تریدپدیادانشنامهٔ تریدآکا

بازگشت به میانگین چیست و چگونه سنجیده می‌شود؟

اشتراک‌گذاری:

«قیمت دور شد، پس برمی‌گردد»؛ این برداشت، بازگشت به میانگین را قانون بازار فرض می‌کند. شواهد پژوهشی محتاط‌تر است؛ همین پدیده در سهام آمریکا در یک دورهٔ تاریخی دیده شد و در دورهٔ بعد ضعیف بود. این مقاله فرضیهٔ آماری را از استراتژی جدا می‌کند، سنجش آن را با باند بولینگر نشان می‌دهد و مرزهایش را روشن می‌کند.

مسیر خواندن

این مقاله برای معامله‌گری است که می‌خواهد فرضیهٔ آماری بازگشت به میانگین را از استراتژی معاملاتی جدا کند. بعد از آن می‌تواند سراغ باند بولینگر یا دنبال‌کردن روند برود.

در یک نگاه

  • بازگشت به میانگین فرضیهٔ آماری است، نه قانون بازار
  • باند بولینگر پیش‌فرض: میانگین ۲۰ دوره و دو انحراف معیار
  • شواهد پژوهشی به نمونه و دورهٔ آزمون وابسته است
  • در روند قوی، قیمت می‌تواند مدت‌ها روی باند بماند
  • نیمه‌عمر، شدت بازگشت را به زبان ساده می‌سنجد

بازگشت به میانگین یعنی چه و چه فرقی با استراتژی معاملاتی دارد؟

بازگشت به میانگین (Mean Reversion) یعنی قیمت یا بازدهی پس از دور شدن از سطح میانگین خود، تمایل دارد دوباره به آن نزدیک شود. این یک فرضیهٔ آماری است، نه قانون بازار و نه خود استراتژی. شواهد پژوهشی به نمونه و دوره وابسته است و چون میانگین با تأخیر حرکت می‌کند، در روند قوی قیمت می‌تواند دور از آن بماند. فرضیهٔ آماری گزاره‌ای دربارهٔ رفتار یک سری داده است: اگر انحراف قیمت از میانگین گذرا باشد، با گذشت زمان کوچک می‌شود. پژوهشگر این گزاره را با آزمون آماری روی داده‌های گذشته می‌سنجد و پاسخش مشروط است: در این نمونه و این دوره، شواهد هست یا نیست. به زبان ساده، نتیجهٔ آزمون این فرضیه به شما می‌گوید بازار در گذشته چگونه رفتار کرده است، نه اینکه در آینده چه می‌کند. استراتژی معاملاتی لایهٔ دیگری روی همین فرضیه است. استراتژی برای تشخیص انحراف، ورود و خروج، اندازهٔ موقعیت و مدیریت ریسک قاعده تعیین می‌کند و فرض می‌گیرد بازگشت در بازهٔ زمانی معامله رخ می‌دهد. این دو لایه جدا از هم شکست می‌خورند. فرضیه ممکن است در یک نمونهٔ تاریخی تأیید شود و استراتژی ساخته‌شده بر آن باز هم زیان بدهد، چون بازگشت دیرتر از تحمل حساب رخ داده یا در آن دوره اصلاً رخ نداده است. سنجش این ویژگی لازم نیست به یک نماد محدود بماند. داسپرمون (d'Aspremont) پژوهشی با شناسهٔ arXiv:0708.3048 را در اوت ۲۰۰۷ ارسال و در فوریهٔ ۲۰۰۸ بازنگری کرد. این پژوهش دنبال ساخت پرتفویی با بیشترین بازگشت به میانگین و تعداد محدودی دارایی است. نتیجهٔ مفهومی‌اش برای خواننده روشن است: این رفتار را می‌توان در سطح ترکیب چند دارایی هم سنجید، نه فقط روی قیمت یک سهم یا یک جفت‌ارز. [S4]

