نسبة التحوط بمرشح كالمان: انحدار ديناميكي لتداول الأزواج

يقدّر التحوط الثابت معاملًا واحدًا من عينة تكوين ثم يبقيه كما هو. أما نموذج التحوط الديناميكي فيعامل الثابت والميل على أنهما كميتان كامنتان يمكن أن تتغيرا بمرور الوقت. ويقدّرهما مرشح كالمان تكراريًا، جامعًا بين التقدير السابق والمعلومات التي تحملها المشاهدة الجديدة.

لأصلين مرشحين، لنرمز بـ\(y_t\) إلى لوغاريتم سعر أحدهما وبـ\(x_t\) إلى لوغاريتم سعر الآخر. يمكن كتابة انحدار طويل الأجل متغير على الصورة \(y_t=\alpha_t+\beta_t x_t+\epsilon_t\). ويصف المعامل \(\beta_t\) العلاقة الملائمة عند الزمن \(t\)، لكنه لا يمثل تلقائيًا عدد أسهم أو مركزًا محايدًا بالدولار أو قانونًا اقتصاديًا مستقرًا.

يستخدم هذا التطبيق التنبؤ والتحديث التكراريين العامين لنموذج خطي في فضاء الحالة. قدّم Kalman إطار الترشيح التكراري، ثم استخدمته دراسات اقتصاد قياسي لاحقة لتقدير معاملات انحدار تتغير بمرور الزمن. وتداول الأزواج بفارق عشوائي تطبيق واحد، لكن ينبغي تقييم افتراضاته التداولية بمعزل عن خوارزمية الترشيح.

عرّف متجه الحالة وصفّ المشاهدة كما يلي:

\[ \theta_t= \begin{bmatrix}\alpha_t\\\beta_t\end{bmatrix}, \qquad H_t=\begin{bmatrix}1&x_t\end{bmatrix}. \]

معادلة المشاهدة هي \(y_t=H_t\theta_t+\epsilon_t\). وهي تربط لوغاريتم السعر المرصود بالثابت الكامن ومعامل التحوط، مع ضوضاء المشاهدة. ومن نقاط البدء الشائعة افتراض أن كلا المعاملين يتبع مسارًا عشوائيًا:

\[ \theta_t=\theta_{t-1}+\eta_t,\qquad \eta_t\sim N(0,Q),\qquad \epsilon_t\sim N(0,R). \]

تمثل \(Q\) تغاير تغيرات المعاملات، بينما \(R\) تباين ضوضاء المشاهدة. إذا كانت \(Q=0\)، تصبح المعاملات ثابتة في هذا النموذج؛ أما \(Q\) الموجبة فتسمح لها بالانجراف. ويمكن استخدام انتقالات حالة أخرى، لكن كل اختيار منها يفترض سلوكًا مختلفًا لتطور العلاقة.

يفرض اختيار \(Q\) قطرية افتراضًا إضافيًا بأن صدمات تغير الثابت والميل غير مترابطة. وتسمح العناصر خارج القطر بتحركهما معًا، لكن يجب أن تتضمن العينة معلومات كافية لتقدير ذلك التغاير. وينبغي أن تكون مصفوفة التغاير الصالحة متناظرة وموجبة شبه محددة.

يفترض هذا التحديد المبسط أن اضطرابات العملية والمشاهدة مستقلة بعضها عن بعض، ومتوسط كل منها صفر ولا ارتباط تسلسلي لها. هذه افتراضات في النموذج؛ ولا تضمنها مشاهدات الأسعار تلقائيًا.

في نهاية \(t-1\)، يكون لدى المرشح تقدير \(\hat\theta_{t-1|t-1}\) ومصفوفة تغاير \(P_{t-1|t-1}\). وتتنبأ معادلة حالة المسار العشوائي بما يلي:

\[ \hat\theta_{t|t-1}=\hat\theta_{t-1|t-1}, \qquad P_{t|t-1}=P_{t-1|t-1}+Q. \]

ينتقل التقدير إلى الأمام، بينما يزداد عدم اليقين بمقدار تغاير تغير المعاملات المسموح به. تصف \(P\) عدم اليقين بشأن حالة الانحدار الكامنة وفق النموذج المحدد. وهي ليست توقعًا لخسارة تداول الزوج أو مقياسًا كاملًا لمخاطر المحفظة.

التنبؤ بالمشاهدة لخطوة واحدة هو \(H_t\hat\theta_{t|t-1}\). وتكمن أهمية استخدام الحالة السابقة في أنها حُسبت من دون الاطلاع على \(y_t\) الجديدة. أما إذا حسبت البواقي بعد تحديث المعاملات باستخدام المشاهدة نفسها، فستكون عملية التحديث قد دفعتها أصلًا نحو الصفر.

