تحسين المحفظة متعددة الأفق

تحسين المحفظة متعددة الأفق هو امتداد ديناميكي لاختيار المحفظة وفق متوسط‑التباين يحدد بشكل مشترك سلسلة من أوزان المحفظة وإجراءات التداول عبر عدة فترات زمنية مستقبلية. بدلاً من تحسين مقايضة فترة واحدة بين العائد المتوقع والتباين، يقلل من هدف تراكمي — عادةً مجموع مرجّح للمنافع أو عقوبات المخاطر الخاصة بكل فترة — مع مراعاة قيود الميزانية الديناميكية وتكاليف المعاملات والمعلومات المتطورة. النموذج يوضح صراحةً كيف تتطور تفضيلات المستثمر، وتوقعات السوق، والقيود مع مرور الوقت، مما يتيح بناء محافظ تكون مثالية ليس فقط عند الانطلاق بل أيضًا عند إعادة التحسين المتسلسل.

تعمم هذه الطريقة تحسين ماركويتز الساكن وتُعالج قيوده الأساسية في البيئات الواقعية: فهي تأخذ في الاعتبار الاعتمادية على المسار (مثلاً تأثير صفقات اليوم على مجموعة الفرص غدًا)، وتسمح بتقلب مخاطر الانحياز الزمني أو الانحياز للخسارة، وتدعم إدراج تكاليف المعاملات وإعادة التوازن. تُعد نماذج متعددة الأفق ذات قيمة خاصة للمستثمرين المؤسسين — مثل صناديق الثروة السيادية، وخطط التقاعد، والوقفات — الذين يديرون أصولًا على أفق زمني طويل ومتعدد السنوات ويحتاجون إلى تنسيق احتياجات السيولة المتوسطة مع أهداف النمو على المدى الطويل.

يعتمد تحسين متعدد الأفق على ثلاثة مكوّنات مترابطة: متغيّرات الحالة، ومتغيّرات القرار، ودالة الهدف. تمثل متغيّرات الحالة مجموعة المعلومات المتاحة في كل فترة (مثل مراكز المحفظة الحالية، وأسعار السوق، والمؤشرات الاقتصادية الكلية، وتفضيلات المستثمر). تشمل متغيّرات القرار متجه أوزان المحفظة أو مراكز الأصول التي تُحفظ في كل فترة، وربما حجم الصفقة المنفذة بين الفترات. تجمع دالة الهدف المنافع أو العقوبات الخاصة بكل فترة على مدى أفق التخطيط، وغالبًا ما تُعبّر عن مجموع المنافع المتوقعة للفترات مطروحًا منها حد المخاطرة مضروبًا بمعامل مخاطر زمني متسق.

صيغة شائعة تستخدم هيكلية منفعة متكررة حيث تحقق دالة القيمة عند الزمن t المعادلة التالية:

V_t(S_t) = max_{a_t} { U(S_t, a_t) + β · E[V_{t+1}(S_{t+1}) | S_t, a_t] }

حيث S_t هي الحالة عند الزمن t، a_t هو الإجراء (صفقة أو اختيار محفظة)، U هي المنفعة لفترة واحدة، وβ ∈ (0,1] هو عامل الخصم. تحت منفعة تربيعية وعوائد غاوسية، يتحول هذا إلى مسألة تحسين محدبة في سلسلة أوزان المحفظة، حيث تدخل مصفوفة التباين لعوائد متعددة الفترات في حد المخاطرة.

تُستخدم عدة متغيّرات من تحسين متعدد الأفق في الممارسة العملية، وتُميز بحسب طريقة نمذجتها للتفضيلات والقيود وديناميكيات العائد:

• Time-additive mean-variance: يستخدم مجموع أهداف المتوسط‑التباين لكل فترة بمعامل مخاطر ثابت. سهل التنفيذ لكنه عادةً غير متسق زمنياً ما لم يكن معامل المخاطرة صفرًا.
• متوسط-التباين المتسق زمنياً: يضبط الهدف لضمان التناسق عبر الفترات، غالبًا عبر إعادة تعريف مصطلح المخاطر ليشمل التباين الشرطي لدوال القيمة المستقبلية. ينتج عن ذلك مشكلة تحكم خطية تربيعية.
• أطر النفور من الخسارة: تدمج تفضيلات تعتمد على المرجع (مثل نظرية المنظور) حيث تُحدث الخسائر مقارنةً بمؤشر أو الثروة الأولية عدم ارتياح هامشي أعلى. وهذا ذو صلة خاصة بصناديق الثروة السيادية والالتزامات التقاعدية.
• تحسين متعدد المراحل المتين: يستخدم أشجار السيناريو أو مجموعات الغموض للتحوط ضد عدم اليقين في نماذج توقعات العوائد، مما يقلل الحساسية لأخطاء التقدير في بيئات عالية الأبعاد.