میانگین و فاصله از آن چگونه سنجیده می‌شود؟

برای سنجش بازگشت به میانگین دو کمیت لازم است: یک سطح مرجع که نقش میانگین را دارد و معیاری برای اینکه قیمت چقدر از آن دور شده است. ابزار متداول برای سطح مرجع میانگین متحرک است و معیار متداول فاصله، انحراف معیار. میانگین متحرک ساده (Simple Moving Average) میانگین حسابی قیمت بسته‌شدن n دورهٔ آخر است که با هر کندل تازه یک دوره جلو می‌رود. انحراف معیار (Standard Deviation) کمیتی آماری است که پراکندگی همان قیمت‌ها را حول میانگین می‌سنجد. هرچه قیمت‌ها نوسان بیشتری داشته باشند، انحراف معیار بزرگ‌تر است. باند بولینگر این دو را در یک ابزار ترکیب می‌کند. به گفتهٔ مستندات TradingView، تنظیم پیش‌فرض آن طول ۲۰ دوره و ضریب ۲ برای انحراف معیار است. سه خط آن چنین ساخته می‌شود:

سه خط باند بولینگر با پارامتر پیش‌فرض TradingView

خطفرمولمعنا
باند میانیSMA(20)سطح مرجع میانگین
باند بالاSMA(20) + 2 × σدو انحراف معیار بالای میانگین
باند پایینSMA(20) − 2 × σدو انحراف معیار زیر میانگین

در این فرمول‌ها SMA(20) میانگین سادهٔ قیمت بسته‌شدن ۲۰ دورهٔ آخر و σ انحراف معیار همان قیمت‌هاست. مرز ابزار و تفسیر را باید جدا نگه داشت. آنچه باند نشان می‌دهد، فاصلهٔ قیمت از میانگین بر حسب واحد نوسان است. آنچه معامله‌گر از آن نتیجه می‌گیرد، یعنی «این فاصله زیاد است و برمی‌گردد»، فرضی است که ابزار تأییدش نمی‌کند. این سنجش وقتی گمراه‌کننده می‌شود که میانگین خودش جابه‌جا شود یا نوسان ناگهان تغییر کند. در آن حالت، سطح مرجع دیگر همان سطحی نیست که قیمت قرار بود به آن برگردد.

باند بولینگر با اعداد فرضی چگونه ساخته می‌شود؟

ساختن دستی باند منطق آن را بهتر از هر تعریف نشان می‌دهد. فرض کنید ۲۰ قیمت بسته‌شدن آخر یک دارایی فرضی را در اختیار دارید و پارامترهای پیش‌فرض را به کار می‌برید. میانگین را M و انحراف معیار را σ بنامید؛ عددهای زیر همه فرضی‌اند.

  1. ۲۰ قیمت را جمع کنید و حاصل را بر ۲۰ تقسیم کنید؛ نتیجه M، یعنی باند میانی است. فرض کنید این میانگین ۵۰ شده است.
  2. فاصلهٔ هر قیمت تا M را حساب کنید، هر فاصله را به توان ۲ برسانید، از این مربع‌ها میانگین بگیرید و از حاصل جذر بگیرید؛ نتیجه σ است. فرض کنید σ برابر ۲ شده است.
  3. باند بالا از M + 2σ برابر ۵۰ + ۴ = ۵۴ و باند پایین از M − 2σ برابر ۵۰ − ۴ = ۴۶ به دست می‌آید.
  4. فاصلهٔ استانداردشدهٔ قیمت آخر P را از رابطهٔ ⁦z = (P − M) / σ⁩ حساب کنید. اگر قیمت آخر فرضی ۵۲ باشد، ⁦z = (۵۲ − ۵۰) / ۲ = ۱⁩ است، یعنی قیمت یک انحراف معیار بالای میانگین است.

کمیت z همان چیزی است که باند به‌صورت تصویری نشان می‌دهد. وقتی قیمت روی باند بالا بسته شود، z برابر ۲ است. روی باند پایین z برابر −۲ است و روی باند میانی صورت کسر و در نتیجه خود z صفر می‌شود. حالا فرض کنید در دورهٔ بعد M همان ۵۰ بماند اما σ دو برابر شود و به ۴ برسد. فاصلهٔ هر باند تا میانگین هم دو برابر می‌شود و باند بالا به ۵۸ می‌رود. قیمت ۵۴ پیش‌تر دقیقاً روی باند بالا بود. در وضعیت تازه، بی‌آنکه خودش تکان بخورد، به ⁦z = ۱⁩ و نیمهٔ راه میانگین تا باند بالا می‌رسد. پس دوری از میانگین در این ابزار همیشه نسبی است: همان فاصلهٔ قیمتی در بازار آرام زیاد و در بازار پرنوسان کم به حساب می‌آید.

