التقلب المحقق ذو المقياسين: تقدير التباين مع ضوضاء البنية الدقيقة

يُحسب التباين المحقق غالبًا بجمع مربعات العوائد. لو كانت أسعار اللوغاريتم المرصودة تطابق السعر الكفؤ بلا خطأ، لأمكن للمشاهدات الأكثر كثافة أن تلتقط مسار السعر بمزيد من التفصيل. لكن أسعار التنفيذ والاقتباسات الفعلية تتأثر أيضًا بارتداد فرق العرض والطلب، وتقريب الأسعار، والتأخر، وتأثيرات أخرى للبنية الدقيقة للسوق. وقد تتجاوز هذه الآثار حركة السعر الكفؤ بين مشاهدتين متقاربتين جدًا.

لذلك قد يرتفع التباين المحقق الساذج كلما زاد تواتر الرصد، حتى لو لم يتغير التباين المتكامل الأساسي خلال الجلسة. لا يعني ذلك بالضرورة أن التقلب الاقتصادي للأصل قد ازداد؛ فقد يكون سببه تربيع فروق الأسعار المشوشة وجمعها مرات كثيرة. يشرح دليل حساب التقلب المحقق مقياس مجموع مربعات العوائد المعتاد، بينما يركز هذا المقال على معالجة مصدر محدد من انحياز البيانات عالية التردد.

قدّم Zhang وMykland وAït-Sahalia التقلب المحقق ذي المقياسين لاستخدام دقتين مختلفتين لغرضين مختلفين (دراستهم الأصلية للمقياسين). تقلل الشبكة المتباعدة عدد الزيادات السعرية المتأثرة بالضوضاء. ويحدّ المتوسط عبر شبكات متباعدة ذات بدايات مزاحة من الاعتماد على نقطة بداية اعتباطية واحدة. أما الشبكة الكاملة الدقيقة فتساعد في تقدير انحياز الضوضاء المراد طرحه. يعتمد المنطق على افتراضات وخيارات العينة المحدودة، لذلك فالنتيجة مقدّر له عدم يقين، وليست مسارًا حقيقيًا منزوع الضوضاء.

لتكن \(X_t\) السعر اللوغاريتمي الكفؤ الكامن، ونمذج تغيره خلال النافذة بعملية مستمرة ذات معدل تباين محلي \(\sigma_t^2\). الهدف هو تباينه المتكامل:

\[ IV_T=\int_0^T\sigma_t^2\,dt. \]

لنفترض أن السعر اللوغاريتمي المسجل عند وقت الرصد \(t_i\) هو

\[ Y_{t_i}=X_{t_i}+\epsilon_{t_i}, \]

حيث تمثل \(\epsilon_{t_i}\) ضوضاء الرصد. يستخدم الاشتقاق الكلاسيكي حالة أساس تكون فيها الضوضاء متوسطة الصفر ومستقلة بين أوقات الرصد ومستقلة عن عملية السعر الكفؤ، ولها تباين ثابت \(\omega^2\). كما يفترض شبكة منتظمة ونموذجًا مستمرًا مناسبًا للسعر الكفؤ خلال النافذة. هذه شروط نمذجة وليست وصفًا عامًا لكل بيانات السوق.

الزيادة المرصودة هي \(\Delta Y_i=\Delta X_i+\epsilon_i-\epsilon_{i-1}\). يدخل خطأ الرصد في عائدين متجاورين بإشارتين متعاكستين: فالخطأ الموجب في مشاهدة ما يرفع عائدًا ويخفض العائد التالي. لهذا لا تتصرف العوائد الناتجة عن الأسعار المشوشة كأنها أخطاء قياس مستقلة. يشرح دليل التغير التربيعي في التمويل سبب استهداف مجموع مربعات الزيادات لتغير المسار في الحالة الخالية من الضوضاء.