يستخدم المستثمرون المؤسسون تحسين متعدد الأفق لتنسيق تخصيص الأصول الاستراتيجي مع إعادة التوازن التكتيكية والاستثمار القائم على الالتزامات. على سبيل المثال، قد يحدد صندوق تقاعد ثلاث أفق: قصير الأجل (1-2 سنة) لمطابقة التدفقات النقدية والسيولة، متوسط الأجل (3-5 سنوات) لتخصيص المخاطر وتوجيه العوامل، وطويل الأجل (10+ سنوات) للنمو وحماية ضد التضخم. يختار المُحسّن الصفقات عبر الفترات بشكل مشترك لتقليل المجموع المرجّح لخطأ التتبع، والتداول، ومخاطر العجز، مع الالتزام بقيود نسبة التمويل والحدود التنظيمية.

عادةً ما تُنفّذ الخطة وفقًا لنظام الأفق المتداول أو الأفق المتراجع: في كل تاريخ لإعادة التوازن، يُعاد حل الخطة متعددة الفترات بالكامل باستخدام توقعات محدثة وبيانات السوق، ويتم تنفيذ إجراء الفترة الأولى فقط. يحافظ ذلك على القابلية للتنفيذ والمرونة مع الحفاظ على مزايا التخطيط المستقبلي. تُستخدم طرق عددية مثل البرمجة الديناميكية، البرمجة العشوائية، أو التقريب المحدب (مثل تخفيفات SDP) حسب حجم المشكلة وبنيتها.

اعتبر إعدادًا ذا فترتين مع أصلين (الأسهم والسندات)، وثروة أولية W₀، ومتوسطات عوائد معروفة μ₁، μ₂ وتباين Σ عبر الفترات. تكاليف المعاملات نسبية: κ·|Δw| لكل وحدة تغيير في الوزن. يسعى المستثمر إلى تعظيم:

E[U₁] + β·E[U₂]، حيث Uₜ = wₜ′μₜ − (γ/2)·wₜ′Σₜwₜ − κ·|wₜ − wₜ₋₁|

تحلّ الوزن الأمثل للفترة الأولى w₀* برنامجًا ربعيًا يوازن بين العائد الفوري، المخاطر، وتكلفة الالتزام بالصفقات المستقبلية. إذا توقع المُحسّن أن تصبح الأسهم أكثر جاذبية في الفترة الثانية، قد يتحمل وزنًا أوليًا منخفضًا بشكل معتدل—مع العلم أن تكلفة إعادة التوازن ستُعوض بعوائد متوقعة أعلى—في حين أن مُحسّن الفترة الواحدة سيتفاعل بصورة مفرطة مع إشارات الفترة الأولى فقط.

يُدخل تحسين متعدد الأفق عدة مخاطر عملية:

• تضخيم خطأ التوقع: يتطلب تقدير توزيعات العوائد متعددة الفترات افتراضات حول الارتباط المتسلسل وديناميكيات التقلب؛ الأخطاء الصغيرة تتراكم عبر الأفق، مما يؤدي إلى سياسات غير مثالية أو غير مستقرة.
• عبء حسابي: حل برامج متعددة المراحل على نطاق واسع مكلف؛ أشجار السيناريو ذات الفروع العديدة تصبح غير قابلة للمعالجة بعد عدد قليل من الفترات.
• مخاطر النموذج: الصيغ المتسقة زمنياً غالبًا ما تعتمد على المنفعة التربيعية أو العوائد الغاوسية، مما قد يخلّ بتصوير سلوك الذيل والإنحراف.
• الإفراط في التكيّف مع التباينات التاريخية: تقدير التباين عالي الأبعاد يكون مشوشًا، خاصةً عندما تتجاوز الأفق حجم العينة الفعّالة للبيانات التاريخية.

لتخفيف هذه المخاطر، يجمع المتخصصون بين تحسين متعدد الأفق وتقنيات التنظيم (مثل الانكماش، نماذج العوامل)، توليد سيناريوهات متينة، واختبار الضغط ضد مسارات عوائد بديلة.

• إهمال تكاليف المعاملات في التخطيط الديناميكي: اعتبار تحسين متعدد الأفق كسلسلة من المشكلات الثابتة يؤدي إلى تداول مفرط وتدهور الأداء.
• استخدام درجة تجنب المخاطر غير المتسقة عبر الفترات: تطبيق معامل تجنب مخاطر ثابت في هدف متوسط-التباين الزمني الجمع ينتج استراتيجيات قد يرغب المستثمر لاحقًا في التخلي عنها—مما يقوّض مصداقية الخطة.
• تجاهل قيود السيولة: افتراض إمكانية تسويق كامل للصفقات بأسعار متوقعة قد يؤدي إلى جداول إعادة توازن غير قابلة للتنفيذ، خاصةً للأصول غير السائلة.
• عدم توافق الأفق مع صلاحيات اتخاذ القرار: قد يقوم مدير الصندوق بالتحسين على أفق مدته 10 سنوات بينما يُقَيَّم ربع سنويًا، مما يخلق حوافز غير متوافقة وانحرافات متكررة في الخطة.

أفضل الممارسات هي ضبط طول الأفق ومستوى تجنب المخاطر ليتماشى مع دورة اتخاذ القرار الفعلية للمستثمر، والتحقق من مخرجات المُحسّن مقابل مؤشرات مرجعية بسيطة (مثل الشراء والاحتفاظ، الوزن المتساوي) في سيناريوهات خارج العينة.