نکته

M و σ جای قیمت واقعی نشسته‌اند

این مثال هیچ نماد، تاریخ یا قیمت واقعی ندارد و فقط ساختار محاسبه را نشان می‌دهد. رسیدن z به ۲ توصیف آماری یک فاصله است، نه نشانهٔ ورود یا خروج.

پژوهش‌ها درباره بازگشت به میانگین چه می‌گویند؟

پاسخ کوتاه این است: شواهد وجود دارد، اما به نمونه و دوره وابسته است و پژوهش بعدی بخش مهمی از آن را محدود کرد. دو مقالهٔ کاری NBER این تصویر را به‌خوبی نشان می‌دهند. پوتربا و سامرز در مقالهٔ کاری NBER شمارهٔ ۲۳۴۳ (اوت ۱۹۸۷) آزمون نسبت واریانس را روی بازده سهام آمریکا، بازده ۱۷ کشور دیگر و بازده بنگاه‌های منفرد اجرا کردند. یافتهٔ آن‌ها دو جزء داشت: بازده‌ها در افق کوتاه خودهمبستگی مثبت و در افق بلند خودهمبستگی منفی دارند. خودهمبستگی (Autocorrelation) یعنی ارتباط بازده یک دوره با بازده دوره‌های پیشین. منفی‌بودن آن در افق بلند یعنی دوره‌های بازده بالا تمایل دارند با دوره‌های بازده پایین جبران شوند. این همان شکل آماری بازگشت به میانگین است. همان مقاله برآورد کرد که در نمونهٔ سهام آن پژوهش، مؤلفه‌های گذرای قیمت بیش از نیمی از واریانس بازده‌های ماهانه را توضیح می‌دادند. مؤلفهٔ گذرا بخشی از قیمت است که موقتی است و با زمان محو می‌شود. نویسندگان آزمون نسبت واریانس را از پرتوان‌ترین آزمون‌ها برای تشخیص بازگشت در قیمت سهام می‌دانستند. کیم، نلسون و استارتز در مقالهٔ کاری NBER شمارهٔ ۲۷۹۵ (دسامبر ۱۹۸۸) همین شواهد را بازارزیابی کردند و نسخهٔ منتشرشدهٔ کارشان در ۱۹۹۱ در Review of Economic Studies آمد. طبق نتیجهٔ آن‌ها، شواهد بازگشت به میانگین در بازده سهام آمریکا بسیار ضعیف‌تر از گزارش پیشین است. این پدیده ویژگی بازهٔ ۱۹۲۶–۱۹۴۶ است، نه دورهٔ پس از ۱۹۴۶.

دو پژوهش NBER دربارهٔ بازگشت به میانگین در قیمت سهام

پژوهشنمونه و بازهنتیجهٔ اصلی
NBER ۲۳۴۳ · پوتربا و سامرز (۱۹۸۷)سهام آمریکا ۱۸۷۱–۱۹۸۶؛ ۱۷ کشور دیگر ۱۹۵۷–۱۹۸۵؛ بنگاه‌ها ۱۹۲۶–۱۹۸۵خودهمبستگی مثبت در افق کوتاه، منفی در افق بلند
NBER ۲۷۹۵ · کیم، نلسون و استارتز (۱۹۸۸)سهام آمریکا با تفکیک پیش از ۱۹۲۶، ۱۹۲۶–۱۹۴۶ و پس از ۱۹۴۶شواهد بسیار ضعیف‌تر؛ پدیده در ۱۹۲۶–۱۹۴۶ دیده می‌شود، نه پس از ۱۹۴۶

درس این مقایسه برای معامله‌گر روشن است. نتیجهٔ آزمون آماری رفتار همان داده‌ای را توصیف می‌کند که آزمون رویش اجرا شده است. اگر بخش بزرگی از شواهد از یک دورهٔ خاص بیاید، جداکردن آن دوره می‌تواند نتیجه را عوض کند؛ همان اتفاقی که در بازارزیابی دوم افتاد. این پژوهش‌ها دربارهٔ بازارهای سهام‌اند و از آن‌ها نمی‌توان حکمی مستقیم دربارهٔ فارکس، کریپتو یا یک تایم‌فریم کوتاه گرفت.

