اختبار Clark–West للنماذج التنبؤية المتداخلة: الصيغة والمثال والحدود

لنفترض أن نموذجاً مقيّداً يتنبأ بعائد الشهر المقبل باستخدام ثابت، وأن نموذجاً أكبر يضيف نسبة تقييم. النموذج المقيّد جزء من النموذج الأكبر: فتعيين المعامل المضاف إلى صفر يعيد النموذج المرجعي. إذا كان ذلك المعامل يساوي صفراً فعلاً، فقد يؤدي تقديره مع ذلك إلى إدخال ضوضاء عيّنية في تنبؤات النموذج الأكبر. لذلك قد يكون متوسط خطأ التنبؤ التربيعي (MSPE) المرصود للنموذج الأكبر أعلى، حتى حين تتساوى القدرة التنبؤية في المجتمع للنموذجين.

يستهدف تعديل Clark–West مشكلة ضوضاء التقدير هذه عند مقارنة الأخطاء التربيعية خارج العينة للتنبؤات المتداخلة. وهو يسأل، ضمن هذا الإعداد، ما إذا كان النموذج الأكبر يضيف قيمة تنبؤية تتجاوز النموذج المرجعي المقيّد. وهذا سؤال أضيق من المقارنة العامة في دليل Diebold–Mariano، الذي يقارن خسائر التنبؤ المزدوجة ولا يصح تلقائياً بتوزيعه المرجعي المعتاد عند التعامل مع نماذج متداخلة. يدرس Clark وMcCracken اختلاف السلوك التقاربي وسلوك العينات المحدودة لاختبارات دقة التنبؤ والاحتواء في النماذج المتداخلة؛ ويطوّر Clark وWest إجراء MSPE المعدّل والاستدلال التقريبي له. Clark and McCracken (2001)00071-9); Clark and West (2007).

ليتنبأ النموذج المرجعي المقيّد بالهدف نفسه (y_{t+h}) الذي يتنبأ به البديل الأكبر. يجب أن يتضمن النموذج الأكبر مواصفات النموذج المرجعي كحالة خاصة، عادةً بتعيين معامل مضاف واحد أو أكثر إلى الصفر. لا يكفي أن يكون النموذج أعقد أو يستخدم متغيرات أكثر أو يلائم بيانات العينة أفضل لإثبات علاقة التداخل هذه.

أنشئ كلا التنبؤين لكل أصل تنبؤي باستخدام المعلومات المتاحة عند ذلك الأصل فقط. قدّر النماذج على نافذة تدريب مرتبة زمنياً، وأصدر التنبؤات على نافذة تقييم لاحقة، واستخدم الهدف والأفق والوحدات والأصول والقيم المحققة نفسها لكليهما. قد تكون إعادة التقدير التكرارية أو المتحركة مناسبة؛ لكن اذكر الطريقة واحفظ التنبؤات التي أُصدرت فعلياً عند كل أصل. إن تكرار فحص نافذة التقييم لاختيار المتنبئات أو التحويلات أو الآفاق يجعلها جزءاً من اختيار النموذج بدلاً من أن تكون دليلاً لم يُمس. يوضح دليل CAViaR سبب ضرورة تقييم تنبؤ الكميات الطرفية أيضاً بخسارة تلائم هدفه، بدلاً من إدراجه في مقارنة تنبؤ المتوسط.

يتناول تعديل Clark–West ضوضاء تقدير المعلمات تحت فرضية العدم للنماذج المتداخلة؛ ولا يعالج استخدام معلومات مستقبلية، أو عدم تطابق العينات، أو استخدام بيانات منقحة كما لو كانت معروفة في الماضي، أو البحث غير المعلن عن النماذج. أبلغ عن نافذة التقدير الأولية وعدد أصول التنبؤ والأفق وإصدار البيانات وأي تحديثات متحركة أو تكرارية، ليتمكن القارئ من معرفة ما كان خارج العينة فعلاً.