الهدف هنا هو التباين خلال نافذة زمنية محددة؛ وليس تقدير فرق العرض والطلب أو توقعًا أو تكلفة تنفيذ محققة. وللسؤال المختلف عن سعر التنفيذ، راجع مقدّر رول لفارق العرض والطلب. يجب توضيح الكمية المستهدفة لأن عدة أساليب للبنية الدقيقة تستخدم أسعارًا عالية التردد لكنها تقدّر مقادير مختلفة.

إذا كان عدد عوائد الشبكة الدقيقة \(n\)، فعرّف التباين المحقق الكامل كما يلي:

\[ RV_{\mathrm{all}}=\sum_{i=1}^{n}(Y_{t_i}-Y_{t_{i-1}})^2. \]

في نموذج الأساس، يكون جزء الضوضاء في العائد المرصود \(\eta_i=\epsilon_i-\epsilon_{i-1}\)، وتباينه \(\operatorname{Var}(\eta_i)=2\omega^2\). وبإهمال الحدود المتقاطعة ذات التوقع الصفري تحت افتراضات الاستقلال، يكون توقع المجموع على الشبكة الدقيقة تقريبًا

\[ E[RV_{\mathrm{all}}]\approx IV_T+2n\omega^2. \]

الحد الأول هو التباين المتكامل المطلوب، والثاني يراكم مساهمة ضوضاء مع كل عائد دقيق. ومع تقليص الفاصل الزمني وزيادة \(n\)، قد يهيمن حد الضوضاء. لهذا لا تكون قاعدة «خذ عينة بأكبر قدر ممكن من التواتر» آمنة عند تجاهل ضوضاء القياس. وقد درس Aït-Sahalia وMykland وZhang مشكلة التواتر الأمثل المحدود في وجود ضوضاء السوق.

هذا التقريب يتعلق بالتوقع في ظل نموذج. تحتوي عينة بعينها أيضًا على حدود متقاطعة عشوائية بين زيادات السعر الكفؤ والضوضاء، ولذلك لا يلزم أن تساوي القيمة المحققة توقعها. وإذا تغير تباين الضوضاء خلال الجلسة أو كانت الأخطاء مترابطة زمنيًا أو كان أخذ العينات غير منتظم، فقد لا يصف الحد البسيط \(2n\omega^2\) الانحياز. وقد تنتج الصيغة المألوفة رقمًا دقيق المظهر لكنه يصحح كمية غير مناسبة.

اختر عددًا صحيحًا \(K>1\). ولكل إزاحة \(k=0,\ldots,K-1\)، احسب التباين المحقق على شبكة متباعدة بأخذ كل سعر مرصود رقم \(K\):

\[ RV_{K,k}=\sum_j\left(Y_{t_{k+jK}}-Y_{t_{k+(j-1)K}}\right)^2. \]

تغطي كل زيادة متباعدة فترة أطول، لكن الشبكة تظل تغطي تقريبًا نافذة الرصد نفسها. ثم احسب المتوسط عبر الإزاحات المتاحة:

\[ \overline{RV}_K=\frac{1}{K}\sum_{k=0}^{K-1}RV_{K,k}. \]

الإزاحات مهمة. قد تبدأ شبكة واحدة قبل حركة كبيرة أو بعدها مباشرة، فتتأثر النتيجة بهذا الاختيار. يقلل متوسط الشبكات ذات البدايات المزاحة من حساسية المحاذاة. لكنه لا ينشئ \(K\) عينات مستقلة؛ فالشبكات تعيد استخدام المشاهدات نفسها، ولذلك فهي مترابطة إحصائيًا.

في ظل ضوضاء مستقلة ومتساوية التباين، يظل تباين الفرق بين قيمتي الضوضاء عند طرفي زيادة متباعدة \(2\omega^2\)، لأن الطرفين مشاهدتان مختلفتان. لكن عدد الزيادات المتباعدة أقل من عدد الزيادات الدقيقة، لذلك يحمل متوسطها انحياز ضوضاء تراكميًا أقل. وتبقى مساهمة الإشارة قريبة من التباين المتكامل لأن الزيادات المتباعدة تغطي النافذة بدل جزء منها فقط.