نیمه‌عمر چه چیزی را درباره شدت بازگشت نشان می‌دهد؟

نیمه‌عمر (Half-life) نشان می‌دهد که در مدل، نصف‌شدن یک انحراف از میانگین چقدر طول می‌کشد؛ هرچه کوتاه‌تر باشد، بازگشت شدیدتر است. در همان پژوهش arXiv، سری بازگشتی با فرایند اورنشتاین–اولنبک (Ornstein–Uhlenbeck) مدل می‌شود. این فرایند مدلی پیوسته است که در آن متغیر با کششی متناسب با فاصله‌اش از میانگین به سمت آن کشیده می‌شود. نیمه‌عمر در این مدل با این رابطه تعریف می‌شود:

فرمول

τ = log 2 / λ

در این رابطه τ نیمه‌عمر شوک بازار، λ سرعت بازگشت به میانگین و log لگاریتم طبیعی است. رابطه معکوس است: اگر λ بزرگ‌تر شود، نیمه‌عمر کوتاه‌تر می‌شود و انحراف زودتر محو می‌شود. اگر λ به صفر نزدیک شود، نیمه‌عمر بی‌اندازه بلند می‌شود و سری به گام تصادفی (Random Walk) شبیه می‌شود که میانگینی برای بازگشت ندارد. داسپرمون نیمه‌عمر را سنجهٔ شهودی‌تری از شدت بازگشت می‌داند. خود رابطه هم نشان می‌دهد که نیمه‌عمر، برخلاف λ، شدت بازگشت را بر حسب زمان بیان می‌کند. همین پژوهش این سنجه را برای پرتفوی‌های ساخته‌شده از چند دارایی به کار می‌برد.

نکته

نیمه‌عمر خروجی مدل است، نه وعدهٔ زمانی

نیمه‌عمری که برای یک پرتفوی یا نماد برآورد می‌شود، فقط برای همان داده و همان دوره معنا دارد و به دارایی دیگر تعمیم نمی‌یابد. اگر رفتار بازار تغییر کند، λ هم تغییر می‌کند و برآورد قبلی دیگر توصیف درستی نیست.

بازگشت به میانگین چه زمانی شکست می‌خورد؟

بازگشت به میانگین از جمله در این سه وضعیت شکست می‌خورد: وقتی روند قوی شکل می‌گیرد، وقتی خود میانگین جابه‌جا می‌شود و وقتی خبری ارزش دارایی را به‌طور پایدار تغییر می‌دهد. در هر سه، فرض اصلی یعنی گذرا بودن انحراف برقرار نیست.

وقتی روند قوی است

این پیامد ساختار خود ابزار است: وقتی قیمت پیاپی در یک جهت بسته شود، میانگین متحرک با تأخیر دنبالش می‌آید و قیمت می‌تواند مدت‌ها در یک سمت آن و نزدیک باند بیرونی بماند. از نگاه کسی که منتظر بازگشت است، هر لمس باند فرصتی به نظر می‌رسد، در حالی که حرکت ادامه دارد. به همین دلیل نشانه‌های بازگشتی در چنین بازاری پرریسک‌ترند.

وقتی میانگین جابه‌جا می‌شود

میانگین متحرک گذشته را خلاصه می‌کند و با تأخیر به سطح تازه می‌رسد. اگر بازار به سطح قیمتی تازه‌ای منتقل شود، که به آن تغییر رژیم (Regime Shift) می‌گویند، سطح مرجع قدیمی دیگر جایی نیست که قیمت قرار باشد به آن برگردد. کسی که میانگین را ثابت فرض می‌کند، روی سطحی حساب باز کرده که بازار ترکش کرده است.

وقتی خبر ارزش را عوض می‌کند

خبر اقتصادی یا رویداد شرکتی ممکن است ارزش بنیادی یک دارایی را تغییر دهد. فاصله‌ای که پس از چنین خبری ایجاد می‌شود، لزوماً گذرا نیست و آمار گذشته دربارهٔ آن چیزی نمی‌گوید.

