انحدار مينسر–زارنوفيتز: اختبار انحياز التوقع ومعايرته

لنفترض أن نموذجًا يتوقع عائد الفترة التالية، أو أن خبيرًا يتوقع نمو الربع القادم. قد يساوي متوسط أخطاء التوقع صفرًا في عينة التقييم. وهذا دليل مفيد ضد المبالغة أو التقليل المستمر في التوقع، لكنه لا يثبت أن قيم التوقع تتحرك واحدًا مقابل واحد مع النتائج اللاحقة. فقد تكون توقعات الحركة متطرفة أكثر من اللازم أو أقل منها، أو منحرفة بمقدار ثابت، مع إلغاء الأخطاء الموجبة والسالبة بعضها لبعض.

يكشف انحدار MZ هذا السؤال الثاني من خلال انحدار النتيجة المتحققة على التوقع. وقد طرح مينسر وزارنوفيتز هذا الإطار عند تقييم التوقعات الاقتصادية (فصل عام 1969). وهو أداة تشخيصية للتوقعات النقطية ذات الهدف العددي، وخصوصًا التوقعات التي تستهدف متوسطًا شرطيًا وفق خسارة مربعات الأخطاء. وليس اختبارًا يحدد أي نموذجين يحقق متوسط خسارة أقل؛ فهذا السؤال يتناوله دليل اختبار ديبولد–ماريانو.

ولهذا التمييز أهمية في أبحاث التداول. فقد يكون متوسط انحياز توقع العائد صغيرًا مع أن مقياسه غير مضبوط؛ وقد يبالغ توقع التقلب في التقدير ضمن نطاق ويقلل منه في نطاق آخر. يستطيع انحدار MZ الإشارة إلى عدم تطابق خطي، لكن النتيجة تعتمد على عينة التقييم، وتعريف الهدف، وتوقيت المعلومات، وطريقة الاستدلال. وهي لا تثبت أن تحويل التوقع إلى قاعدة تداول سيحقق ربحًا.

لكل لحظة إصدار توقع (t)، اربط التوقع (fₜ) بالقيمة المستهدفة المتحققة لاحقًا (yₜ). تمثل كل ثنائية توقعًا بأفق ثابت: أُصدر (fₜ) عند لحظة سابقة ليستهدف (yₜ) لاحقًا، ويُستخدم الرمز السفلي لاحقًا اختصارًا لفهرسة هذه الأزواج. يجب أن يشير الاثنان إلى المتغير والأفق والوحدة وقاعدة التوقيت نفسها. فإذا كان التوقع لعائد خمسة أيام والنتيجة لعائد يوم واحد، فلن يعود الانحدار يقيس معايرة التوقع للهدف المقصود.

استخدم التوقعات التي كانت متاحة فعلًا في كل لحظة. احتفظ بقيمة التوقع وإصدار النموذج ونسخة البيانات وموعد إغلاق المعلومات. قد تُراجع الإصدارات الأولى للبيانات الاقتصادية لاحقًا؛ لذلك حدّد ما إذا كنت تقيس المعايرة مقابل أول إصدار أم القيمة المنقحة النهائية، وحافظ على هذا الاختيار. إن استبدال المدخلات التاريخية ببيانات منقحة قد يمنح التقييم معلومات لم تكن متاحة للمتنبئ حينها.

وفي السلاسل التداولية، وحّد طريقة حساب الإغلاق إلى الإغلاق، والحركة داخل الجلسة، والعائد الليلي. تؤدي الأهداف متعددة الفترات المتداخلة أيضًا إلى اعتماد الأخطاء المتجاورة بعضها على بعض. ومن المهم استخدام عينة تقييم مشتركة: إذا غاب أحد النموذجين تحديدًا في أيام التقلب المرتفع، فقد يبدو اختلاف تركيب العينة كأنه مشكلة معايرة. استخدم الهدف وجدول لحظات التوقع نفسيهما لكل سلسلة تتوقع تقييمها.

ميّز بين التوقعات المنشأة فعلًا والقيم الملائمة داخل العينة. إذا قُدّر النموذج على الملاحظات نفسها التي تدخل انحدار MZ، فقد يبدو الملاءم داخل العينة معايرًا جزئيًا. وللاستدلال بشأن التوقع المستقبلي، أنشئ تسلسلًا زمنيًا لتوقعات خارج العينة، وأعد التقدير في كل لحظة باستخدام ما كان معروفًا حينها فقط، واترك فترة تأكيد نهائية لم تُستخدم لاختيار النموذج أو العتبة.

