لماذا قد تكون عوائد الأسهم قابلة للتنبؤ فقط في فترات قصيرة

قد تكون عوائد الأسهم قابلة للتنبؤ، ولكن فقط في فترات قصيرة

قضى المستثمرون عقودًا من الزمن يبحثون عن مؤشرات تتنبأ بعوائد الأسهم بشكل موثوق. أظهرت نسب التقييم، أسعار الفائدة، فروق الائتمان، التضخم، تقلبات السوق، ومقاييس النشاط الاقتصادي وعدًا في وقت ما أو آخر. الصعوبة تكمن في أن المؤشر قد يبدو مفيدًا في فترة معينة ويصبح غير فعال في الفترة التالية.

تشير دراسة جديدة نُشرت في مجلة Econometrics¹ إلى أن هذه عدم الاستقرار قد يكون سمة مميزة لتنبؤ السوق بدلاً من عيب في البيانات. قد تكون عوائد الأسهم قابلة للتنبؤ، ولكن فقط خلال فترات مؤقتة تُنشأ بسبب الركود، الصدمات المالية، التغييرات السياسية، أو التحولات في طريقة معالجة المستثمرين للمعلومات.

طور الباحثون إجراءات مراقبة إحصائية تهدف إلى اكتشاف هذه الفترات مع ظهورها. يعيد عملهم صياغة السؤال العملي. بدلاً من التساؤل عما إذا كان المتغيّر يتنبأ بالعوائد عبر عينة تاريخية كاملة، ينبغي على المستثمرين أن يسألوا ما إذا كان قد بدأ مؤخرًا في احتواء معلومات مفيدة.

لماذا يصعب العثور على إشارات سوقية دائمة

غالبًا ما يقدّر البحث التنبؤي التقليدي علاقة واحدة عبر عقود من البيانات. على سبيل المثال، قد يختبر محلل ما إذا كانت عوائد الأرباح تتنبأ بالعلاوة على الأسهم، أي العائد الذي تولده الأسهم فوق أصل خالٍ من المخاطر. يفترض ذلك أن العلاقة تظل مستقرة بما يكفي طوال العينة.

نادراً ما تتعاون الأسواق. تتغير سياسات النقد، وتتطور اللوائح، وتجذب الاستراتيجيات المكتشفة على نطاق واسع رؤوس الأموال. يمكن أن تتقوى الإشارة خلال أزمة وتختفي بمجرد أن يدركها المستثمرون. لذلك قد يخفّف نموذج يغطي كامل الفترة من فاعلية فترة مفيدة بسنوات عديدة لا توجد فيها علاقة.

يساعد ذلك في شرح لماذا قد تبدو المتغيّرات المالية ذات دلالة إحصائية في دراسة ما وتفشل في أخرى. قد لا يعني الاختلاف أن النتيجة كانت خاطئة بالضرورة. ربما درست الدراسات أنظمة سوقية مختلفة.

تزداد الصعوبة لأن العديد من المؤشرات الشائعة ذات استمرارية عالية. يمكن أن تظل عوائد الأرباح، نسب القيمة الدفترية إلى السوق، ومقاييس أسعار الفائدة مرتفعة أو منخفضة لفترات طويلة. وقد تتحرك أيضًا جنبًا إلى جنب مع الصدمات نفسها التي تؤثر على العوائد. قد تُخطئ الاختبارات الإحصائية التقليدية هذه الخصائص مع القوة التنبؤية.

كيف يغيّر المراقبة في الوقت الحقيقي المشكلة

تقترح الورقة مراقبة البيانات الواردة تسلسليًا بعد إنشاء فترة تدريب أولية لا تُظهر أي قابلية للتنبؤ. يستخدم نهجها المفضَّل عملية مجموع تراكمي، أو CUSUM، مبنية على شروط المتغيّر الأداتي IVX.

بعبارات أبسط، يراقب النظام ما إذا كانت العلاقة بين مؤشر مرشح والعوائد اللاحقة تنحرف بما يكفي عن خط الأساس التاريخي لتستدعي إشارة. صُمم ليعمل دون الحاجة إلى أن يعرف المستخدم مسبقًا ما إذا كان المتنبئ ضعيف الاستمرارية، قريبًا من جذر الوحدة، أو بين هذين الحالتين.

يتناول إطار المراقبة عدة مشكلات في آن واحد:

• قد تبدأ العلاقات التنبؤية وتنتهي دون إنذار.
• يمكن للاختبار المتكرر أن يولد إنذارات كاذبة حتى في غياب أي إشارة.
• قد تجعل تغييرات التقلبات الاختبارات العادية تكتشف علاقات غير حقيقية.
• قد تكون المتنبئات مستمرة ومرتبطة بعوائد سوقية غير متوقعة.