هشدار

فاصله از میانگین سقف ندارد

اگر موقعیتی را فقط به امید برگشت قیمت به میانگین باز کنید و بازار وارد روند یا رژیم تازه شود، انحراف می‌تواند بیشتر شود، نه کمتر. در معاملهٔ اهرمی ممکن است بخشی از سرمایه یا همهٔ آن را از دست بدهید.

تفاوت بازگشت به میانگین با دنبال‌کردن روند چیست؟

این دو منطق دربارهٔ یک انحراف واحد، دو فرض متضاد دارند. بازگشت به میانگین فرض می‌کند انحراف گذراست و کوچک می‌شود؛ دنبال‌کردن روند فرض می‌کند حرکتی که شروع شده، ادامه می‌یابد. وقتی قیمت به باند بالا می‌رسد، اولی آن را نشانهٔ کشش بیش از حد می‌خواند و دومی نشانهٔ قدرت حرکت. تفاوت دوم در محیطی است که هر منطق در آن معنا پیدا می‌کند. منطق بازگشتی با بازار رنج سازگارتر است، جایی که قیمت میان دو سطح نوسان می‌کند و میانگین تقریباً افقی می‌ماند. منطق روندی به بازاری نیاز دارد که میانگینش جابه‌جا می‌شود. همین منطق در بازار رنج با حرکت‌های کوتاهی روبه‌رو می‌شود که ادامه پیدا نمی‌کنند. در نمونه‌های پوتربا و سامرز، این دو رفتار در یک داده کنار هم برآورد شدند: خودهمبستگی مثبت در افق کوتاه به ادامهٔ حرکت شبیه است و خودهمبستگی منفی در افق بلند، شکل بازگشت است. بازارزیابی بعدی البته بخش بازگشتی این شواهد را به یک دورهٔ خاص محدود کرد. پس این دو منطق لزوماً رقیب هم نیستند و ممکن است در افق‌های زمانی متفاوت برقرار باشند. هیچ‌کدام بر دیگری برتری ذاتی ندارد. انتخاب میان آن‌ها به این بستگی دارد که بازار مورد نظر در افق زمانی شما کدام رفتار را نشان می‌دهد. پاسخ این پرسش با آزمون روی داده به دست می‌آید، نه با پیش‌فرض.

کدام اشتباه‌ها در استفاده از بازگشت به میانگین رایج است؟

بیشتر خطاها از یکی‌گرفتن فرضیه با استراتژی می‌آیند. خطاهای رایج این‌هاست:

  • ورود فقط چون قیمت به باند پایین رسیده است: لمس باند فاصله را می‌سنجد و دربارهٔ روند چیزی نمی‌گوید؛ در روند نزولی قوی، باند پایین می‌تواند بارها لمس شود.
  • فرض ثابت‌بودن میانگین: وقتی بازار سطح تازه‌ای می‌سازد، میانگین قدیمی معیار نیست و فاصلهٔ ظاهراً زیاد ممکن است آغاز رژیم جدید باشد.
  • تعمیم یک نتیجهٔ پژوهشی به همهٔ بازارها: یافتهٔ یک نمونهٔ سهام در یک دوره، دربارهٔ دارایی و دورهٔ دیگر حکم نمی‌دهد.
  • آزمودن قاعده فقط روی یک دوره: نتیجهٔ خوب روی داده‌ای که رفتار بازگشتی داشته، ممکن است در دورهٔ بعد تکرار نشود.
  • نداشتن مرز خروج: انحرافی که گذرا فرض شده، اگر گذرا نباشد، زیان را باز نگه می‌دارد.

دو خطای آخر به ابزارهای سنجش و کنترل ریسک برمی‌گردند. بک‌تست وقتی معنا دارد که دوره‌هایی با رفتار متفاوت را هم بپوشاند. حد ضرر مرزی است که از قبل مشخص می‌کند فرض گذرا بودن انحراف در چه نقطه‌ای رد شده است. هیچ‌کدام بازگشت را تضمین نمی‌کند. بک‌تست فقط نادرستی فرض را در داده‌های گذشته آشکار می‌کند. حد ضرر زیان را محدود می‌کند، هرچند شکاف قیمتی یا لغزش ممکن است زیان را از سطح تعیین‌شده بیشتر کند.

