشار الكامن الشرطي المدرك للمراجحة، والذي يولد توقعات احتمالية متعددة الخطوات واقعية ومقبولة اقتصادياً لأسطح التقلب الضمني والعوائد الأساسية، متفوقاً بذلك على معايير الاستمرارية في التنبؤ بنقاط التوقع مع نمذجة هندسة السطح المعقدة والاعتماد الزمني بفعالية.
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
تُعد الأسواق المالية أنظمة بيئية شاسعة ومعقدة، حيث لا يمثل سعر الأصل سوى نصف القصة؛ أما النصف الآخر فهو حالة عدم اليقين المحيطة بهذا السعر. عندما يشتري المستثمرون الخيارات، وهي عقود تمنحهم الحق في شراء أو بيع شيء ما لاحقاً، فإنهم يدفعون في الأساس مقابل توقع مدى تقلب ذلك السعر. ولتفسير هذه التوقعات، ينظر المتداولون إلى "سطح التقلب". تخيل خريطة ثلاثية الأبعاد حيث تمثل كل نقطة فيها مقدار عدم اليقين الذي يتوقعه السوق لسعر مستهدف معين وتاريخ مستقبلي محدد. هذه الخريطة ليست مسطحة؛ بل تحتوي على تلال ووديان تتغير باستمرار، مما يعكس المزاج الجماعي للسوق. وإذا رُسمت هذه الخريطة بشكل غير صحيح، فقد يؤدي ذلك إلى خسائر مالية فادحة أو يسمح بتحقيق أرباح خالية من المخاطر لا ينبغي أن توجد، وهو ما يُعرف بالتحكيم (arbitrage). ولأن هذه الخرائط مركزية في تسعير المخاطر وإدارتها، فإن القدرة على التنبؤ بكيفية تغيرها بمرور الوقت تُعد بمثابة "الكأس المقدسة" في عالم التمويل. ومع ذلك، فإن التنبؤ بالشكل المستقبلي لهذه الخريطة أمر صعب للغاية لأنه يجب أن يتبع قواعد اقتصادية صارمة مع مراعاة الطبيعة الفوضوية وغير المتوقعة للسلوك البشري وأخبار السوق.
لقد طور باحثون في جامعة سانت غالن طريقة جديدة للتنبؤ بهذه الخرائط المتغيرة، حيث تعاملوا مع المشكلة ليس كمجرد تخمين بسيط، بل كرحلة عبر الزمن. فبدلاً من محاولة التنبؤ بنقطة مستقبلية واحدة، يقوم نظامهم بإنشاء "فيلم" مدته ثلاثون يوماً لكيفية تطور سطح التقلب، يوماً بعد يوم، جنباً إلى جنب مع حركة سوق الأسهم نفسها. وقد بنوا نظاماً يعتمد على التعلم الآلي يتكون من جزأين لتحقيق ذلك. الجزء الأول يعمل مثل "المترجم"، حيث يقوم بضغط الخريطة المعقدة ثلاثية الأبعاد إلى رمز أبسط ومنخفض الأبعاد يلتقط شكلها الجوهري دون الضجيج. وقد تم تدريب هذا المترجم بقاعدة صارمة: يجب ألا ينتج أبداً خريطة تسمح بتحقيق أرباح خالية من المخاطر. ومن خلال دمج هذه القاعدة الاقتصادية مباشرة في المترجم، يضمن النظام أن كل سيناريو مستقبلي ينشئه هو سيناريو صالح مالياً. أما الجزء الثاني من النظام فهو محرك توليدي يأخذ هذا الرمز المبسط ويتخيل حركة الثلاثين يوماً القادمة. وهو يتعلم من سنوات من البيانات التاريخية لفهم كيف تتغير الخريطة عادةً، وكيف تستجيب لانخفاضات أسعار الأسهم، وكيف يميل عدم اليقين إلى الانتشار بمرور الوقت.
تكشف نتائج هذا النهج عن نظام بارع بشكل ملحوظ في التقاط إيقاع السوق، رغم وجود نقطة عمياء محددة لديه. فعندما اختبر الباحثون نموذجهم على بيانات مؤشر S&P 500، وجدوا أن الخرائط المولدة بدت حقيقية جداً؛ فقد حافظت على شكل "الابتسامة" المألوف الذي تظهره أسواق الخيارات عادةً، حيث يكون عدم اليقين أعلى عند تحركات الأسعار المتطرفة، كما نجحت في إعادة إنتاج الطريقة التي يتغير بها عدم اليقين مع مرور الوقت. كما نجح النموذج أيضاً في التقاط العلاقة العميقة بين أسعار الأسهم والتقلب: فعندما تنخفض الأسهم، يرتفع عدم اليقين عادةً، وقد تعلم النموذج توليد هذه العلاقة العكسية بدقة على فترات تتراوح بين أسبوع أو شهر. وفي الواقع، كانت توقعات النموذج للآفاق التي تمتد لأكثر من بضعة أيام أكثر دقة من مجرد افتراض أن السوق سيبقى كما هو اليوم تماماً. وهذا اكتشاف مهم لأن الأسواق المالية غالباً ما تكون كفؤة لدرجة أن أفضل تخمين للغد هو عادةً حالة اليوم.
ومع ذلك، فإن النموذج ليس "بلورة سحرية" للمستقبل القريب جداً. فبالنسبة لليوم التالي مباشرة، واجه النظام صعوبة في التفوق على الافتراض البسيط بأن شيئاً لن يتغير، حيث توقع الكثير من الحركة في حين ظل السوق ساكناً في الواقع. علاوة على ذلك، وبينما كان النموذج ممتازاً في التنبؤ باتجاه وشكل التغييرات المستقبلية، إلا أنه أخفق باستمرار في تقدير مدى شدة تلك التغييرات. فقد كان نطاق النتائج المحتملة التي ولدها ضيقاً للغاية؛ لقد التقط المسار الذي قد يسلكه السوق، لكنه لم يدرك كامل حدة العاصفة. وهذا يشير إلى أن النموذج أفضل في فهم هيكل تحركات السوق منه في فهم حجم الفوضى ذاتها. ورغم ذلك، ينتج النظام مجموعة من السيناريوهات المنطقية والسليمة اقتصادياً والتي يمكن أن تساعد المستثمرين على تصور مجموعة من المستقبلات بدلاً من توقع واحد جامد.
كما حرص الباحثون على ضمان إمكانية التحقق من عملهم وتكراره من قبل الآخرين، حيث نشروا الكود وبروتوكولات البيانات التي استخدموها. وتعد هذه الشفافية أمراً بالغ الأهمية في مجال غالباً ما تكون فيه النماذج عبارة عن "صناديق سوداء" غامضة. ومن خلال توفير مسار واضح للآخرين لاختبار أفكارهم مقابل نفس البيانات، فإنهم يساعدون في بناء معيار لكيفية حل هذه المشكلات المعقدة. وتخلص الدراسة إلى أنه على الرغم من أن هذه الأداة ليست مثالية للتنبؤ بسعر اليوم التالي، إلا أنها محرك قوي لتوليد قصص واقعية تمتد لعدة أسابيع حول كيفية تطور عدم اليقين في السوق. إنها توفر وسيلة لرؤية المستقبل ليس كخط واحد، بل كسحابة من الاحتمالات التي تحترم القوانين الأساسية للاقتصاد، مما يمنح المتداولين شعوراً أفضل بالتضاريس التي قد يتعين عليهم التنقل فيها في الأسابيع القادمة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.