تُعدّ تعديل التقلبات مهمًا بشكل خاص. يخلق صدمه سوقية كبير ملاحظات أكبر، مما قد يدفع إحصائية المراقبة لتجاوز العتبة حتى وإن لم تتغير العلاقة التنبؤية الأساسية. يرتبط ذلك بالمشكلة الأوسع التي قد تلتقط فيها المؤشرات المألوفة جزءًا فقط من بيئة المخاطر، كما نوقشت في دراسة Securities.io حول لماذا لا يلتقط مؤشر VIX مخاطر سوق الأسهم بالكامل.

ما وجدته المحاكاة

اختبر المؤلفون طُرُقهم عبر أسواق محاكاة ذات استمرارية متنبئ مختلفة، ومسارات تقلب مختلفة، وعلاقات داخلية، وتواريخ بدء مختلفة للفترات التنبؤية. حافظت عدة إجراءات CUSUM مقترحة على معدلات إيجابيات كاذبة مُتحكم فيها بشكل معقول عبر العديد من هذه الظروف.

عادةً ما اكتشفت الطرق الأقوى القابلية للتنبؤ مبكرًا مقارنةً بإجراءات النوافذ المتحركة المنافسة، خصوصًا عندما يكون المتنبئ شديد الاستمرارية. هذا مهم لأن إشارة ذات مدة قصيرة تفقد قيمتها العملية إذا حددها النموذج فقط قرب نهاية الفترة.

مع ذلك، لم يهيمن أي إصدار على جميع الظروف. استجاب إجراء واحد بسرعة خاصة لكنه أنتج إيجابيات كاذبة مفرطة بعد ارتقاء في التقلبات. وكان آخر أكثر تحفظًا وأبطأ. قدم نهج CUSUM المعدل للتباين المفضل في الورقة توازنًا أكثر فائدة بين سرعة الاكتشاف والتحكم في الإنذارات الكاذبة.

نموذج يُطلق الإشارات بسهولة يُشجّع على دوران مكلف وثقة مفرطة. قد يتعرف نموذج حذر على نظام فقط بعد أن يمر جزء كبير من الفرصة. لذلك تحتاج الأنظمة في الوقت الحقيقي إلى سياسة صريحة لاختيار بين الإشارات الفائتة وإنذارات كاذبة.

ما الذي حدث عندما راقب النموذج مؤشر S&P 500

أجرى الباحثون تمرينًا شبه واقعيًا باستخدام بيانات شهرية لمؤشر S&P 500 ومؤشرات مرشحة تغطي الفترة من يناير 1965 حتى ديسمبر 2024. شملت المؤشرات نسب التقييم، مقاييس التقلب، المؤشرات الفنية، عوائد السندات، متغيرات سوق الائتمان، التضخم، والنشاط الاقتصادي.

أظهر الاختبار على كامل العينة أدلة قليلة على أن معظم المتغيرات تتنبأ بالعوائد باستمرار. ومع ذلك حددت إجراءات المراقبة نوافذ متميزة. أصبحت عدة مؤشرات سندية ومؤشرات اقتصادية كلية ذات فائدة حول اضطراب السوق بين 1973 و1975. أظهر فرق العائدات محتوى تنبؤي حول الفترة التي سبقت يوم الإثنين الأسود. ظهرت إشارات أخرى حول الأزمة المالية العالمية، 2018، و2022.

تدعم هذه النتائج تفسيرًا قائمًا على الأنظمة. قد تكون عوائد الائتمان، فروق العائد، السيولة، التقييم، والركود الاقتصادي هي الأكثر أهمية عندما يعيد السوق تسعير المخاطر. لا يلزم أن تتنبأ بالعوائد في الظروف العادية لتصبح مفيدة خلال فترات الضغط.

الرؤية الأوسع هي إدارة دورة حياة الإشارة

أهم إسهام للدراسة ليس قائمة المؤشرات للتداول، بل إطار عمل لإدارة دورة حياة إشارة الاستثمار.

يجب أن يحتوي نموذج الإنتاج على قاعدة تفعيل، وقاعدة تقاعد، وطريقة لإعادة المعايرة بعد اكتشاف حلقة. وهذا يختلف عن بناء نموذج توقع مرة واحدة وافتراض بقاء معاملاته صالحة. إنه يعامل القابلية للتنبؤ كحالة نظام متغيرة.

