لماذا لا يستطيع المتداولون تجاهل الارتباط—وكيف يعمل في الواقع

عند بناء محفظة استثمارية، يعتقد معظم المستثمرين أن التنويع بسيط مثل خلط أنواع مختلفة من الأصول. لكنهم غالبًا ما يغفلون العلاقة الخفية التي تحدد ما إذا كانت تلك الأصول تتحرك بشكل مستقل فعلاً: الارتباط. فهم هذا المقياس يمكن أن يكون الفرق بين مركز مغطى و كارثة تنتظر الحدوث.

ماذا يخبرك الارتباط حقًا

في جوهره، معامل الارتباط هو مقياس واحد — رقم بين -1 و 1 — يقيس مدى ترابط حركة متغيرين معًا. فكر فيه كزر سرعة لنمط العلاقة. قيمة قريبة من 1 تعني أنهما يرتفعان وينخفضان معًا بشكل متزامن؛ قريبة من -1 تعني أنهما يتحركان في اتجاهين معاكسين؛ وحوالي 0 تشير إلى وجود علاقة غير متوقعة أو غير واضحة.

بالنسبة للمتداولين، هذا مهم لأنه يحدد مدى تقليل أصل إضافي لمخاطر المحفظة. سهمان بنفس العائد يمكن أن يحققا نتائج مختلفة تمامًا اعتمادًا على هيكل الارتباط بينهما. ينطبق نفس الشيء عند دمج الأسهم مع السندات، السلع، أو الأصول البديلة.

الفخ الكبير: الارتباط ليس سببية

هنا يكمن خطأ الكثير من المستثمرين. فقط لأن أصلين يتحركان معًا لا يعني أن أحدهما يسبب الآخر. قد يكون عامل ثالث — معدلات الفائدة، الأحداث الجيوسياسية، اتجاهات القطاع — هو الذي يدفع كلاهما. التعرف على هذا التمييز يمنعك من بناء تحوطات هشة أو الافتراض أن العلاقات ستستمر عندما يتغير المحرك الأساسي.

وهذا أمر حاسم بشكل خاص خلال فترات الضغط السوقي. ما بدا أنه ارتباط ضعيف خلال فترات الهدوء يمكن أن يتلاشى تمامًا عندما تتصاعد التقلبات، مما يتركك بدون حماية تمامًا عندما تكون بحاجة إلى التنويع أكثر.

كيف تقيسه: الطرق الرئيسية الثلاثة

الارتباط بيرسون هو المعيار. يقيس العلاقات الخطية بين متغيرين مستمرين عن طريق قسمة التغاير على حاصل ضرب الانحرافات المعيارية. الصيغة بسيطة: الارتباط = التغاير بين X و Y / (الانحراف المعياري لـ X × الانحراف المعياري لـ Y)

هذا التوحيد يتيح لك مقارنة الارتباطات عبر أزواج الأصول والأسواق على مقياس موحد.

لكن بيرسون لديه نقطة عمياء: فهو يلتقط فقط العلاقات الخطية. إذا تحرك متغيران معًا في نمط منحني أو تدريجي، فإن بيرسون سيظهر ارتباطًا ضعيفًا حتى لو كانت هناك علاقة قوية. هنا يأتي سبيرمان وكيندال. هذه الطرق تعتمد على الترتيب وتلتقط العلاقات الأحادية الاتجاه وتعمل بشكل أفضل مع البيانات غير الطبيعية أو العينات الصغيرة.

اختيار المقياس الصحيح مهم. استخدم بيرسون للأسهم والأصول السائلة. انتقل إلى سبيرمان أو كيندال عند التعامل مع البيانات الترتيبية أو عندما لا تكون العلاقات خطية تمامًا.

