تا حالا پیش خودت فکر کردی چرا شرکت‌های خیلی بزرگ مثل اپل (AAPL) و مایکروسافت (MSFT)، که هر دوتاشون تو یه صنعت هستن، وقتی آشوب تو بازار پیش میاد، هرکدوم جور دیگه‌ای واکنش نشون می‌دن؟ یعنی با اینکه تو ظاهر تو یه دسته‌بندی هستن، رفتار بازاریشون فرق می‌کنه. خب این یه معماست که روش‌های قدیمی پیدا کردن “جامعه‌ها” تو بازار نمی‌تونن جوابش رو بدن.
معمولاً این روش‌های کلاسیک هر سری میان و شرکت‌ها رو بر اساس این که دیتای زمانیشون (یعنی اطلاعات تغییر قیمتشون تو زمان‌های مختلف) شبیه به همه یا نه، تو یه گروه می‌ذارن. ولی مشکلش اینه که خیلی وقت‌ها این شرکت‌ها تو ظاهر مستقل حرکت می‌کنن و فقط تو موقعیت‌های بحرانی یا خاص می‌بینیم که رفتارشون یهویی با هم هماهنگ می‌شه. این همون چیزی هست که بهش می‌گن سینک یا هم‌زمانی و دی‌سینک یا ناهم‌زمانی؛ یعنی بعضی وقتا حواس خیلی‌ها به هم وصله و بعضیاشون نه.
حالا برای حل این داستان، یه سیستمی اومده به اسم FTSCommDetector که می‌خوام خیلی خودمونی برات توضیح بدم. اسم فنیش رو بخوام بگم: Temporal Coherence Architecture (TCA) یعنی معماری‌ای که سعی می‌کنه تغییرات زمانی رو به شکل منسجم (هم‌سو و هماهنگ) بررسی کنه. این مدل قراره بفهمه چه شرکت‌هایی تو بازه‌های زمانیِ مختلف رفیق و هم‌پا هستن یا برعکس کلاً دنیای خودشونو دارن.
فرقش با رویکردهای قبلی اینه که به جای اینی که هر لحظه رو جدا جدا نگاه کنه (که باعث می‌شه هی گروه‌بندی‌ها تغییر کنه و حسابی سردرد بگیری)، میاد و دیتا رو تو دوتا مقیاس مختلف و با تمرکز روی ساختار ثابت شبکه و توجه پویا به اتفاقات بررسی می‌کنه. یعنی چی؟ یعنی هم ببینه کی تو کل مدت دوست بوده، هم وقتی یهویی شوک اومده تو بازار، کیای دیگه دور هم جمع شدن و رفتار خاص نشون دادن.
یه نکته دیگه که داخل این مدل هست، بحث «بنیان‌های اطلاعاتی» (information-theoretic foundations) هست؛ یعنی میاد با استفاده از اصول نظریٔ اطلاعات، چک می‌کنه که وقتی دیتا رو تو دوتا مقیاس بررسی کنیم، چی از هر کدوم درمیاد و چطور می‌تونیم بهترین اطلاعات رو بگیریم. یه تکنیک دیگه هم معرفی کردن به اسم Normalized Temporal Profiles (NTP) که یعنی یه راه برای ارزیابی که اندازه‌گیری‌های زمانی ما نسبت به بزرگی یا کوچیکی داده مستقل باشه.
وقتی این مدل FTSCommDetector رو روی چهار بازار مالی مختلف تست کردن (مثل SP100، SP500، SP1000 و بازار نیکی ژاپن که از بزرگ‌ترین‌ها دنیا هست)، دیدن که بین ۳.۵ تا ۱۱.۱ درصد بهتر از قوی‌ترین روش‌های فعلی جواب داده. تازه مهم‌تر اینکه تغییرات کارایش فقط ۲٪ بوده اگه بازه تحلیل رو بین ۶۰ تا ۱۲۰ روز بالا و پایین کنیم، یعنی لازم نیست مدام هی مدل رو واسه هر دیتاست جدید تنظیم و تیون کنی (یعنی این مدل حساسیت زیادی به تغییرات ریز نداره و تقریباً کارش رو همیشه خوب انجام می‌ده).
این کار نه فقط از لحاظ تئوری قشنگه، بلکه کمک زیادی به ساخت پرتفوی (یعنی ترکیب سبد سهامی که می‌خریم) و مدیریت ریسک می‌کنه. چون می‌فهمیم کدوم شرکت‌ها تو وقت خطر با هم رفیق می‌شن و چه ربطی می‌تونن به هم داشته باشن!
خلاصه اگر دوست داری تو دنیای بورس و بازارهای مالی رفتاری، هوشمندانه‌تر تحلیل کنی و بفهمی واقعاً چه خبر هست، این سیستم FTSCommDetector حسابی می‌تونه کمکت کنه تا رگ خواب بازار رو بگیری!
منبع: +