انحدار المستويات المعتاد هو

yₜ = α + β fₜ + uₜ

حيث تمثل (yₜ) النتيجة المتحققة، ويمثل (fₜ) التوقع، ويمثل (uₜ) باقي الانحدار. أما قيد المعايرة المشترك الشائع فهو

H₀: α = 0 و β = 1

إذا تحقق القيدان، كان الخط الخطي الملائم بين النتيجة والتوقع هو خط الهوية. فلا نحتاج إلى إضافة ثابت، وكل زيادة بوحدة واحدة في التوقع تقابل زيادة بوحدة واحدة في النتيجة الملائمة. قدّر الانحدار ثم اختبر القيدين معًا باختبار والد أو اختبار F مكافئ، باستخدام تقدير تغاير ملائم لتصميم العينة. اختبار الثابت والميل كلٌّ على حدة لا يساوي اختبار قيدهما المشترك.

باقي الانحدار (uₜ) ليس تلقائيًا خطأ التوقع الخام (yₜ − fₜ). يتساويان عند تحقق الفرضية الصفرية المشتركة، لكن خارجها يمتص الثابت والميل المقدران الإزاحة الخطية وإعادة التحجيم. أبلغ عن خطأ التوقع الفعلي إلى جانب معاملات الانحدار كي يرى القارئ متوسط الانحراف وعلاقة المعايرة معًا.

يُسمى قيد MZ أحيانًا اختبار عدم انحياز التوقع أو عقلانيته. لكن يلزم توضيح التعريف. شرط متوسط الخطأ غير المشروط الصفري هو (E[yₜ − fₜ] = 0)، بينما يفرض القيدان (α = 0, β = 1) علاقة خطية بعينها، وهما عمومًا أشد تقييدًا. يبين هولدن وبيل أن القيد المشترك المعتاد كافٍ لعدم انحياز التوقع، لكنه ليس ضروريًا وفق صياغتهما (1990). لا تستخدم كلمتي «غير منحاز» و«معاير وفق MZ» بالتبادل من دون تحديد القيد المختبر.

<!-- learn:illustration -->

لنفترض التوقعات والنتائج اللاحقة الافتراضية الآتية:

متوسط التوقع يساوي 2، ومتوسط النتيجة يساوي 2 أيضًا، ومتوسط خطأ التوقع صفر. لكن القيم تحقق العلاقة (yₜ = 1 + 0.5 fₜ)، أي إن انحدار MZ يعطي ثابتًا (α = 1) وميلًا (β = 0.5) بدلًا من (0, 1). تلغي الأخطاء بعضها بعضًا في المتوسط، رغم فشل قيد المعايرة الخطي: تتحرك النتائج المتحققة بنصف مقدار حركة التوقعات في هذا المثال المصنوع.

هذه عملية حسابية توضيحية مصممة يدويًا، وليست بيانات سوق أو عينة للاستدلال. لا معنى لقيمة p معتبرة أو ادعاء فشل نظام توقع حقيقي باستخدام ثلاث نقاط بلا ضوضاء. في عينة فعلية يأخذ الاختبار المشترك عدم يقين التقدير في الحسبان؛ فقد يكون انحراف المعامل كبيرًا لكن تقديره غير دقيق، أو صغيرًا لكن مقدرًا بدقة مع وفرة المشاهدات. الغرض من المثال هو توضيح اختلاف السؤالين فقط.

إن معايرة القيم بالصيغة (1 + 0.5 fₜ) ستعيد إنتاج هذه النتائج الثلاث بدقة، لأنها بُنيت منها. لكن ذلك لا يثبت نجاحها لاحقًا. إذا كانت إعادة المعايرة جزءًا من طريقة التوقع، فلتُقدّر على جزء تدريبي أسبق، ثم قيّم التوقع المعدل على بيانات لاحقة لم تدخل في تحديد المعاملات.