قراءة قيم الارتباط: السياق هو كل شيء

المعيار التقريبي الذي يستخدمه معظم المحللين:

• 0.0 إلى 0.2: ارتباط ضئيل
• 0.2 إلى 0.5: ارتباط ضعيف (غالبًا غير مستقر للتحوط الموثوق)
• 0.5 إلى 0.8: معتدل إلى قوي
• 0.8 إلى 1.0: توافق قوي جدًا

القيم السالبة تتبع نفس المقياس ولكن تظهر حركة عكسية. ارتباط -0.7 يشير إلى علاقة سلبية قوية — وغالبًا ما يكون مرغوبًا فيه للتحوط.

لكن المشكلة هنا: ما يُعتبر “قويًا” يختلف حسب السياق. مختبرات الفيزياء تتطلب ارتباطات قريبة من ±1 لتعتبر شيئًا مهمًا. الأسواق المالية تعمل بشكل مختلف. حتى ارتباط ضعيف بين فئات أصول غير مرتبطة يمكن أن يقلل بشكل كبير من تقلب المحفظة إذا تم تنفيذه على نطاق واسع.

حجم العينة يغير كل شيء

معامل الارتباط يبدو متطابقًا سواء تم حسابه من 10 نقاط بيانات أو 10,000. لكن موثوقيته مختلفة تمامًا. مع العينات الصغيرة، حتى رقم معتدل يمكن أن يحدث بالصدفة. مع العينات الكبيرة، حتى القيم المعتدلة تصبح ذات دلالة إحصائية.

دائمًا تحقق من قيمة p أو فاصل الثقة حول تقدير الارتباط الخاص بك، خاصة مع بيانات تاريخية محدودة. ارتباط ضعيف من 100 ملاحظة يحمل وزنًا أكبر بكثير من نفس القيمة من 20 ملاحظة.

الارتباط في الاستثمار الحقيقي: ثلاثة أمثلة عملية

الأسهم والسندات: تاريخيًا، تظهر الأسهم الأمريكية والسندات الحكومية ارتباطًا منخفضًا أو سلبيًا — وهو تنويع كلاسيكي. لكن هذه العلاقة ليست ثابتة. خلال بعض الفترات، خاصة فترات الركود التضخمي، تنهار بشكل كبير.

شركات النفط وأسعار النفط الخام: الحدس يقول إن أسهم الطاقة يجب أن تتبع أسعار النفط عن كثب. لكن البيانات طويلة المدى تقول شيئًا مختلفًا: الارتباط معتدل جدًا ومتوتر بشكل كبير. العوامل الخاصة بالشركة، هوامش التكرير، والتحوطات الجيوسياسية تخلق ضوضاء.

أزواج السلع: حركة سعر معدن واحد تقدم توقعات محدودة لمعدن آخر، على الرغم من أن المتداولين غالبًا يفترضون العكس. ديناميكيات الطلب، الصدمات في العرض، وتقلبات العملة تخلق هياكل ارتباط ضعيفة تزعج استراتيجيات التحوط البسيطة.

الدرس الحاسم: تتغير الارتباطات أثناء الأزمات. عندما تكون في أمس الحاجة للتحوط، غالبًا تفشل العلاقات المعروفة. لهذا السبب يعيد المحترفون حساب الارتباطات باستخدام نوافذ متحركة ويعدلون مراكزهم عندما تتغير الأنماط التاريخية.

الرياضيات وراء ذلك (مبسط(

لمن يرغب في التحقق يدويًا، إليك المنطق الأساسي:

خذ سلسلتين من البيانات X و Y. احسب المتوسطات. اطرح كل متوسط من كل ملاحظة للحصول على الانحرافات. اضرب الانحرافات المزوجة معًا و اجمع المنتجات )هذا هو البسط للتغاير(. ثم احسب الانحرافات المعيارية لكل سلسلة. اقسم التغاير على حاصل ضرب الانحرافات المعيارية للحصول على r.

إذا زاد Y بشكل نسبي مع X، فإن نتيجتك تقترب من 1. إذا ارتفع أحدهما وانخفض الآخر باستمرار، سترى قيمًا قريبة من -1. لمعظم البيانات المالية الحقيقية، ستجد نفسك بين هذين الحدين.