الصورة المصاحبة رسم توضيحي مفاهيمي: تقارن مسارًا مرصودًا متعرجًا بمسارات أخذ عينات متباعدة ومزاحة حول مسار كامن أكثر سلاسة. ولا تعرض بيانات سوقية أو مخرجات مقدّر فعلية. أما المقدّرات التي تستخدم أعلى وأدنى سعر بدل هذا البناء ذي المقياسين، فيشرحها دليل مقدّرات التقلب القائمة على النطاق.

<!-- learn:illustration -->

لتكن \(\bar n\) متوسط عدد العوائد المتباعدة عبر الشبكات المزاحة، ولتكن \(\lambda=\bar n/n\). في نموذج الأساس، يكون انحياز الضوضاء في متوسط الشبكة المتباعدة نحو \(2\bar n\omega^2\). وانحياز الشبكة الدقيقة نحو \(2n\omega^2\)، لذا تساهم \(\lambda RV_{\mathrm{all}}\) بنحو \(2\bar n\omega^2\). يؤدي طرحها إلى إلغاء حد الضوضاء الرئيسي:

\[ TSRV_{\mathrm{raw}}=\overline{RV}_K-\lambda RV_{\mathrm{all}}. \]

لكن هذا الفرق الخام يطرح أيضًا جزءًا مقداره \(\lambda\) من إشارة التباين المتكامل، لأن حدي التباين المحقق يتضمنان الإشارة. ومن ثم يكون أحد تصحيحات العينة المحدودة الشائعة

\[ \widehat{IV}_{TSRV}=\frac{\overline{RV}_K-\lambda RV_{\mathrm{all}}}{1-\lambda}. \]

يعيد المقام معامل الإشارة في حساب التوقع المبسط. تختلف الاصطلاحات ومعالجة نقاط النهاية بين التطبيقات؛ لذا ينبغي توثيق تعريف \(n\)، ومجموعة الإزاحات، وطريقة حساب \(\bar n\). لا يزيل هذا التصحيح عدم يقين العينة ولا يصلح نموذج ضوضاء غير ملائم. وفي الإعداد التقاربي الكلاسيكي تصغر \(\lambda\) مع نمو العينة، لكن العامل المصحح قد يظل مهمًا في نافذة قصيرة.

قد يصبح التقدير سالبًا عندما \(\overline{RV}_K<\lambda RV_{\mathrm{all}}\). لا يعني ذلك وجود تباين مادي سالب، بل أن طرح الضوضاء في العينة المحدودة تجاوز تقدير الشبكة المتباعدة. وقد يكون استبداله بصفر مناسبًا للعرض اللاحق، لكنه يغيّر المقدّر ويضيف قاعدة اقتطاع. احتفظ بالقيمة الأصلية خلال التحليل، وافحص المقياسين والافتراضات، وصرّح بأي اقتطاع لاحق.

لنفترض سبع مشاهدات افتراضية للسعر اللوغاريتمي، تنتج ستة عوائد دقيقة بوحدة نقاط الأساس: \([1,1,-1,-1,1,1]\) bp. صُممت هذه السلسلة الصغيرة لشرح الحساب فقط، وليست بيانات تداول. يكون التباين المحقق على الشبكة الدقيقة

\[ RV_{\mathrm{all}}=1^2+1^2+(-1)^2+(-1)^2+1^2+1^2=6\,\mathrm{bp}^2. \]

اختر \(K=2\). تجمع الإزاحة الأولى العوائد الدقيقة المتجاورة لتنتج عوائد متباعدة \([2,-2,2]\) bp، ومجموع مربعاتها \(4+4+4=12\,\mathrm{bp}^2\). وتنتج الإزاحة المزاحة \([0,0]\) bp، ومجموع مربعات يساوي صفرًا. لذلك يكون متوسط تقديري الشبكتين \(\overline{RV}_K=(12+0)/2=6\,\mathrm{bp}^2\).