تشير هذه النظرة أيضًا إلى أن التقلب يلعب دورين. قد يحتوي على معلومات حول العوائد المتوقعة، لكنه قد يفسد الاختبار الإحصائي المستخدم لاكتشاف تلك المعلومات. وجدت الأبحاث التي غطتها Securities.io أن العوائد اليومية يمكن أن تظل ذات قيمة لتوقع التقلبات حتى عندما تكون مجموعات البيانات ذات التردد الأعلى متاحة. لا يحل المزيد من البيانات مشكلة عدم استقرار النموذج تلقائيًا إذا استمرت العلاقات داخل تلك البيانات في التغير.

بالنسبة لفرق الاستثمار، ستكون الخطوة المنطقية التالية نظامًا طبقيًا. سيُراقب نموذج واحد ما إذا كان المتنبئ المرشح قد دخل نظامًا نشطًا. ستُقدّر طبقة توقع منفصلة اتجاه وحجم العوائد المتوقعة. ثم سيأخذ بناء المحفظة في الاعتبار تكاليف التداول، الانخفاضات، السيولة، وحدود المراكز.

هذا الفصل أساسي لأن القابلية الإحصائية للتنبؤ ليست هي نفسها استراتيجية مربحة. لا تحسب الورقة عوائد المحفظة، أو تكاليف التنفيذ، أو الضرائب، أو الأداء المعدل للمخاطر. تمرينها التاريخي هو شبه واقعي وليس نشرًا مباشرًا. أي ادعاءات بأن الطريقة يمكنها التفوق على السوق ستتجاوز الأدلة المتاحة.

الاستثمار في طبقة الذكاء المالي

تشير الدراسة إلى تزايد الطلب على بيانات مالية أنظف، وتحليلات تكيفية، وأدوات قادرة على التعرف على تغيّر الأنظمة. إحدى الشركات المتموضعّة ضمن تلك البنية التحتية هي S&P Global (SPGI ). .

تعمل S&P Global عبر مؤشرات، تصنيفات، معلومات سلع، وبيانات سوق. توفر وحدة Market Intelligence العديد من مجموعات البيانات وتدفقات العمل التحليلية التي تستخدمها المؤسسات للبحث عن الشركات، ظروف الائتمان، وسلوك السوق. كما وسّعت الشركة قدراتها في الذكاء الاصطناعي عبر Kensho، بما في ذلك أدوات صممت لربط سجلات الشركات المعقدة وتسهيل تفسير مجموعات البيانات المالية للآلات. في عام 2026، وصفت S&P Global نسخة موسّعة من Kensho Link مع تغطية أوسع للكيانات وتحسين التعرف عبر الهياكل الشركاتية المعقدة.

هذا لا يعني أن S&P Global تملك أو تسوّق طريقة المراقبة الموضحة في الدراسة. العلاقة الاستثمارية أوسع: تعتمد النماذج المالية التكيفية على بيانات واسعة، موحدة، وفي الوقت المناسب. مع تزايد استجابة الأنظمة الكمية لتغيّر أنظمة السوق، تصبح جودة البيانات وتكاملها جزءًا من الميزة التنافسية.

سلط ملف Securities.io الأخير عن MSCI والبنية التحتية وراء الأسواق المالية الضوء على نفس الاتجاه الأساسي. مزودو المؤشرات يتحولون تدريجياً إلى شركات بيانات وتحليلات بدلاً من مجرد ناشرين لقوائم المؤشرات.

قابلية التنبؤ في السوق هدف متقلب

لا يحل الورق جدل السوق الفعّال، لكنه يقدم طريقة أكثر واقعية لتأطيره. يمكن أن تكون الأسواق صعبة التنبؤ بشكل عام، مع أنها تنتج فترات قصيرة تصبح فيها المؤشرات الاقتصادية والمالية غير عادية في إبلاغها.

بالنسبة للمستثمرين، فإن الدلالة ليست في مطاردة كل متغيّر جديد ذي أهمية. بل في اعتبار الإشارات شرطية، ومراقبة استقرارها، والاعتراف بأن علاقةً اكتُشفت خلال أزمةٍ ما قد لا تستمر في التوسّع التالي. قد يكون الميزة الدائمة أقل تركيزًا على إيجاد صيغة تنبؤٍ ثابتة، وأكثر على اكتشاف متى تغير قواعد السوق مؤقتًا.

المراجع:

¹ Demetrescu, M., Schmidt, F., & Taylor, A. M. R. (2026). المراقبة في الوقت الحقيقي لقابلية توقع عوائد الأسهم في بيئات تقلب غير ثابتة. Journal of Econometrics, 258, 106341. https://doi.org/10.1016/j.jeconom.2026.106341