Aggregate Calibration Can Mask Stress-State Undercoverage: Bounded-Memory Forecast Intervals under Recurrent Financial Stress

في عالم التمويل، لا يُعد عدم اليقين عيباً، بل هو سمة جوهرية. فالأسواق لا تتحرك في خطوط مستقيمة؛ بل تترنح، وتتوقف، وتنفجر أحياناً في فترات من التقلب الشديد التي يمكن أن تمحو المدخرات أو تثير تحولات اقتصادية عالمية. ولأن هذه اللحظات الخطيرة ذات عواقب جسيمة، يعتمد المستثمرون والمؤسسات على فترات التنبؤ، وهي نطاقات تتوقع أين سيستقر السعر غداً. إن التنبؤ الجيد لا يكتفي بتخمين رقم واحد، بل يوفر شبكة أمان، وهي حزمة من النتائج المحتملة تكون واسعة بما يكفي لتلتقي بالحقيقة في معظم الأوقات. ويُسمى المعيار المستخدم لتقييم شبكات الأمان هذه بـ "المعايرة". فإذا ادعى التنبؤ أنه صحيح بنسبة 90 في المائة، فيجب أن يحتوي، على المدى الطويل، على السعر الفعلي بنسبة 90 في المائة.

لعقود من الزمن، افترض الإحصائيون أنه إذا حقق نظام ما هذا الهدف المتوسط، فإنه يؤدي وظيفته. ومع ذلك، فإن للأسواق المالية عادة غريبة: فهي ليست عشوائية، بل هي "عرضية" (episodic). فقد تستمر فترة من الهدوء لسنوات، لتتبعها فجأة عودة للفوضى التي كانت موجود جداً قبل عقد من الزمان. وهذا يخلق فخاً خفياً للأنظمة المصممة للتنبؤ بها. فإذا كان البرنامج الحاسوبي يتذكر فقط أحدث البيانات لاتخاذ قراراته، فقد ينسى الدروس المستفادة من الأزمة الأخيرة. وعندما تعود تلك النوعية المحددة من الأزمات، قد يفشل النظام -الذي لم يرَ مثلها في ذاكرته قصيرة المدى- في توسيع شبكة الأمان الخاصة به، مما يترك المستثمرين عرضة للخطر في الوقت الذي هم فيه بأمس الحاجب لحماية.

هذه هي المشكلة الدقيقة التي سعى الباحثان روي هان ولي-شيانغ لين إلى استقصائها. فقد بنيا مختبراً مضبوطاً لاختبار كيف تؤثر الطرق المختلفة لتخزين واستخدام البيانات التاريخية على موثوقية التنبؤات المالية. ويركز عملهما على نوع محدد من قيود الذاكرة: وهو النظام الذي لا يمكنه احتواء سوى كمية محدودة من المعلومات الماضية. في العالم الحقيقي، لا تستطيع الحواسيب تخزين كل يوم من تاريخ السوق إلى الأبد؛ بل يجب عليها التخلص من البيانات القديمة لإفساح المجال للبيانات الجديدة. والنهج القياسي هو استخدام طريقة "الوارد أولاً، يخرج أولاً"، حيث يتم طرد أقدم البيانات بمجرد امتلاء الذاكرة، بغض النظر عما تمثله تلك البيانات. وقد طرح الباحثان سؤالاً بسيطاً ولكنه عميق: عندما تعود حالة ضغط سوقي مألوفة بعد غياب طويل، هل لا يزال النظام الذي يتذكر الماضي القريب فقط يمتلك الأدوات المناسبة للتعامل معها؟