مع ستة عوائد دقيقة وإزاحتين، يبلغ متوسط عدد العوائد المتباعدة \(\bar n=(3+2)/2=2.5\). ومن ثم \(\lambda=2.5/6=5/12\)، و

\[ \widehat{IV}_{TSRV}=\frac{6-(5/12)6}{1-5/12}=\frac{3.5}{7/12}=6\,\mathrm{bp}^2. \]

تساوي قيمة التباين \(6\,\mathrm{bp}^2=6\times10^{-8}\) بوحدة مربع العائد العشري. والجذر التربيعي نحو \(2.45\) bp خلال هذه النافذة الافتراضية، من دون تحويل إلى معدل سنوي. تساوي النتيجة العددية في هذا المثال الصغير قيمة التباين المحقق الكامل مصادفةً في السلسلة المصطنعة، وليس هوية عامة لـTSRV. قد تعطي مسارات أخرى قيمة أعلى أو أدنى أو حتى سالبة.

يوضح الحساب أيضًا حد النموذج: لا يمكن من العينة وحدها فصل المسار الكامن عن الضوضاء، ولذلك لا تثبت أن \(6\,\mathrm{bp}^2\) يساوي التباين المتكامل الفعلي. يمكن تدقيق المجاميع والمقياس والوحدات، لكن لا يمكن استنتاج التفكيك الكامن من المثال. وتناقش الأدبيات طرقًا أخرى لتصحيح الضوضاء عالية التردد، مثل نوى التباين المحقق، ولكل منها افتراضاتها وخيارات التنفيذ.

توازن \(K\) بين عدد العوائد المتباعدة وبين المتوسط وتصحيح الضوضاء. إذا كان \(K\) صغيرًا جدًا بقيت زيادات قصيرة كثيرة وقد تظل النتيجة حساسة للضوضاء. وإذا كان كبيرًا جدًا بقيت عوائد متباعدة قليلة، فأصبح التقدير أكثر تقلبًا وعرضة لآثار النافذة المحدودة. يساعد متوسط الإزاحات على محاذاة الشبكة لكنه لا يخلق معلومات غير موجودة في عينة قصيرة أو رديئة الجودة.

في التحليل التقاربي الأصلي، تزداد المسافة المتباعدة المفضلة مع حجم العينة؛ وتكون من رتبة \(n^{2/3}\) وفق ترميز الدراسة وشروطها الأساسية (التحليل الأصلي). هذه نتيجة مقياسية نظرية وليست تعليمات عامة لاختيار عدد محدد من الثواني أو المشاهدات. يعتمد الخيار الأمثل على نسبة الضوضاء إلى الإشارة والافتراضات؛ وقد تستخدم التطبيقات اللاحقة قواعد ضبط مختلفة ومعالجة مختلفة للنهايات. وثّق الفاصل الزمني و\(K\) والإزاحات وحدود الجلسة والتصحيح المحدود كي يتمكن محلل آخر من إعادة الحساب.

يمكن لتحليل قابل للدفاع أن يقارن مجموعة محددة مسبقًا من قيم \(K\) المعقولة ويعرض الحساسية بدل اختيار القيمة التي تنتج النتيجة الأجمل. إذا تغيرت التقديرات بوضوح، فهذا عدم استقرار يجب الإبلاغ عنه. ينبغي تحديد المقياس وفق تصميم البيانات وقاعدة موثقة مسبقًا، لا بعد رؤية التقلب المرغوب. يمكن مقارنة النتيجة بتباين محقق أقل تواترًا أو مقدّر مقاوم للضوضاء، مع تسمية كل مقياس على حدة.