یک تذکر لازم

هرچه اینجا می‌خوانید آموزشی است — نه سیگنالِ ترید، نه توصیهٔ خرید و فروش، نه وعدهٔ نتیجه. تصمیم آخر با خود شماست.

پرسش‌های پرتکرار

استراتژی بازگشت به میانگین چگونه کار می‌کند؟
این استراتژی ابتدا یک سطح مرجع، مثل میانگین متحرک، تعریف می‌کند و فاصلهٔ قیمت از آن را با معیاری مثل انحراف معیار می‌سنجد. وقتی فاصله از آستانهٔ تعیین‌شده بیشتر شود، معامله‌گر فرض می‌کند انحراف گذراست و موقعیتی در جهت میانگین در نظر می‌گیرد. قاعدهٔ خروج و حد ضرر بخش جدانشدنی آن است، چون فرض گذرا بودن ممکن است درست نباشد.
آیا بازگشت به میانگین همیشه کار می‌کند؟
نه. این پدیده به نمونه، دوره و رفتار بازار وابسته است. در سهام آمریکا، بازارزیابی مقالهٔ کاری NBER شمارهٔ ۲۷۹۵ نشان داد شواهد آن در بازهٔ ۱۹۲۶–۱۹۴۶ دیده می‌شود، ولی پس از ۱۹۴۶ نه. در بازار روندی یا پس از تغییر رژیم هم سطح میانگین جابه‌جا می‌شود و انحراف ممکن است گذرا نباشد. هر کاربرد باید روی همان بازار و افق زمانی سنجیده شود.
بازگشت به میانگین با باند بولینگر چطور است؟
باند بولینگر با تنظیم پیش‌فرض TradingView، یعنی میانگین متحرک سادهٔ ۲۰ دوره و دو انحراف معیار بالا و پایین آن، فاصلهٔ قیمت از میانگین را بر حسب نوسان نشان می‌دهد. نزدیکی قیمت به باند بیرونی یعنی انحراف نسبتاً بزرگ است، نه اینکه بازگشت قطعی باشد. باند فقط ابزار سنجش است و تصمیم معاملاتی به قاعده‌های جداگانه نیاز دارد.
معایب و ریسک استراتژی بازگشت به میانگین چیست؟
ریسک اصلی این است که انحراف گذرا نباشد. در روند قوی، میانگین با تأخیر دنبال قیمت می‌آید، پس قیمت می‌تواند دور از آن بماند و فاصله بیشتر شود. در تغییر رژیم، میانگین قدیمی بی‌اعتبار می‌شود. شواهد تاریخی هم در همهٔ دوره‌ها یکسان نیست. اگر بدون مرز خروج یا با اهرم بالا معامله کنید، چند انحراف پیاپی می‌تواند بخش بزرگی از حساب را از بین ببرد.

واژه‌های این مقاله

منابع

این مقاله با کمکِ ابزارهای هوش مصنوعی تهیه شده است. سیاست تحریریه

دیدگاه خود را ارسال کن

ارسال دیدگاه

مطالب مرتبط

دیدگاه‌ها (۰)

هنوز دیدگاهی ثبت نشده؛ اولین نفر باش.

ارسال دیدگاه

دیدگاه‌ها پیش از انتشار بررسی می‌شوند. به پرسش‌های معاملاتی پاسخ نمی‌دهیم و سیگنال نمی‌دهیم.

دوره‌های آموزش تریدآکا

دورهٔ بعدی یادگیری‌ات را پیدا کن

دوره‌ها را ببین، سبک‌ها را مقایسه کن و آموزش مناسب خودت را انتخاب کن.

مشاهده همه دوره‌ها
ادامهٔ مسیر تو

قدم بعدی را انتخاب کن

مسیر یادگیریت را پیدا کن

راهنمای شروع، انتخاب سبک و ترتیب یادگیری دوره‌ها را متناسب با هدفت ببین.

دیدن مسیر یادگیری

سبک معامله‌گریت را بشناس

با تست Trader DNA، الگوی تصمیم‌گیری و سبک‌های نزدیک‌تر به خودت را بشناس.

شناخت DNA معاملاتی

مقایسهٔ پلن‌ها

پوشش دوره‌ها و شرایط اشتراک طلایی و الماس را کنار هم مقایسه کن.