الاختبار الرجعي للنموذج

التعلم الآلي المالي

مشكلة التنبؤ

على عكس تطبيقات التعلم الآلي التقليدية، تمتلك الأسواق المالية عدة خصائص فريدة تجعل التنبؤ صعبًا بشكل استثنائي:

• نسبة إشارة إلى ضوضاء منخفضة: تحتوي عوائد الأصول بشكل رئيسي على ضوضاء، حيث تفسر الإشارات التنبؤية أقل من 5% من التباين غالبًا. يُعتبر معامل سبيرمان IC بنسبة 5-10% ممتازًا عمليًا.
• عدم الاستقرار: تتطور ديناميكيات السوق بمرور الوقت. العلاقات التي سادت في نظام ما قد تنعكس في نظام آخر، مما يتطلب نماذج تكيفية وتحقق دقيق.
• الطبيعة التنافسية: الأسواق تنافسية - الإشارات المربحة تجذب رأس المال حتى يتم استنفادها بالمراجحة. هذا 'تحلل ألفا' يعني أن النماذج تتطلب بحثًا وتحسينًا مستمرًا.

التحقق المتقاطع في التمويل

التحقق المتقاطع k-fold القياسي غير مناسب لبيانات السلاسل الزمنية بسبب التبعيات الزمنية. نستخدم:

• التحقق المتقاطع المنقّى: إزالة العينات القريبة من حدود التدريب-الاختبار لمنع تسرب المعلومات من آفاق التوقع المتداخلة.
• فترات الحظر: إضافة مناطق عازلة بين فترات التدريب والاختبار، عادة تساوي طول أفق التنبؤ.
• التحقق المتقاطع التركيبي المنقى: اختبار تركيبات متعددة من التدريب/الاختبار مع الحفاظ على التكامل الزمني، مما يوفر تقديرات قوية خارج العينة.

هندسة الميزات

يجب تحويل بيانات الأسعار الخام إلى ميزات مستقرة وتنبؤية. تشمل التحويلات الشائعة العوائد (الحسابية واللوغاريتمية)، ودرجات z، والرتب المئوية، والمؤشرات الفنية. يؤثر اختيار تحجيم الميزات والتطبيع بشكل كبير على أداء النموذج.

إدارة المخاطر المالية

مقاييس المخاطر الأساسية

تتطلب إدارة المحافظ الاحترافية تقديرًا دقيقًا للمخاطر:

• التقلب (σ): الانحراف المعياري للعوائد، عادة يتم تحويله سنويًا بالضرب في √252 للبيانات اليومية. يقيس المخاطر الإجمالية لكنه لا يميز بين الصعود والهبوط.
• التراجع الأقصى: أكبر انخفاض من القمة إلى القاع في قيمة المحفظة. ضروري لفهم سيناريوهات أسوأ الحالات ونفسية المستثمر - تراجع 50% يتطلب ربح 100% للتعافي.
• القيمة المعرضة للخطر (VaR): الخسارة القصوى المتوقعة خلال فترة زمنية معينة عند مستوى ثقة محدد (مثلاً VaR 95%). مستخدم على نطاق واسع لكنه ينتقد لعدم التقاطه مخاطر الذيل.
• القيمة المشروطة المعرضة للخطر (العجز المتوقع): الخسارة المتوقعة عندما تتجاوز الخسائر VaR. تعالج قصور VaR من خلال تحديد شدة أحداث الذيل.

نسبة شارب

تُعرّف بأنها (Rp - Rf) / σp، تقيس نسبة شارب العوائد المعدلة حسب المخاطر - العائد الزائد لكل وحدة تقلب. نسبة شارب فوق 1.0 تعتبر جيدة عمومًا، وفوق 2.0 ممتازة. ومع ذلك، كن حذرًا: يمكن تضخيم نسب شارب اصطناعيًا بواسطة عدم السيولة أو الرافعة أو فترات العينة القصيرة.

