شناسایی رفتار غیرعادی بازارها با یادگیری ماشین و آنتروپی

به گزارش شبکه اطلاع‌رسانی طلا و ارز و به نقل از نشریه تخصصی هاربورفرانت کوانتیتیتیو ویکلی، بازارهای سهام در هفته‌های اخیر رفتاری غیرمعمول از خود نشان داده‌اند. در ماه مه ۲۰۲۶ (اردیبهشت ۱۴۰۵)، شاخص‌های سهام هم‌زمان با افزایش نوسان و ریسک دنباله بازار رشد کردند؛ ترکیبی که در تاریخ بازارها کم‌سابقه است. از هفته گذشته همین الگو بار دیگر تکرار شده و همبستگی میان قیمت نقدی و نوسان، مثبت شده است.

این وضعیت اهمیت شناسایی «رژیم‌های بازار» را بیشتر کرده است؛ اصطلاحی که به دوره‌های متفاوت رفتار بازار، از آرام تا پرتلاطم، اشاره دارد. روش‌های سنتی این رژیم‌ها را تنها بر اساس جهت قیمت (صعودی یا نزولی) و سطح نوسان (بالا یا پایین) طبقه‌بندی می‌کنند. دو پژوهش تازه چارچوب‌های جایگزینی برای این طبقه‌بندی پیشنهاد کرده‌اند که در ادامه بررسی می‌شود.

پیش‌بینی روزهای «نوسانی» با یادگیری ماشین

پژوهش نخست بازار را به دو حالت «نوسانی در محدوده مشخص» و «روندی» تقسیم می‌کند و با استفاده از داده‌های ۲۵ ساله چهار صندوق قابل معامله در بورس، یعنی SPY، QQQ، DIA و IWM که به‌ترتیب شاخص‌های S&P ۵۰۰، نزدک ۱۰۰، داوجونز صنعتی و شرکت‌های کوچک آمریکا را دنبال می‌کنند، رفتار روز بعد بازار را پیش‌بینی می‌کند. پژوهشگران با آستانه‌های نوسان ۰٫۵، ۰٫۷۵ و ۱ درصد، مدل‌های جنگل تصادفی و شبکه عصبی را آزمودند.

نتایج نشان می‌دهد در آستانه ۰٫۵ درصد، مدل شبکه عصبی نسبت به یک مدل پایه ساده، دقت پیش‌بینی را برای IWM معادل ۱۳٫۴ درصد، برای SPY معادل ۱۵٫۴ درصد، برای QQQ معادل ۴٫۷ درصد و برای DIA معادل ۳٫۲ درصد بهبود بخشید. بهترین عملکرد مدل مربوط به SPY بود که در آستانه‌های ۰٫۷۵ و ۱ درصد به دقت قابل توجهی رسید. به بیان ساده، این یافته‌ها نشان می‌دهد پیش‌بینی شدت حرکت قیمت، اندکی ساده‌تر از پیش‌بینی جهت آن است.

آنتروپی، سنجه‌ای فراتر از نوسان معمول

پژوهش دوم رویکرد متفاوتی دارد و بازارها را به دو حالت «عادی» و «دنباله‌سنگین» تقسیم می‌کند؛ حالتی که احتمال حرکت‌های شدید و غیرمنتظره قیمت در آن بالاست. برای این کار از معیار «آنتروپی» بهره گرفته شده که برخلاف انحراف معیار، تنها میزان پراکندگی قیمت‌ها را نمی‌سنجد، بلکه کل عدم‌قطعیت توزیع بازده، از جمله احتمال رخدادهای نادر و شدید را نیز در بر می‌گیرد.

این روش روی چهار شاخص ایبوسپا برزیل، S&P ۵۰۰ آمریکا، نیکی ژاپن و SSE چین طی سال‌های ۱۹۹۸ تا ۲۰۲۵ آزموده شده است. یافته‌ها نشان می‌دهد دوره‌های دنباله‌سنگین دقیقاً با بحران‌های بزرگ بازار همزمان بوده‌اند؛ از جمله حباب اینترنتی اوایل دهه ۲۰۰۰، بحران مالی جهانی ۲۰۰۸، شوک ناشی از کووید-۱۹ و بحران تعرفه‌ای سال ۲۰۲۵. در این دوره‌ها، معیار آنتروپی و انحراف معیار قیمت‌ها از هم فاصله می‌گیرند و نشان می‌دهند که نوسان به‌تنهایی نمی‌تواند همه ابعاد ریسک بازار را نشان دهد.

پژوهشگران هر دو مطالعه تأکید دارند که این روش‌ها هنوز محدودیت‌هایی دارند و نباید به‌عنوان سیگنال مستقیم برای تصمیم‌های معاملاتی در نظر گرفته شوند. به گفته آن‌ها، کاربرد اصلی این ابزارها بیشتر در حوزه مدیریت ریسک و فیلترکردن شرایط بازار است تا پیش‌بینی مستقیم سود. با این حال، این یافته‌ها می‌تواند به فعالان بازار در درک بهتر شرایط پرنوسان کنونی کمک کند.