هل أضرب نسبة شارب الشهرية في الجذر التربيعي لـ12؟ أثر الارتباط التسلسلي

نسبة شارب لفترة واحدة هي متوسط العائد الزائد على معدل العائد الخالي من المخاطر، مقسوماً على الانحراف المعياري لعوائد الفترة نفسها: SR₁ = μ/σ. إذا كانت البيانات شهرية، فينبغي أن يكون معدل العائد الخالي من المخاطر المستخدم متوافقاً مع الفترة الشهرية. ولا يصح طرح معدل سنوي مباشرة من عائد شهري.

تلخّص النسبة عينة عوائد محددة وفق التعريف المستخدم. إنها ليست احتمالاً لتحقيق الربح، ولا مقياساً كاملاً للخطر، ولا ضماناً لاستمرار الأداء. وقد تتغير النتيجة إذا بدّلت العوائد الإجمالية بالصافية أو غيّرت طريقة احتساب التوزيعات والتمويل.

تُستخدم العلاقة SR_q = √q × SR₁ لتحويل نسبة الفترة الواحدة إلى أفق من q فترات. وهي تتطلب، ضمن افتراضاتها، متوسطاً وتبايناً مستقرين وانعدام الارتباط الذاتي للعوائد عبر الإبطاءات التي تدخل في الأفق. افتراض العوائد المستقلة والمتطابقة التوزيع (IID) شرط كافٍ شائع، لكنه أقوى من مجرد انعدام الارتباط.

يشرح ويليام شارب في عرضه لنسبة شارب شرط عدم الارتباط الذي تقوم عليه قاعدة الجذر التربيعي. إذا كانت عوائد الأشهر مترابطة، فإن الانحراف المعياري لمجموعها لا يساوي عموماً الانحراف الشهري مضروباً في √q، وبالتالي لا تنطبق المضاعفة البسيطة تلقائياً.

لنرمز إلى عائد الفترة الزائد عن الخالي من المخاطر بـ xₜ، وإلى تباين العائد بـ γ₀، وإلى التغاير عند الإبطاء k بـ γₖ = Cov(xₜ, xₜ₋ₖ). وتُعرّف علاقة الارتباط عند ذلك الإبطاء بـ ρₖ = γₖ/γ₀. تحت ثبات التغاير وعند جمع العوائد جمعاً حسابياً، يكون:

Var(Σₜ₌₁ᵠ xₜ) = qγ₀ + 2Σₖ₌₁ᵠ⁻¹(q−k)γₖ

ومنها ينتج تصحيح التجميع الزمني الذي عرضه أندرو لو: SR_q = √q × SR₁ / √(1 + 2Σₖ₌₁ᵠ⁻¹(1−k/q)ρₖ). الأوزان تتناقص مع الإبطاء لأن عدد الأزواج المتباعدة k داخل الأفق q أقل.

إذا كان الارتباط موجباً عبر الإبطاءات المعنية، يكبر مقام التصحيح عادةً عن واحد، فتكون قاعدة √q وحدها أعلى من النسبة المصححة. أما الارتباط السالب فقد يخفض المقام، فتكون المضاعفة البسيطة أقل من النسبة المصححة. هذا اتجاه رياضي في هذا النموذج، لا حكم على جودة الاستراتيجية.

افترض، للتوضيح فقط، متوسط عائد شهري زائد عن الخالي من المخاطر قدره 0.4% وانحرافاً معيارياً قدره 2%. إذن SR₁ = 0.4% ÷ 2% = 0.20. إذا تجاهلنا الارتباط، فالتقدير السنوي البسيط هو 0.20 × √12 ≈ 0.6928.

لنفترض الآن نموذج AR(1) افتراضياً حيث ρ₁ = 0.25، وبقية الارتباطات ρₖ = 0.25ᵏ. في هذا المثال تحديداً، معامل التصحيح هو √(1 + 2Σₖ₌₁¹¹(1−k/12)×0.25ᵏ) ≈ 1.262. لذلك تصبح نسبة شارب السنوية المصححة 0.6928 ÷ 1.262 ≈ 0.549. يُستخدم 0.25ᵏ للإبطاءات اللاحقة هنا بسبب افتراض AR(1)، لا لأن كل إبطاء يساوي 0.25.

هذا حساب افتراضي يشرح أثر الارتباط؛ ليس توقعاً لعائد أو توصية تداول. كما يعتمد على جمع العوائد الزائدة الشهرية وعلى افتراضات النموذج المذكورة.