المخاطر النظامية مقابل المخاطر الخاصة

تتحلل المخاطر الإجمالية إلى مخاطر السوق (β × تحركات السوق) ومخاطر خاصة بالشركة. يقترح نموذج تسعير الأصول الرأسمالية (CAPM) أن المخاطر النظامية فقط يتم تعويضها، حيث يمكن تنويع المخاطر الخاصة. توسع نماذج العوامل الحديثة هذا إلى عوامل مخاطر متعددة (الحجم، القيمة، الزخم، الجودة).

بناء المحفظة

نظرية المحفظة الحديثة

أسس عمل هاري ماركويتز الرائد (1952) أن مخاطر المحفظة ليست ببساطة المتوسط الموزون لمخاطر الأصول الفردية - الارتباطات مهمة. أصلان بارتباط غير كامل (ρ < 1) يتحدان لإنتاج محفظة بمخاطر أقل من كل أصل بمفرده.

الحدود الفعالة

لأي هدف عائد معين، توجد محفظة بأقل تباين. مجموعة كل هذه المحافظ تشكل الحدود الفعالة - المستثمرون العقلانيون يجب أن يحملوا فقط محافظ على هذه الحدود. النقاط أسفل الحدود دون المثالية (نفس المخاطر، عائد أقل)، بينما النقاط فوقها غير قابلة للتحقيق.

تحديات التحسين

التحسين بالمتوسط-التباين حساس للغاية لتقديرات المدخلات:

• خطأ التقدير: العوائد المتوقعة صعبة التقدير بدقة. أخطاء صغيرة في المدخلات يمكن أن تؤدي إلى محافظ مثالية مختلفة بشكل جذري.
• مخاطر التركيز: التحسين غير المقيد غالبًا ينتج مراكز متطرفة. التطبيقات العملية تفرض حدود للمراكز وقيود قطاعية.
• التنظيم: تقنيات مثل مقدرات الانكماش وBlack-Litterman والتحسين القوي تساعد في تثبيت أوزان المحفظة.

الوزن المتساوي مقابل المحسّن

غالبًا ما تتفوق محفظة 1/N (الوزن المتساوي) على المحافظ المحسّنة خارج العينة بسبب خطأ التقدير. يستخدم اختبارنا الرجعي أوزان 5% متساوية كخط أساس قوي. للمحافظ المحسّنة، يطبق محسّننا قيودًا وتنظيمًا لتحسين الأداء الفعلي.

استراتيجيات الأسهم الطويلة-القصيرة

الحياد السوقي

محفظة طويلة-قصيرة محايدة للدولار (تعرض طويل وقصير متساوي) لديها صفر تعرض صافٍ للسوق. هذا يعزل 'ألفا' من اختيار الأسهم مع التحوط من مخاطر السوق. تربح الاستراتيجية عندما تتفوق المراكز الطويلة على المراكز القصيرة، بغض النظر عن اتجاه السوق.

مصادر العائد

تتحلل عوائد الطويل-القصير إلى:

• ألفا الشراء: تفوق المراكز الطويلة على السوق.
• ألفا البيع: ضعف أداء المراكز القصيرة مقارنة بالسوق (نربح عندما تنخفض المراكز القصيرة).
• خصم البيع القصير: الفائدة المكتسبة على عائدات البيع على المكشوف (مخفضة بتكاليف الاقتراض عمليًا).

اعتبارات عملية

التنفيذ الفعلي يشمل تكاليف المعاملات (العمولات، فروق العرض-الطلب)، وتأثير السوق (تحريك الأسعار ضدك)، وقيود البيع على المكشوف (متطلبات التحديد، تكاليف الاقتراض)، وحدود القدرة. هذه الاحتكاكات تقلل العوائد المحققة من الاختبارات الرجعية النظرية.

تكرار إعادة التوازن

إعادة التوازن الأكثر تكرارًا تلتقط ألفا أسرع لكنها تتكبد تكاليف معاملات أعلى. التكرار الأمثل يوازن بين تحلل الإشارة وتكاليف التداول. لتوقعات العائد، عادة ما توفر إعادة التوازن الشهرية أو الربعية مقايضة مواتية.