في الممارسة، لن تفعل ذلك يدويًا. إكسل يتولى الحساب على الفور.

حساب الارتباط في إكسل

إكسل يوفر مسارين بسيطين:

لزوج واحد: =CORREL)النطاق1, النطاق2) يعيد معامل بيرسون بين النطاقين على الفور.

لعدة أزواج من الأصول في آن واحد، استخدم أداة تحليل البيانات (Analysis Toolpak). فعلها، انتقل إلى البيانات > تحليل البيانات > الارتباط، أدخل النطاقات، والأداة ستولد مصفوفة تظهر جميع الارتباطات الزوجية مرة واحدة.

نصيحة محترف: رتب بياناتك بعناية، تعامل مع رؤوس الأعمدة بشكل صحيح (حدد خيار “تسميات في الصف الأول”)، وراجع البيانات بحثًا عن القيم الشاذة قبل الاعتماد على النتائج. قيمة متطرفة واحدة يمكن أن تشوه r بشكل كبير.

R و R-squared: أدوات مختلفة لمهام مختلفة

R هو معامل الارتباط نفسه. يظهر كل من القوة والاتجاه لعلاقة خطية.

R-squared هو R مضروبًا في نفسه. يعبر عن النسبة المئوية من تباين متغير واحد يمكن تفسيره بواسطة الآخر في تحليل انحداري خطي. إذا كانت R = 0.7، فإن R² = 0.49، مما يعني أن 49% من حركة Y يمكن التنبؤ بها من X.

فكر في الأمر بهذه الطريقة: R يخبرك مدى ترابط النقاط حول خط (مائل إيجابي أو سلبي). R-squared يخبرك بنسبة الارتفاعات والانخفاضات في Y التي يمكنك تفسيرها باستخدام X.

متى يتوقف الارتباط عن العمل

أكبر الأخطاء التي يجب تجنبها:

العلاقات غير الخطية تظهر ضعيفة: قد يتحرك متغيران معًا في نمط منحني. بيرسون سيظهر ارتباطًا ضعيفًا حتى لو كانت هناك علاقة واضحة. دائمًا تصور البيانات باستخدام مخطط مبعثر أولاً.

القيم الشاذة تفسد كل شيء: ملاحظة واحدة متطرفة يمكن أن تغير r بشكل كبير في أي اتجاه. فحص البيانات وقرر ما إذا كانت القيم الشاذة تمثل إشارات حقيقية أو أخطاء قياس.

الافتراضات تتعرض للانتهاك: التوزيعات غير الطبيعية، المتغيرات التصنيفية، أو البيانات المرتبة تنتهك افتراضات بيرسون. استخدم مقاييس بديلة بدلاً من ذلك.

الارتباطات ليست مستقرة: تتغير أنظمة السوق. ما كان يعمل كتحوط العام الماضي قد يفشل هذا العام. أعد حسابها بشكل دوري وادخل مرونة في استراتيجيتك.

الخلاصة

معامل الارتباط هو نقطة انطلاق عملية لفهم علاقات الأصول. يختصر أنماطًا معقدة في رقم واحد يمكن تفسيره. لكن الاعتماد عليه كصورة كاملة أمر خطير.

قم بمقارنة تحليل الارتباط مع الفحص البصري (مخططات مبعثر)، اختبر الأهمية الإحصائية، راقب القيم الشاذة، وراقب كيف تتغير العلاقات. استخدم الارتباط لتوليد فرضيات، وليس لليقين. قد يوفر ارتباط ضعيف قيمة في سياقات معينة، بينما يمكن أن يختفي ارتباط قوي بين عشية وضحاها خلال الأزمات.

المستثمرون الذين يربحون ليسوا أولئك الذين يجدون الرقم المثالي للارتباط — إنهم من يفهمون حدوده ويعدلون تفكيرهم وفقًا لذلك.