قد يعكس استمرار العوائد أو انعكاسها ظاهرة اقتصادية حقيقية. وقد يظهر أيضاً لأن نوافذ الاحتفاظ متداخلة: إذا حُسب عائد يومي لاستراتيجية تحتفظ بالمركز عدة أيام، فقد تتشارك الملاحظات المتتابعة في التعرض نفسه. عندئذ لا تكون تلك العوائد مشاهدات مستقلة.

قد تنتج السلاسل الملساء عن أسعار قديمة أو تقييمات غير سائلة أو تعليمات وضع علامات تقييمية تخفف الحركة. كما يمكن لقواعد الإشارات وإعادة التوازن والتنعيم أن تولد اعتماداً زمنياً. شخّص ما إذا كان الارتباط ميزة اقتصادية محتملة، أو أثراً في القياس، أو نتيجة لتعريف العائد قبل تطبيق التصحيح.

استخدم تعريفاً ثابتاً للعائد والفترة ومعدل الخالي من المخاطر، واذكر إن كانت النتائج إجمالية أم بعد الرسوم. اجعل معالجة الرافعة وتكاليف التمويل وتوزيعات الأرباح وتمويل العقود الدائمة في العملات الرقمية متسقة. لا تقارن عائداً يتضمن التكاليف بآخر يستثنيها.

صيغة التغاير أعلاه تخص جمع q عوائد دورية زائدة جمعاً حسابياً ضمن افتراضاتها. إذا حسبت العائد السنوي بالتراكم المركب من قيم المحفظة، فلا تخلط هذا القياس بصمت مع مجموع العوائد. اذكر طريقة التجميع، وإعادة الاستثمار، والأوزان، وأي تدفقات نقدية خارجية حتى تكون المقارنة قابلة لإعادة الإنتاج.

تُقدّر الارتباطات من عينة، وقد تكون تقديرات الإبطاءات الطويلة صاخبة، خصوصاً عندما يكون عدد الأشهر قليلاً. لا تستنتج نموذج AR(1) لمجرد ظهور ارتباط عند الإبطاء الأول؛ افحص السلسلة عبر الإبطاءات، ورسوم العوائد، وطريقة إنشاء الملاحظات.

أبلغ عن طول العينة، وطريقة تقدير الارتباطات، والإبطاءات المستخدمة، وحساسية النسبة المصححة لاختيارات معقولة. وعند مقارنة استراتيجيتين، أظهر عدم اليقين أو فواصل الثقة إن توفرت، بدلاً من عرض فرق عشري صغير كأنه حقيقة ثابتة.

تصحيح التجميع الزمني لا يزيل التنقيب في البيانات أو تجربة عدد كبير من الاستراتيجيات ثم اختيار الأفضل، ولا يعالج عدم ثبات النظام السوقي أو مخاطر الذيل أو الرافعة أو السيولة أو تكاليف التنفيذ. وقد تخفي نسبة شارب حتى بعد التصحيح خسائر كبيرة نادرة.

لا تعني النسبة الأعلى بعد التصحيح أن الأداء المستقبلي سيكون أفضل أو أن الاستراتيجية أكثر أماناً. افصل قياس العائد المعدل بالتقلب عن فحوص المتانة والملاءمة التنفيذية ومخاطر رأس المال.

قبل نشر الرقم، وثّق تردد البيانات، وتعريف العائد الزائد، ومعدل الخالي من المخاطر المطابق، والفترة وحجم العينة. اعرض الارتباطات ذات الصلة وافتراضات تحويل النسبة، وبيّن إن كنت استخدمت القاعدة البسيطة أو تصحيح لو.

اذكر إن كانت العوائد صافية من الرسوم والتمويل، وكيف عولجت الرافعة والتوزيعات والتراكم المركب. أضف تحليل حساسية أو عدم يقين، ولا تصف التقدير التاريخي على أنه توقع. للمزيد، راجع المتوسط الحسابي والهندسي للعوائد، وأقصى تراجع والتعافي منه، ومقايضة الانحياز والتباين وفرط مواءمة النماذج المالية.

تشرح ورقة أندرو لو إحصاءات نسب شارب أثر الاعتماد الزمني في النسبة، وتفصّل كيف تختلف النسب المحوّلة عندما تكون العوائد ذات ارتباط تسلسلي.