بما أن \(H_t\) يحتوي على \(x_t\)، فإن سعر المتغير التفسيري الحالي يؤثر في \(S_t\) وفي الكسب. وعندما يكون عدم اليقين في الميل مهمًا، قد تحمل قيم مختلفة لـ\(x_t\) معلومات متفاوتة عن \(\beta_t\)، مع بقاء تغاير الثابت والميل مؤثرًا أيضًا. ويغير تمركز \(x_t\) أو إعادة تحجيمه معنى الثابت ووحدات المعامل، لذلك ينبغي تحويل العناصر المقابلة في \(Q\) والقيمة الابتدائية لـ\(P\) من جديد أو إعادة تقديرها، لا نسخها كما هي.

عند ورود المشاهدة الجديدة، يكون خطأ التنبؤ لخطوة واحدة، أو الابتكار، كما يلي:

\[ v_t=y_t-H_t\hat\theta_{t|t-1}, \qquad S_t=H_tP_{t|t-1}H_t^{\mathsf T}+R. \]

يجمع تباين الابتكار \(S_t\) بين عدم يقين الحالة المتوقع وضوضاء المشاهدة. ويكون كسب كالمان وتحديث الحالة:

\[ K_t=P_{t|t-1}H_t^{\mathsf T}S_t^{-1}, \qquad \hat\theta_{t|t}=\hat\theta_{t|t-1}+K_tv_t. \]

يوزع الكسب المفاجأة الجديدة بين تعديل العلاقة المقدّرة واعتبار المشاهدة ضوضاء. والكسب الأكبر يعني أن المرشح يعدّل التقدير أكثر استجابة لهذه المشاهدة؛ ولا يعني أن العلاقة أكثر موثوقية.

لنفترض أن مرشحًا افتراضيًا تنبأ بـ\(\hat\alpha=2.0\) و\(\hat\beta=1.20\) عند \(x_t=50\)، فيكون \(\hat y=62.0\). إذا كانت المشاهدة \(y_t=62.8\)، فالابتكار يساوي \(0.8\). وإذا كان كسب النموذج \([0.08,0.006]^{\mathsf T}\)، يصبح الثابت المحدّث \(2.064\) والميل \(1.2048\). هذه أرقام افتراضية لشرح الحساب، وليست نسبة تحوط تجريبية ولا دليلًا على أن الانحراف سينعكس.

تحدد مصفوفة ضوضاء العملية \(Q\) مقدار ما يُسمح لمعاملات الانحدار أن تتحرك بين مشاهدة وأخرى. وتؤدي زيادة \(Q\) عمومًا إلى رفع الكسب وجعل التقدير أسرع استجابة. وقد تساعده على متابعة تغير حقيقي، لكنها قد تجعله أيضًا يلاحق ضوضاء مؤقتة ويغيّر أوزان التحوط بسرعة. أما \(Q\) الصغيرة جدًا فتعطي تقديرًا أنعم قد يتأخر عن انقطاع فعلي.

يمثل تباين ضوضاء المشاهدة \(R\) التغير في \(y_t\) الذي لا تفسره العلاقة. وعند ثبات العوامل الأخرى، تجعل \(R\) الأكبر المرشح أقل اعتمادًا على كل مشاهدة جديدة. لا \(Q\) ولا \(R\) ثابت ضبط يصلح للجميع؛ فمقياسهما يتوقف على استخدام الأسعار أو لوغاريتماتها أو سلاسل مطبّعة، وعلى فاصل المعاينة المختار.

يمكن تقدير معلمات الضوضاء بالاحتمال الأعظم أو تحديدها مسبقًا من نافذة تدريب، لكن ضبطها وفق نتائج فترة التداول النهائية يسرّب معلومات عن النتائج. وتهم أيضًا الحالة الابتدائية \(\hat\theta_{0|0}\) وتغايرها \(P_{0|0}\): فقد يؤدي عدم يقين كبير عند التهيئة إلى فترة من التعديلات الأولية السريعة. أبلغ عن التهيئة وعينة تقدير المعلمات ومدى حساسية النتائج لبدائل معقولة.

يستخدم التقدير المرشّح \(\hat\theta_{t|t}\) المشاهدات حتى الزمن \(t\). أما التقدير المنعّم عند \(t\) فقد يستفيد من مشاهدات وصلت بعده. يفيد التنعيم في وصف الحالات الكامنة تاريخيًا، لكنه لم يكن متاحًا للمتداول عند اتخاذ القرار في ذلك الزمن.

تنطبق مشكلة التوقيت نفسها على تقدير \(Q\) و\(R\) واختيار الزوج وعتبات الإشارة. فإذا جرى ملاءمتها مرة واحدة باستخدام العينة كاملة، استفادت التقديرات المبكرة من مشاهدات لاحقة حتى لو كان تكرار المعاملات أحادي الاتجاه. وفي محاكاة آنية، قدّر المعلمات الفائقة باستخدام فترة تكوين فقط، ثم ثبّتها أو حدّثها وفق جدول معلن للاختبار المتحرك، واتخذ كل قرار مركز اعتمادًا على المعلومات المتاحة قبل التنفيذ.