لنرمز إلى تنبؤ النموذج المقيّد بـ f₀,t+h وإلى تنبؤ النموذج الأكبر بـ f₁,t+h، ولتكن أخطاء التنبؤ eⱼ,t+h = yₜ₊ₕ − fⱼ,t+h. عند استخدام خسارة الخطأ التربيعي، يكون الفرق المعدّل لكل فترة وفق Clark–West كما يلي:

dCW,t+h = (e₀,t+h)² − [(e₁,t+h)² − (f₀,t+h − f₁,t+h)²]

وبصيغة مكافئة، يساوي خطأ النموذج المقيّد التربيعي مطروحاً منه خطأ النموذج الأكبر التربيعي، مضافاً إليه مربع المسافة بين التنبؤين. يقدّر الحد الأخير ضوضاء التنبؤ الإضافية المرتبطة بالمعلمات المقدّرة الزائدة تحت فرضية العدم. يصف Clark وWest التعديل بأنه خفض MSPE العيّني للنموذج الأكبر بحد فجوة التنبؤ قبل مقارنته بالنموذج المقيّد. Clark and West (2007).

احسب متوسط الفروق المعدّلة عبر أصول التقييم المشتركة: mean(dCW) = (1/P) Σ dCW,t+h. إذا قِيست النتائج والتنبؤات بنقاط الأساس، تكون وحدة كل خطأ تربيعي وفرق معدل هي مربع نقاط الأساس. يشير متوسط معدل موجب إلى ترجيح النموذج الأكبر وفق الاصطلاح أعلاه. لكنه درجة مقارنة معدّلة، وليس MSPE المحقق للنموذج الأكبر ولا تنبؤاً صالحاً للتداول.

السؤال المعتاد في اختبار Clark–West هو ما إذا كان للنموذج الأكبر المتداخل MSPE متوقّع أقل من النموذج المرجعي المقيّد. تمثل فرضية العدم عدم وجود تحسن تنبؤي إضافي من مكوّن النموذج الزائد؛ أما البديل أحادي الطرف فيرجّح النموذج الأكبر. وفق الصيغة أعلاه، يظهر الدليل على البديل في متوسط معدل موجب بما يكفي نسبةً إلى خطئه المعياري.

في ترميز الخسارة المعدّل، الفرضيتان هما H₀: E[dCW] = 0 مقابل H₁: E[dCW] > 0. يتبع الاتجاه الموجب تعريف خسارة النموذج المقيّد أولاً. إذا عكست ترتيب الطرح انعكست الإشارة، لذا اذكر الاصطلاح مع النتيجة.

كثيراً ما تُكتب إحصائية الاختبار على أنها متوسط dCW العيّني مقسوماً على خطئه المعياري المقدّر. يوصي Clark وWest باختبار أحادي الطرف وتوزيع طبيعي تقريبي للإعدادات التي درساها، مع استخدام خطأ معياري عادي أو متين للتغاير الذاتي بحسب الملاءمة. يطوّر West (1996) استدلالاً لعزوم الدوال الملساء للتنبؤات والأخطاء خارج العينة، بما في ذلك الحالات التي تعتمد فيها التنبؤات على معلمات مقدّرة. يجب تحديد الاتجاه قبل الاطلاع على النتائج: فإحصائية Clark–West الموجبة لا تبرر التحول إلى فرضية ثنائية الطرف أو مختلفة الإشارة بعد مشاهدة العينة.

قيمة p مشروطة بعلاقة التداخل، وبناء التنبؤات، والهدف، والخسارة، وطريقة الاستدلال وافتراضات أخذ العينات. وهي لا تعطي احتمال صحة النموذج الأكبر، ولا تثبت أن المتنبئ المضاف يسبب تحرك الهدف.

خذ أربع ملاحظات افتراضية بوحدة نقاط الأساس. القيم الفعلية هي [0, 1, −1, 0]، وتنبؤات النموذج المقيّد هي [−1, 0, 0, 0]، وتنبؤات النموذج الأكبر المتداخل هي [−1.5, 0.5, −0.5, 0.5]. أخطاء النموذج المقيّد التربيعية هي [1, 1, 1, 0]، ومتوسط MSPE يساوي 0.75 bp². أما أخطاء النموذج الأكبر التربيعية فهي [2.25, 0.25, 0.25, 0.25]، ومتوسط MSPE لديها أيضاً 0.75 bp².