ولإيجاد الإجابة، صمم الفريق نظام تنبؤ مصمماً للتنبؤ بالنطاق اليومي لأسعار مجموعة متنوعة من الأصول المالية، بما في ذلك صناديق الاستثمار المتداولة وخمسين سهماً رئيسياً من الأسهم الأمريكية. واستخدموا بيانات تمتد من عام 2005 إلى عام 2025، وهي فترة شملت حقبات متميزة متعددة من الهدوء في السوق وعدة فترات حادة من التقلب العالي. وقد حددوا "الضغط" باستخدام مقياس معروف للخوف في السوق، وهو مؤشر (VIX). فعندما يكون هذا المؤشر مرتفعاً، يكون السوق في حالة ضغط؛ وعندما يكون منخفضاً، يكون السوق هادئاً. ثم قام الباحثون بتشغيل نموذج التنبؤ الخاص بهم تحت قواعد ذاكرة مختلفة، مع إبقاء كل شيء آخر كما هو تماماً. وقارنوا بين نظام قياسي يحتفظ فقط بآخر 250 يوماً من البيانات، وبين نظام أكثر تطوراً لا يتذكر الماضي القريب فحسب، بل يتذكر أيضاً سجلات تاريخية محددة من فترات الضغط السابقة.

وكشفت النتائج عن انفصال صارخ بين الأداء العام للنظام وأدائه خلال اللحظات الأكثر أهمية. فقد بدا النظام القياسي، الذي ينظر فقط إلى أحدث البيانات، وكأنه يعمل بشكل مثالي عند النظر إليه من بعيد. فخلال فترة التقييم بأكملها، نجح في التنبؤ بنطاق السعر بنسبة 90 في المائة، محققاً هدفه بدقة. ومع ذلك، عندما ركز الباحثون بدقة على الـ 156 يوماً التي كان فيها السوق تحت ضغط عالٍ، تغيرت الصورة بشكل دراماتيكي. ففي تلك الأيام المحددة، انخفضت دقة النظام القياسي بشكل حاد؛ حيث فشل في احتواء السعر الفعلي في حوالي ربع الحالات، لتنخفض نسبة التغطية إلى حوالي 76 في المائة. لم يكن النظام معطلاً، بل كان ببساطة "أعمى" عن نوع الخطر الذي يواجهه، لأن ذلك الخطر لم يظهر في ذاكرته قصيرة المدى.

وفي المقابل، أدى النظام المصمم لتذكر حالات ضغط محددة أداءً أفضل بكثير. فمن خلال الاحتفاظ بأرشيف مخصص لأيام التقلب العالي السابقة واستدعائها عند عودة ظروف مماثلة، حافظ هذا النظام على مستوى أعلى بكثير من الدقة خلال فترات الضغط. لقد احتوى النطاق السعري الحقيقي بنسبة 85 في المائة تقرياً أثناء الضغط، وهو تحسن ملحوظ عن النهج القياسي. ووجد الباحثون أن هذه الميزة كانت أكثر وضوحاً في اللحظة التي يبدأ فيها فترة الضغط مباشرة، وهي اللحظة ذاتها التي يكون فيها النظام القياسي أكثر عرضة للفشل. ومع استمرار فترة الضغط وبدء النظام القياسي في تراكم بيانات جديدة من الأزمة الحالية، تلاشت الفجوة بين النظامين، لكن الفشل الأولي للنظام القياسي كان كبيراً.

وذهبت الدراسة إلى أبعد من ذلك للتأكد من أن هذا التحسن لم يكن مجرد نتيجة لامتلاك المزيد من البيانات أو طريقة مختلفة لوزن المعلومات. فقد أنشأوا عدة مجموعات ضابطة لاختبار متغيرات محددة. إحدى المجموعات كانت تمتلك نفس مقدار الذاكرة للنظام المحسن ولكنها تستخدم البيانات الحديثة فقط. ومجموعة أخرى كان لديها إمكانية الوصول إلى البيانات القديمة ولكنها تعامل جميع الأيام القديمة على أنها متساوية، دون التمييز بين الفترات الهادئة وفترات الضغط. ولم تتمكن أي من هاتين النسختين من مضاهاة أداء النظام الذي يتذكر تحديداً هيكل الضغط السابق. وقد أثبت هذا أن الفائدة جاءت من التكوين المحدد للذاكرة —أي معرفة أي الأيام التاريخية كانت ذات صلة بالوضع الحالي— وليس مجرد امتلاك قاعدة بيانات أكبر.