وقت المشاهدة ليس وقت التنفيذ. فإذا احتجت إلى سعر الإغلاق عند \(t\) لحساب \(v_t\)، فلا يجوز لباكتيست أن يفترض التنفيذ عند الإغلاق نفسه ما لم تسمح آلية التنفيذ بذلك. استخدم السعر القابل للتنفيذ التالي أو نموذج تنفيذ مبررًا، واحتسب الفارق وتأثير السوق والرسوم والاقتراض والتمويل.

في دراسة الأزواج، يمثل الابتكار \(v_t\) قبل التحديث المفاجأة نسبةً إلى العلاقة المقدرة سابقًا. وقسمته على \(\sqrt{S_t}\) تعطي ابتكارًا معياريًا وفق النموذج. ويساعد ذلك على مقارنة المفاجآت عبر فترات يختلف فيها عدم اليقين المقدّر، لكنه لا يحدد كمية الشراء أو البيع من الأصلين ولا ما إذا كان انحراف كبير سينعكس.

أما الباقي بعد التحديث \(y_t-H_t\hat\theta_{t|t}\) فهو كمية مختلفة، لأنه يستخدم المشاهدة الحالية لتعديل المعاملات. وخلط هذا الباقي بعتبة قبل التحديث يغير معنى الإشارة. عرّف الفارق والتوقيت والعتبة بوضوح، واذكر إن كان المعامل سابقًا أو مرشّحًا أو منعّمًا.

حتى إذا قُدّر \(\beta_t\) من لوغاريتمات الأسعار، فإن تحويله إلى أوامر يحتاج إلى قاعدة مراكز منفصلة. فأوزان لوغاريتم السعر لا تحدد مباشرة عدد الأسهم أو العقود. وتحدد الأسعار ومضاعفات العقود والعملات وقيود الحساب التعرض بالدولار؛ أما الثابت فليس أصلًا متداولًا. كما تهم تكاليف إعادة الموازنة وتغير التعرض بين تحديثات المعامل.

قد يكون الانجراف البطيء للمعامل تمثيلًا مفيدًا للتغير التدريجي، لكنه قد يمتص أيضًا انهيار العلاقة. ويمكن لنموذج ذي حالات مرنة أن يحافظ على بواقي ملائمة صغيرة ظاهريًا حتى حين لا يوجد توازن طويل الأجل مستقر. لا يجري المرشح اختبارًا للتكامل المشترك ولا يضمن أن الباقي مستقر.

ويهم اختيار الزوج أيضًا. ففرز أصول كثيرة والاحتفاظ بالزوج ذي الباقي الأنعم داخل العينة يعني اختيار الزوج من البيانات نفسها التي يُستند إليها لإثبات الاستقرار. ويمكن لإجراءات الشركات والأسعار القديمة والإغلاقات غير المتزامنة وقيود البيع على المكشوف وتغير السيولة وتحولات الأنظمة أن تغيّر الحالات المقدرة أو تجعل التحوط النظري صعب التنفيذ.

افحص سلوك البواقي وعدم يقين الحالة ودوران المراكز ومسار المعاملات إلى جانب خط الملاءمة. واستخدم فترات اختبار زمني خارج العينة وقارنها بمرجع ذي نسبة ثابتة. ينبغي للتقدير الأكثر تكيفًا أن يبرر دوران المراكز ومخاطر التقدير بعد التكاليف الواقعية؛ فالنعومة البصرية وحدها ليست نتيجة أداء.

اذكر سلسلة الأسعار أو العوائد المستخدمة وتحويلها وتواتر المشاهدات وتواريخ العينة والأصل الموجود في طرف الانحدار الأيسر. واعرض معادلة المشاهدة والحالة ومصفوفة الانتقال و\(Q\) و\(R\) والتهيئة وطريقة التقدير، وبيّن إن كانت الحالات المعروضة مرشّحة أم منعّمة.

في نتائج التداول، عرّف الابتكار أو الفارق المستخدم للإشارة وتطبيعه والطابع الزمني للقرار وتأخر الأمر وحجم المركز وقاعدة إعادة الموازنة وكل تكاليف التنفيذ. واشرح طريقة اختيار الأزواج وفترات التدريب والاختبار وكيفية إعادة ضبط معلمات الضوضاء وسلوك الاستراتيجية بعد انقطاع أو مشاهدة مفقودة. وقارن المعاملات الثابتة والديناميكية على تقسيمات زمنية متماثلة.

يعرض بحث Kalman عن الترشيح الخطي الإطار التكراري. ويدرس Hatanaka الانحدارات ذات بعض المعاملات المتغيرة بمرور الوقت. ويقدم Elliott وvan der Hoek وMalcolm نموذجًا احتماليًا لتداول الأزواج. ولمواضيع ذات صلة، راجع أدلة تنبؤ Kalman وتحديثه، والتكامل المشترك مقابل الارتباط في تداول الأزواج، واختبار رتبة Johansen، واختبار نسبة التباين.