يمثل الثابت (α) النتيجة الملائمة عند توقع صفري، لذا يتوقف معناه العملي على ما إذا كانت الصفر قيمة قريبة من نطاق التوقعات. أما الميل (β) فيصف مقدار تغير النتائج الملائمة مع تغير التوقع. وبعد أخذ الثابت في الحسبان، يعني الميل دون الواحد أن التوقع يتغير أكثر من النتيجة الملائمة؛ والميل فوق الواحد يعني أن النتيجة الملائمة تتغير أكثر. ولا يكفي معامل واحد لوصف العلاقة كاملة إذا كان الآخر حرًا في التقدير.

لا يثبت ارتفاع (R²) المعايرة. فمثلًا، تحقق علاقة بلا ضوضاء مثل (yₜ = 2 + 1.1 fₜ) قيمة (R² = 1)، لكن الثابت والميل لا يحققان فرضية MZ. يلخص (R²) نسبة التغير التي يفسرها الانحدار الخطي، بينما يسأل الاختبار المشترك ما إذا كان ذلك الانحدار هو خط الهوية. وعلى العكس، قد يكون (R²) منخفضًا بسبب الضوضاء حتى إن لم تُرفض القيود المشتركة. المعايرة والدقة صفتان مترابطتان لكنهما مختلفتان.

لا تستنتج نتيجة المعايرة من اختباري t المنفصلين وحدهما. فقد يرتبط تقديرا الثابت والميل، ويستخدم اختبار والد أو F المشترك تغايرهما. أبلغ عن (α) و(β) وعدم اليقين حولهما، وإحصائية الاختبار وقيمة p، وحجم العينة، ومتوسط خطأ التوقع الخام. ويمكن عرض مخطط مبعثر أو متوسطات مجموعات عند الحاجة، مع خط الهوية وتوضيح إن كانت المجموعات قد اختيرت بعد فحص البيانات. قد يفوّت الاختبار الخطي سوء المعايرة المنحني أو تغير الأنظمة أو أخطاء الأطراف.

وفق خسارة مربعات الأخطاء، يكون التوقع النقطي الأمثل هو القيمة المتوقعة شرطيًا للهدف بالنظر إلى مجموعة معلومات المتنبئ. ويعني ذلك أن المعلومات التي كانت متاحة عند إصدار التوقع لا ينبغي أن تساعد على التنبؤ بأخطاء لاحقة. لا يفحص انحدار MZ إلا علاقة خطية تشمل التوقع نفسه والثابت؛ ولا يختبر كل متغير آخر في مجموعة المعلومات.

يمكن لتشخيص أشد أن يضيف متغيرات معلومات (zₜ) محددة مسبقًا إلى انحدار أخطاء التوقع، مثل

yₜ − fₜ = δ₀ + δ₁ zₜ + vₜ

إذا تنبأ متغير معروف عند إصدار التوقع بأخطاء لاحقة، فقد يكون المتنبئ قد ترك معلومات نافعة دون استخدام. لكن يجب ضبط توقيت المتغيرات واختيارها بعناية؛ فتجربة تأخيرات وحالات سوق وتحويلات كثيرة تنشئ مشكلة بحث متعددة جديدة. وعدم العثور على قابلية للتنبؤ في قائمة قصيرة لا يثبت الكفاءة بالنسبة إلى مجموعة المعلومات كاملة.

يناقش زارنوفيتز انحياز توقعات المسوح والارتباط الذاتي للأخطاء وحجم العينات وقوة الاختبارات (ورقة NBER رقم 1070، 1983). لذلك ينبغي وصف MZ بأنه تشخيص للمعايرة الخطية أو فحص ضعيف لكفاءة التوقع، لا دليلًا على استخدام المتنبئ كل المعلومات ذات الصلة على النحو الأمثل. أما دليل اختبار Giacomini–White فيغطي مقارنة شرطية مختلفة مبنية على لحظات خسارة مختارة.

قد تكون أخطاء التوقع غير متجانسة التباين أو مترابطة زمنيًا، وخصوصًا في توقعات عدة فترات متداخلة ضمن نافذة متحركة. لا تضمن صيغ معاملات المربعات الصغرى المعتادة وحدها صحة الأخطاء المعيارية للقيد المشترك. استخدم إجراء استدلال مبررًا لأفق التوقع ونمط الاعتماد وطريقة التقدير، واذكره بدل افتراض استقلال الأخطاء. لا يوجد عرض نطاق أو تصحيح آلي واحد يناسب كل تصميم.

