Parameter Estimation for the Vasicek Process with Microstructure Noise
تقترح هذه الورقة وتتحقق من صحة أساليب التنعيم النواتي والاحتمال الأقصى لتقدير معاملات عملية فازيتشيك في ظل ضوضاء البنية الدقيقة، مما يثبت اتساقها القوي ودقتها من خلال التحليل النظري، والمحاكاة العددية، والتطبيق التجريبي على بيانات بورصة شنغهاي.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
في عالم التمويل، لا تتحرك الأسعار في خط مستقيم؛ بل تنجرف، وتندفع، وتستقر عائدة نحو متوسط ما، تماماً مثل بندول يتأرجح نحو نقطة السكون. يستخدم الاقتصاديون نموذجاً رياضياً يسمى "عملية فازيسيك" (Vasicek process) لوصف هذا السلوك، حيث يرصد كيف تميل أسعار الفائدة أو أسعار الأصول إلى العودة إلى متوسط طويل الأمد بعد حدوث صدمة. ويعد هذا النموذج حجر الزاوية لتسعير الخيارات وقياس المخاطر، لكنه يعتمد على فرضية جوهرية: وهي أن البيانات المرصودة هي انعكاس مثالي للواقع الكامن. ومع ذلك، نادراً ما تكون البيانات المالية في العالم الحقيقي "نظيفة". فعندما يقوم المتداولون ببيع وشراء الأصول، تتلوث الأسعار المسجلة بـ "ضجيج البنية الدقيقة" (microstructure noise) — وهي أخطاء عشوائية صغيرة ناتجة عن آليات التداول، مثل الوقت الذي يستغرقه تنفيذ الصفقة أو الطريقة التي تُوضع بها الأوامر. هذا الضجيج يشبه التشويش في إشارة الراديو؛ فهو يحجب اللحن الحقيقي للسوق. وإذا حاول الباحثون ضبط نماذجهم باستخدام هذه الإشارة المشوشة دون مراعاة هذا التشويش، سينتهي بهم الأمر إلى تقديرات غير دقيقة لسرعة عودة الأسعار إلى متوسطها أو مدى تقلبها الحقيقي.
قام فريق من الباحثين من جامعة قوانغشي العادية وجامعة يولين العادية بتطوير طريقة جديدة لاختراق هذا التشويش واستعادة الإشارة الحقيقية. وقد ركزوا على نوع محدد من البيانات المالية يُعرف بالبيانات عالية التردد، والتي تسجل تغيرات الأسعار في فترات قصيرة جداً، مثل كل خمس دقائق. وبينما تعد وفرة البيانات هذه أمراً قوذاً، إلا أنها تضاعف أيضاً من مشكلة الضجيج. وقد عالج الباحثون هذا التحدي من خلال الجمع بين تقنيتين راسختين: "تنعيم النواة" (kernel smoothing)، الذي يعمل كمرشح لطيف لمتوسط القفزات العشوائية في البيانات، و"تقدير الاحتمال الأقصى" (maximum likelihood estimation)، وهو أسلية إحصائية لإيجاد القيم الأكثر احتمالاً لمعلمات النموذج. كان هدفهم هو إثبات أنه حتى عندما تكون البيانات فوضوية والضجيج ليس عشوائياً تماماً، يمكن لطريقتهم أن تجد القيم الحقيقية وراء تحركات السوق بشكل موثوق.