كما بحث الباحثون في مدى استمرار هذه الميزة. ووجدوا أن فائدة تذكر الضغط السابق تتركز في بداية الأزمة تماماً. فعندما تبدأ فترة تقلب عالٍ، يعرف النظام المزود بذاكرة مهيكلة على الفور كيفية توسيع شبكة الأمان الخاصة به لأنه رأى هذا النمط من قبل. أما النظام القياسي، فقد كان عليه الانتظار حتى تتراكم بيانات جديدة كافية في مخزنه قصير المدى قبل أن يتمكن من التكيف. وبحلول الوقت الذي يلحق فيه النظام القياسي بالركب، تكون المرحلة الأكثر خطورة من الأزمة قد مرت بالفعل في كثير من الأحيان. ويسلط هذا الفرق في التوقيت الضوء على خلل حرج في الاعتماد فقط على التاريخ الحديث: فاللحظات الأكثر خطورة هي غالباً تلك التي تتطلب استجابة فورية ودقيقة، ومع ذلك فهي اللحظات الأكثر عرضة للنسيان من قبل نظام ينظر فقط إلى الوراء لبضعة أشهر.

إن تداعيات هذا العمل تمتد إلى ما وراء الأرقام المحددة للدراسة. فهي تتحدى الافتراض بأن النظام موثوق لمجرد أنه يعمل جيداً في المتوسط. ففي المجالات التي تتكرر فيها الأحداث النادرة ولكن الكارثية، يمكن أن يكون الأداء المتوسط مقياساً مضللاً. إذ يمكن للنظام أن يكون معايرًا بشكل مثالي خلال الـ 90 في المائة من الوقت الذي يكون فيه السوق هادئاً، ومع ذلك يفشل بشكل كارثي خلال الـ 10 في المائة من الوقت الذي تبرز فيه أهميته. لقد أثبت الباحثون أن الطريقة التي يخزن بها النظام تاريخه لا تقل أهمية عن الخوارزمية التي يستخدمها لإجراء التنبؤات. فإذا كان النظام مجبراً على نسيان الماضي، فيجب تصميمه ليتذكر الأشياء الصحيحة.

أجريت الدراسة بضوابط صارمة، باستخدام نفس نموذج التنبؤ ونفس بيانات السوق لكل اختبار. وكانت النتائج متسقة عبر لوحتين مختلفتين من الأصول، مما يشير إلى أن النتيجة قوية وليست مقتصرة على نوع معين من الأسهم أو الصناديق. كما اختبر الباحثون ما إذا كانت نتائجهم ستصمد عند تغيير تعريف الضغط أو حجم مخزن الذاكرة، وظل النمط الجوهري كما هو: الأنظمة التي تنسى الطبيعة المحددة للأزمات السابقة تكون أقل موثوقية عندما تعود تلك الأزمات. وهذا ليس احتمالاً نظرياً، بل هو واقع مرصود في البيانات.

في نهاية المطاف، تجادل الورقة البحثية بأن تصميم نظام التنبؤ يجب أن يتضمن استراتيجية للذاكرة. فلا يكفي مجرد تخزين أحدث نقاط البيانات. فبالنسبة للأنظمة التي تعمل في بيئات تتغير الظروف فيها ثم تعود، فإن القدرة على استرجاع الأدلة التاريخية ذات الصلة هي جزء أساسي من عملية التنبؤ. لقد أظهر الباحثون أنه من خلال هيكلة الذاكرة للحفاظ على أدلة على الحالات النادرة ولكن المتكررة، يمكننا بناء أنظمة ليست دقيقة في المتوسط فحسب، بل موثوقة عندما نحتاج إليها بشدة. وفي عالم يتسم بالضغوط المالية العرضية والمتكررة، قد تكون أهم البيانات هي الأقدم، بشرط أن يكون لدينا وسيلة للعثور عليها مرة أخرى.