فجوات التنبؤ التربيعية (f₀ − f₁)² هي [0.25, 0.25, 0.25, 0.25]. بتطبيق الفرق المعدّل e₀² − e₁² + (f₀ − f₁)² نحصل على [−1, 1, 1, 0] bp². ومتوسطها العيّني 0.25 bp². يتساوى MSPE الخام، بينما يكون المتوسط المعدّل موجباً لأن التصحيح يأخذ ضوضاء تقدير تنبؤات النموذج الأكبر في الحسبان.

توضح هذه الفترات الأربع الحساب فقط. وهي قليلة جداً لتقدير عدم اليقين بموثوقية أو لإثبات الدلالة الإحصائية. المتوسط المعدّل الموجب وحده ليس دليلاً على أفضلية تنبؤية حقيقية، والقيم افتراضية وليست مشاهدات سوقية. <!-- learn:illustration -->

حتى تنبؤات الفترة الواحدة قد تُظهر فروق خسارة معدّلة تعتمد تسلسلياً بسبب تطور الهدف أو المتنبئات أو نافذة التقدير عبر الزمن. وفي التنبؤات متعددة الخطوات ذات النوافذ المتداخلة، تشترك الأصول المتجاورة في فترات الهدف المحققة، لذلك قد ترتبط فروقها المعدّلة بنيوياً. وقد يقلل الخطأ المعياري العادي الذي يعامل كل أصل على أنه مستقل من تقدير عدم اليقين.

قدّر الخطأ المعياري من سلسلة الفروق المعدّلة بطريقة تعكس تصميم العينة، مثل تقدير تباين طويل الأجل متين لعدم تجانس التباين والارتباط الذاتي عندما تلائم شروطه. يشير Clark وWest صراحةً إلى الأخطاء المتينة للارتباط الذاتي عند وجود أخطاء تنبؤ مترابطة ذاتياً. اذكر أفق التنبؤ ومقدّر التغاير والنواة وعرض النطاق إن استُخدما، وأي طريقة لإعادة أخذ العينات أو حساب القيم الحرجة. يشرح دليل إعادة المعاينة الكتلية ضرورة الحفاظ على ترتيب مشاهدات السلاسل الزمنية التابعة عند إعادة المعاينة؛ ولا تطبق إعادة المعاينة العامة فرضية Clark–West العدمية تلقائياً.

تعتمد معالجة الارتباط المطلوبة على التصميم. فقد تنشئ الآفاق الأطول والأهداف المستمرة وإعادة تقدير المعلمات المتكررة وتغيرات التقلب اعتماداً يتجاوز نمط التداخل البسيط. قارن إعدادات استدلال معقولة واشرحها بدلاً من اختيار الإعداد الذي يعطي أصغر قيمة p.

قد تكون توزيعات العدم غير معيارية في اختبارات تنبؤ النماذج المتداخلة، ولا سيما عندما تكبر عينتا التقدير والتقييم معاً. يوضح تحليل Clark وMcCracken أن لاختبارات تساوي دقة التنبؤ والاحتواء في النماذج المتداخلة سلوكاً تقاربياً وسلوكاً في العينات المحدودة يختلف عن المقارنة المألوفة بين نماذج غير متداخلة. ويحفّز Clark وWest إحصائية معدّلة ذات استدلال طبيعي تقريبي مفيد في التصاميم المدروسة، لكن ذلك لا يضمن صحة هذا التقريب في كل عينة محدودة. Clark and McCracken (2001)00071-9); Clark and West (2007).

قد يؤثر صغر عينة التقييم وكثرة المعلمات المضافة وسوء تحديد النموذج المرجعي واختيار المتنبئات اعتماداً على البيانات والاختيار بين إعادة التقدير المتحركة والتكرارية في حجم الاختبار وقوته. إذا اختلفت العينة أو التصميم مادياً عن إعدادات البحث، ففكر في قيم حرجة ملائمة للتصميم أو إجراء محاكاة أو إعادة معاينة محدد بعناية. أبلغ عن حجمي عينتي التقدير والتقييم، وبيّن التوزيع المرجعي الذي أنتج قيمة p.