الاستثمار بالعوامل

ما هي العوامل؟

العوامل هي مصادر عائد منهجية تفسر لماذا تتفوق بعض الأسهم على غيرها بمرور الوقت. بخلاف اختيار الأسهم المبني على تحليل الشركات الفردية، يستهدف الاستثمار بالعوامل خصائص واسعة ومستمرة تشترك فيها مجموعات من الأوراق المالية. حددت الأبحاث الأكاديمية عوامل عديدة، رغم أن قليلًا فقط أثبت قوته عبر الأسواق والفترات الزمنية.

العوامل الكلاسيكية

• السوق (β): التعرض لسوق الأسهم الإجمالي. العامل الأصلي من CAPM - الأسهم ذات بيتا أعلى تتحرك أكثر مع السوق وتاريخيًا تكسب عوائد أعلى (مع مخاطر أعلى).
• الحجم (SMB): تميل أسهم الشركات الصغيرة إلى التفوق على الشركات الكبيرة. وثق فاما وفرينش (1993) علاوة 'الصغير ناقص الكبير'، رغم أنها ضعفت في العقود الأخيرة.
• القيمة (HML): تتفوق الأسهم ذات نسب السعر إلى القيمة الدفترية المنخفضة على أسهم النمو بمرور الوقت. يعكس عامل 'العالي ناقص المنخفض' شراء الأصول الرخيصة وبيع الغالية.
• الزخم (UMD): الأسهم التي أدت جيدًا خلال 3-12 شهرًا الماضية تميل إلى الاستمرار في التفوق. وثق جيجاديش وتيتمان (1993) تأثير 'الصاعد ناقص الهابط' عبر الأسواق.
• الجودة (QMJ): تتفوق الشركات ذات الربحية العالية والأرباح المستقرة والرافعة المنخفضة. صاغ أسنيس وآخرون (2019) عامل 'الجودة ناقص الرديء'.
• التقلب المنخفض: بشكل متناقض، غالبًا ما تقدم الأسهم منخفضة المخاطر عوائد معدلة حسب المخاطر أعلى من الأسهم عالية المخاطر، مما يناقض تنبؤات CAPM الأساسية.

نماذج العوامل

تحلل نماذج العوامل المتعددة العوائد إلى مكونات منهجية:

• فاما-فرينش 3 عوامل: السوق + الحجم + القيمة. يفسر ~90% من عوائد المحفظة المتنوعة.
• كارهارت 4 عوامل: يضيف الزخم إلى نموذج فاما-فرينش.
• فاما-فرينش 5 عوامل: يضيف عوامل الربحية والاستثمار، رغم أن الزخم يظل مهمًا.

توقيت العوامل مقابل التعرض للعوامل

التعرض الثابت للعوامل (الميل دائمًا نحو القيمة، الزخم، إلخ) كافأ تاريخيًا المستثمرين الصبورين. توقيت العوامل - تعديل أوزان العوامل ديناميكيًا - أصعب بكثير. يمكن للعوامل أن تضعف أداءً لسنوات قبل العودة، وإشارات التوقيت غير موثوقة بشكل ملحوظ. يوصي معظم الممارسين بالتعرض المتنوع والمتسق للعوامل بدلًا من التخصيص التكتيكي.

التعلم الآلي والعوامل

يلتقط نموذج التوقع لدينا ضمنياً تعرضات العوامل من خلال ميزاته. من خلال تعلم الأنماط من البيانات الأساسية وزخم السعر وظروف السوق، يحدد النموذج الأسهم المرجحة للتفوق - مما يجمع بشكل فعال بين عوامل متعددة بطريقة معتمدة على البيانات. يمكن لهذا النهج اكتشاف تفاعلات العوامل غير الخطية التي تفوتها النماذج الخطية التقليدية.