الانحراف المعياري المتحرك للسلاسل الزمنية

ما هو الانحراف المعياري المتحرك؟

الانحراف المعياري المتحرك (يُسمى أيضًا الانحراف المعياري المتدحرج أو التقلب المتأخر) يحسب الانحراف المعياري عبر نافذة زمنية منزلقة. على عكس الانحراف المعياري الثابت الذي يستخدم جميع البيانات التاريخية، يركز الانحراف المعياري المتحرك على الملاحظات الحديثة، مما يجعله ضروريًا لاكتشاف التغيرات في التقلبات عبر الزمن.

هذه التقنية أساسية في الأسواق المالية، حيث التقلبات ليست ثابتة بل تتغير عبر الزمن. قد يكون سهم ما هادئًا لأشهر، ثم يصبح فجأة شديد التقلب خلال إعلانات الأرباح أو أزمات السوق. الانحراف المعياري المتحرك يلتقط هذه الديناميكيات في الوقت الفعلي.

كيفية حساب الانحراف المعياري المتدحرج

لكل نقطة زمنية، احسب الانحراف المعياري لنقاط البيانات الـ n السابقة. مع التقدم للأمام، تنزلق النافذة وتستخدم دائمًا أحدث n قيمة. هذا ينشئ سلسلة زمنية من تقديرات التقلبات.

import pandas as pd
import numpy as np

# Load your time series data
df = pd.read_csv('stock_prices.csv')

# 20-day rolling standard deviation
df['rolling_std_20'] = df['returns'].rolling(window=20).std()

# Annualized volatility (assuming daily returns)
df['annualized_vol'] = df['rolling_std_20'] * np.sqrt(252)

# Multiple windows for comparison
df['rolling_std_10'] = df['returns'].rolling(window=10).std()
df['rolling_std_50'] = df['returns'].rolling(window=50).std()

لاحظ أن أول (window-1) قيمة ستكون NaN لأنك تحتاج على الأقل n ملاحظة للحساب. عمليًا، يمكنك استخدام معلمة min_periods للبدء في الحساب مبكرًا بملاحظات أقل.

اختيار حجم النافذة المناسب

حجم النافذة ينشئ مفاضلة بين الاستجابة والاستقرار:

• نوافذ قصيرة (5-10 أيام):تستجيب بسرعة لتغيرات التقلبات لكنها صاخبة وقد تنتج إشارات كاذبة
• نوافذ متوسطة (20-30 يومًا):توازن بين الاستجابة والاستقرار؛ 20 يومًا هو المعيار الصناعي لنطاقات بولينجر
• نوافذ طويلة (50-100 يوم):سلسة ومستقرة لكن بطيئة في اكتشاف تغيرات النظام؛ جيدة لتحليل الاتجاهات

التطبيقات الواقعية

يُستخدم الانحراف المعياري المتحرك على نطاق واسع في المالية وعلم البيانات:

• إدارة المخاطر:حساب القيمة المعرضة للخطر (VaR) باستخدام التقلبات الحديثة بدلاً من المتوسطات التاريخية
• تسعير الخيارات:تقدير معلمات التقلبات الضمنية لنماذج بلاك-شولز وغيرها
• إدارة المحافظ:تعديل أحجام المراكز بناءً على التقلبات الحالية؛ تقليل التعرض عند ارتفاع التقلبات
• كشف الحالات الشاذة:تحديد الفترات غير العادية عندما تنحرف التقلبات الحالية بشكل ملحوظ عن المتوسط المتحرك
• التحليل الفني:نطاقات بولينجر وقنوات كيلتنر ومؤشرات أخرى قائمة على التقلبات

شرح نطاقات بولينجر

نطاقات بولينجر هي التطبيق الأشهر للانحراف المعياري المتحرك. طورها جون بولينجر في الثمانينيات، وتنشئ غلافًا ديناميكيًا حول السعر يتكيف مع التقلبات.

تتسع النطاقات خلال الفترات المتقلبة وتتقلص خلال الفترات الهادئة. يستخدمها المتداولون لـ:

• تحديد حالات ذروة الشراء/البيع عندما يلامس السعر النطاقات
• اكتشاف “الضغطات” (تقلب منخفض) التي غالبًا ما تسبق الاختراقات
• تحديد أوامر وقف الخسارة الديناميكية بناءً على ظروف السوق الحالية

تجمع التقلبات

واحدة من أهم الحقائق التجريبية في المالية هي أن التقلبات تتجمع — التقلبات العالية تميل إلى أن تعقبها تقلبات عالية، والمنخفضة تعقبها منخفضة. صاغ هذا روبرت إنجل (جائزة نوبل 2003) في نموذج ARCH.

يكشف الانحراف المعياري المتحرك عن هذا التجمع بصريًا. عندما ترسم التقلبات المتدحرجة عبر الزمن، سترى أنظمة واضحة من التقلبات العالية والمنخفضة بدلاً من تقلبات عشوائية. لهذا آثار عميقة:

• قابلية التنبؤ:تقلبات الغد ستكون على الأرجح مشابهة لتقلبات اليوم — يمكنك توقع المخاطر
• موازنة المخاطر:تقليل المراكز عند الدخول في أنظمة عالية التقلب
• اختيار الاستراتيجية:استراتيجيات تداول مختلفة تعمل بشكل أفضل في بيئات تقلب مختلفة