وتضيف التوقعات المقدرة تعقيدًا آخر. إذا استُخدمت عينة قصيرة واحدة لتقدير معاملات النموذج وبناء تعديل المعايرة واختباره، فقد لا يعكس عدم اليقين المعتاد في الانحدار العملية كاملة. كما قد يكون التوزيع الصفري غير قياسي عند مقارنة دقة توقعات نماذج متداخلة. استخدم نتيجة مشتقة لطريقة إنشاء التوقع الفعلية، أو قيّم خطوة معايرة محددة بالكامل على فترة اختبار لاحقة. لا تختر صيغة الانحدار والهدف والعينة بعد تجربة بدائل كثيرة ثم تعرض آخر قيمة p وكأنها تأكيدية.

عدم الرفض لا يثبت أن التوقع معاير؛ فقد تكون القوة منخفضة أو فترة الثقة واسعة. والرفض بدوره مشروط بالهدف والعينة والصيغة الخطية وتقدير التغاير. اختبر حساسية النتيجة لاختيارات تقييم معقولة، وأفصح عنها وافصلها عن الاختبار المحدد مسبقًا. وتزداد أهمية ذلك عندما تكون التوقعات شديدة الاستمرارية أو لا تتضمن العينة إلا عددًا قليلًا من الحالات المستقلة.

يختبر MZ قيد معايرة خطيًا بين التوقع والهدف المتحقق. أما اختبار ديبولد–ماريانو فيسأل ما إذا كان متوسط خسارة طريقتين متساويًا وفق مقياس محدد. قد يكون أحد التوقعين معايرًا جيدًا لكنه أقل دقة وفق ذلك المقياس، أو أدق في المتوسط لكنه لا يحقق قيد MZ.

إذا كان السؤال عمّا إذا كانت الدقة تتغير مع معلومات معروفة عند إصدار التوقع، فإن اختبار Giacomini–White يقيّم لحظات خسارة شرطية مختارة. وإذا جرى البحث بين توقعات أو قواعد تداول كثيرة وكان السؤال عن مجموعة المرشحين، فإن إجراءً على مستوى المجموعة مثل Model Confidence Set أو White Reality Check/Hansen SPA يعالج مشكلة اختيار مختلفة. ولا يغني أي من هذه الأساليب عن تعريف هدف واضح ولحظات توقع صادقة.

انحدار MZ القياسي في المستويات مخصص للتوقعات النقطية لهدف عددي. أما توقعات الكميات والاحتمالات والفترات والكثافات فتحتاج إلى اختبارات معايرة ومقاييس تقييم ملائمة لنوع التوقع. ولا يجوز تعميم نتيجة جيدة لمتوسط متوقع على توقع مخاطر الطرف أو توزيع التقلب من دون مبرر مستقل.

اذكر هدف التوقع وأفقه ووحداته وموعد إغلاق المعلومات وتواريخ التقييم ونسخة البيانات، ووضح ما إذا كانت التوقعات خارج العينة فعلًا. اعرض معادلة الانحدار وتعريف خطأ التوقع والقيود المختبرة بدقة. وحدد ما إذا كان «عدم الانحياز» يعني متوسط الخطأ الصفري أم قيد MZ المشترك (α = 0, β = 1).

أبلغ عن تقديرات المعاملات وأخطائها المعيارية أو فترات الثقة وإحصائية والد أو F المشتركة ودرجات الحرية وقيمة p وعدد لحظات التوقع ومتوسط خطأ التوقع و(R²) مع حدود تفسيره. اذكر أسلوب التغاير أو إعادة المعاينة، وخصوصًا عند تداخل الآفاق أو ترابط الأخطاء زمنيًا. وأفصح عن تقدير النموذج وإعادة معايرته واختياره وأي أهداف أو عينات أو تحويلات بديلة جُربت.

يسمح هذا التقرير للقارئ بالتمييز بين الانحياز المتوسط والمعايرة الخطية وكفاءة المعلومات ودقة النماذج المقارنة. إنها ادعاءات تجريبية منفصلة. اجتياز قيد انحدار واحد لا يصادق على كل استخدام للتوقع، كما أن تقييم التوقع وحده لا يثبت تحقيق استراتيجية تداول عوائد صافية بعد التكاليف.