بدأ الباحثون ببناء إطار رياضي يقر بأن الضجيج ليس مجرد تشويش عشوائي فحسب، بل يمكن أن يكون مرتبطاً باللحظات السابقة، وهي حالة تُعرف باسم "الاعتماد المختلط" (mixing dependence). وبكلمات أبسط، قد يكون الخطأ في لحظة ما مرتبطاً قليلاً بالخطأ في اللحظة التي سبقتها، وهي سمة شائعة في الأسواق الحقيقية غالباً ما تجاهلتها النماذج القديمة. وللتعامل مع ذلك، استخدموا تقنية تسمى "القطع" (truncation)، والتي تتجاهل بفعالية القيم المتطرفة التي قد تحرف النتائج، وطبقوا متباينات رياضية محددة مصممة لهذه المتواليات المعتمدة. ثم اختبروا نظريتهم من خلال عمليات محاكاة حاسوبية مكثفة؛ حيث أنشأوا الآلاف من سيناريوهات السوق الوهمية التي كانت القيم الحقيقية فيها معروفة، وأضافوا كميات متفاوتة من الضجيج، ثم حاولوا استعادة القيم الأصلية باستخدام طريقتهم الجديدة.
كانت نتائج هذه المحاكاة واضحة ومشجعة. فكلما زادت كمية البيانات التي قاموا بتحليلها، تقاربت تقديراتهم لسرعة العودة إلى المتوسط، والمتوسط السعري طويل الأمد، وتقلب السوق، تدريجياً نحو القيم الحقيقية التي وضعوها في البداية. علاوة على ذلك، كلما انخفضت كمية الضجيج في البيانات، تحسنت دقة تقديراتهم وانكمش عدم اليقين حول تلك التقديرات. وأظهرت الدراسة أن سرعة العودة إلى المتوسط كانت المعلمة الأكثر حساسية للضجيج، مما يتطلب مجموعات بيانات أكبر لتقديرها بدقة، بينما كان المتوسط طويل الأمد هو الأكثر استقراراً. والأهم من ذلك، أن الطريقة صمدت حتى عندما لم يكن الضجيج مستقلاً تماماً، وهو تحسن كبير عن النهج السابق الذي اعتمد على افتراضات أكثر صرامة وأقل واقعية.
ولرؤية ما إذا كان هذا سينجح في العالم الحقيقي، طبق الفريق طريقتهم على بيانات سوق فعلية من مؤشر شنغهاي المجمع لبورصة شنغهاي. وقد استخدموا فترات سعرية مدتها خمس دقائق جُمعت على مدار عدة أشهر، وهو مجموعة بيانات كبيرة بما يكفي لتوفير اختبار قوي. وبعد تنعيم بيانات الأسعار الخام لإزالة ضجيج البنية الدقيقة، أدخلوا الأرقام المنقحة في نموذجهم. وقد سمحت التقديرات الناتجة ببناء نموذج تنبؤي للأسعار المستقبلية. وعندما قارنوا تنبؤاتهم بأسعار السوق الفعلية التي تلت ذلك، كان أداء النموذج جيداً؛ حيث بقيت الأسعار الفعلية ضمن نطاق عدم اليقين المتوقع حوالي 92 بالمائة من الوقت، وهو رقم يطابق التوقعات النظرية عن كثب. وقد أثبت هذا أن النموذج لا يمكنه فقط ملاءمة البيانات التاريخية، بل يمكنه أيضاً التقاط السمات الجوهرية لسلوك السوق.
يؤكد هذا العمل أنه من الممكن استخراج رؤى موثوقة من البيانات المالية عالية التردد المشوشة دون الحاجة إلى افتراض أن الضجيج عشوائي تماماً. ومن خلال تخفيف القواعد الصارمة التي كانت تقيد هذه النماذج سابقاً، قدم الباحثون أداة أكثر قوة لفهم ديناميكيات السوق. وتشير نتائجهم إلى أنه مع وجود المرشحات الرياضية المناسبة، يمكن سماع الإيقاع الحقيقي للسوق حتى من خلال تشويش التداول الحديث. وهذا لا يعني أن السوق يمكن التنبؤ به بمعناه البسيط، ولكنه يعني أن الأدوات المستخدمة لقياس سلوكه يمكن جعلها أكثر دقة، مما يوفر رؤية أوضح للقوى التي تحرك الأسعار المالية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.