يسأل اختبار Diebold–Mariano، ضمن إطار عام للخسائر المزدوجة، ما إذا كان متوسط الخسارة المتوقعة متساوياً بين سلسلتي تنبؤ. أما تعديل Clark–West فيستهدف مقارنات الخطأ التربيعي التي يتداخل فيها نموذج مع آخر وتشوه فيها المعلمات الإضافية المقدرة فرق MSPE الخام تحت فرضية العدم. إن تطبيق التعديل على نماذج غير متداخلة لا يبرر تغيير السؤال. تسمح ورقة DM الأصلية بمجموعة واسعة من مقاييس الخسارة وتناقش أخطاء تنبؤ قد لا تكون طبيعية أو مستقلة؛ إنها مرجع قريب في الأدبيات وليست اسماً آخر لإجراء النماذج المتداخلة. Diebold and Mariano (1995).

لا تعالج أي من الطريقتين درجات حرية الباحث الناتجة عن تجربة أهداف وآفاق ونماذج مرجعية ومجموعات متنبئات كثيرة. إذا نتجت المقارنة النهائية عن بحث واسع، فاحتفظ بسجل لمجموعة النماذج المرشحة واستخدم طريقة مصممة لسؤال البحث على مستوى عملية الاختيار. يغطي دليل White Reality Check وHansen SPA الاستدلال على مجموعة قواعد التداول التي جرى البحث فيها؛ واختبار Clark–West وحده لا يجعل مقارنة تنبؤ مختارة اختباراً تأكيدياً.

تشكل النتيجة الأحادية الطرف الدالة دليلاً، وفق افتراضاتها المعلنة، على أن النموذج الأكبر يحسن دقة التنبؤ التربيعي المتوقعة للهدف وتصميم التقييم المختبرين. لكنها لا تثبت أن المتنبئ المضاف سببي، أو أن الإشارة ستظل مستقرة، أو أن استراتيجية تستخدم التنبؤ ستحقق عائداً موجباً. قد تكون تحسينات التنبؤ صغيرة جداً لاتخاذ قرار، وقد تتحقق أكبر مكاسب النموذج في فترات ترتفع فيها كلفة التداول.

تتطلب ربحية التداول قاعدة منفصلة وبيانات تقييم لم تُمس واحتساباً واقعياً للسبريد والرسوم والانزلاق وتأثير السوق والتمويل والاقتراض وحدود المخاطر. وتتطلب الادعاءات السببية استراتيجية تعريف تناسب السؤال؛ فالمقارنة التنبؤية بعد العينة ليست تصميماً سببياً. وضّح ما تثبته نتيجة Clark–West فعلاً، واترك الادعاءات الأخرى لأدلة تختبرها مباشرة.

سمِّ النموذج المقيّد والنموذج الأكبر، وحدد القيود الدقيقة التي تجعلهما متداخلين، وعرّف الهدف والأفق ووحدات الخطأ التربيعي ونافذة التقدير وجدول أصول التنبؤ وتواريخ التقييم وقاعدة العينة المشتركة. وضّح إن كانت المعاملات تعاد تقديرها تكرارياً أم ضمن نافذة متحركة، وكيف حُفظت مجموعة المعلومات وإصدارات البيانات.

أبلغ عن MSPE الخام لكلا النموذجين ومتوسط فرق Clark–West المعدّل واصطلاح الإشارة والخطأ المعياري والبديل أحادي الطرف والتوزيع المرجعي أو القيم الحرجة وقيمة p ومقدّر الاعتماد. واكشف أيضاً عدد المعلمات المضافة وأحجام العينات والبحث في المتنبئات والآفاق واختيار النموذج المرجعي وما إذا كانت نافذة التقييم قد أثرت في تصميم النموذج. يتيح هذا السجل للقراء تمييز اختبار النماذج المتداخلة المعدّل عن المقارنة العامة للتنبؤات وتقييم ما تبقى من عدم اليقين.