يُشتق التصحيح الكلاسيكي لبنية معينة للضوضاء. فقد تكون تأثيرات البنية الدقيقة، ومنها ارتداد العرض والطلب، مترابطة زمنيًا أو متغيرة خلال الجلسة أو مرتبطة بالسيولة أو متصلة بتغيرات السعر الكفؤ. ويوثّق Hansen وLunde أن تفاعل التباين المحقق وضوضاء السوق قد يشمل اعتمادًا زمنيًا وارتباطًا بتغيرات السعر الكفؤ (دراستهما). كما طوّر Aït-Sahalia وMykland وZhang لاحقًا أساليب ذات مقياسين للضوضاء المترابطة. وجود امتداد معدل سبب للتمييز بينه وبين صيغة الضوضاء المستقلة الأصلية، لا لافتراض أن الصيغة الأصلية تعالج كل اعتماد.

تشمل المشكلات العملية الأخرى أوقات الرصد غير المنتظمة، وعدم تزامن الأصول، والاقتباسات القديمة، وتقريب الأسعار، والقفزات، والصفقات الخاطئة، وآثار الافتتاح والإغلاق، والمشاهدات المفقودة. قد تؤثر هذه العوامل في تصحيح الشبكة الدقيقة وفي العوائد التي تدخل الشبكات المتباعدة. وقد تكون القفزات جزءًا من التباين التربيعي المستهدف أو يلزم فصلها بحسب سؤال البحث؛ ولا يحدد TSRV وحده هذا الخيار. كما أن تنقية المشاهدات تغيّر الشبكة وينبغي توثيقها.

لا تعني مقاومة الضوضاء المناعة من مشكلات البيانات. قبل تفسير التقدير على أنه قياس للتباين الكامن، حدّد ما إذا كان الإدخال أسعار صفقات أو عروضًا أو أسعارًا وسطية، واذكر تحويل العوائد والساعة المستخدمة، وافحص انتظام الفواصل، وسجّل قواعد التنقية والجلسة، واختبر الحساسية لـ\(K\). إذا خالف مصدر الضوضاء الافتراضات الأساسية، فاستخدم طريقة صُممت لذلك الوضع واشرح شروطها. لا تصف تقديرًا سالبًا بأنه تقلب سالب ولا تحوله إلى قيمة موجبة بصمت.

يسمي التقرير الشفاف النافذة المستهدفة وسلسلة الأسعار المدخلة وفاصل المعاينة وعدد العوائد الدقيقة والفاصل \(K\) ومجموعة الإزاحات وقاعدة النهايات وافتراضات الضوضاء والتصحيح والوحدات وأي اقتطاع. ويمكن عرض الفرق الخام والتقدير المصحح معًا، بالإضافة إلى نطاق حساسية لمقاييس محددة مسبقًا. تسمح هذه التفاصيل بتدقيق الحساب وتمنع الخلط بين تقدير التباين وبين عرض سعر أو توقع مستقبلي أو دليل على قاعدة تداول مربحة.

يقاس التباين المتكامل خلال النافذة المرصودة. ويتطلب تحويله إلى معدل سنوي اصطلاحًا زمنيًا معلنًا، وينبغي ألا يخفي أنماط داخل اليوم أو الفترات الليلية أو انقطاعات التداول. يغيّر أخذ الجذر التربيعي وحدات القيمة إلى تقلب خلال النافذة؛ لكنه لا ينشئ أفقًا تنبؤيًا. قد يكون القياس التاريخي مدخلًا لنموذج، لكن ينبغي تقييم القدرة التنبؤية منفصلًا وعلى بيانات لم تُستخدم لاختيار إعدادات المقدّر.

إسهام TSRV منهجي: ففي ظل نموذج ضوضاء إضافية معلن، يستخدم مقياسين لتقليل انحياز الضوضاء الرئيسي الذي يجعل التباين المحقق الساذج عالي التردد غير متسق. لكنه لا يحدد مصدر كل حركة سعرية ولا يلغي مخاطر النموذج ولا يخبرنا بالتقلب التالي. أرفق هذه الحدود بالرقم المنشور.