كيفية حساب الارتباط المتدحرج في إكسيل

يُمثل تحليل العلاقات التبادلية بين المتغيرات عبر الزمن أحد الركائز الجوهرية في علم الإحصاء التطبيقي، والاقتصاد القياسي، والتحليل المالي المتقدم. في بيئات الأعمال المعاصرة والأسواق المالية سريعة التغير، لا تظل العلاقات بين الظواهر الاقتصادية أو التسويقية أو التشغيلية ثابتة، بل تخضع لتحولات هيكلية مستمرة مدفوعة بالدورات الاقتصادية، وتغير سلوك المستهلكين، والأزمات الجيوسياسية، والتطورات التكنولوجية. من هنا، يبرز قصور مقاييس الارتباط التقليدية الثابتة التي تفترض استقرار العلاقة على مدار كامل العينة، مما قد يؤدي إلى استنتاجات مضللة تُخفي التغيرات الدقيقة في طبيعة الارتباط وقوته عبر الزمن.

يقدم مفهوم الارتباط المتدحرج (Rolling Correlation) إطاراً ديناميكياً متقدماً يمكن المحللين من رصد تطور العلاقات بين السلاسل الزمنية لحظة بلحظة، من خلال حساب معامل الارتباط عبر نوافذ زمنية متحركة ذات أطوال محددة. يتيح هذا النهج التمييز الدقيق بين الارتباطات الهيكلية طويلة الأجل والتقلبات العابرة الناتجة عن الصدمات المؤقتة. يُعد برنامج مايكروسوفت إكسيل (Microsoft Excel) بيئة مثالية وشائعة لتطبيق هذه الحسابات بكفاءة عالية، نظراً لمرونة دواله الحسابية، وتوفر أدوات النمذجة المتقدمة، وإمكانات التمثيل البصري الفعالة التي تجعل النتائج الإحصائية المعقدة قابلة للفهم والاستخدام التنفيذي المباشر.

يهدف هذا الدليل الشامل والمفصل إلى تقديم مرجع أكاديمي وتطبيقي متكامل حول كيفية حساب، وتحليل، وتفسير الارتباط المتدحرج في بيئة إكسيل. سنستعرض الأسس الرياضية والنظرية لمعامل ارتباط بيرسون، والآليات الإجرائية لبناء النوافذ الزمنية القصيرة والطويلة، مروراً بالتقنيات المتقدمة للأتمتة باستخدام الدوال الديناميكية، وصولاً إلى التمثيل البصري الاحترافي، وحل المشكلات الحسابية، وتطبيق ذلك عملياً عبر دراسات حالة تطبيقية واقعية تعزز دقة اتخاذ القرار المبني على البيانات.

1. مقدمة تأسيسية حول الارتباط المتدحرج في تحليل السلاسل الزمنية

1.1 مفهوم الارتباط المتدحرج والفرق بينه وبين الارتباط الساكن

يُعرَّف معامل الارتباط الخطي الكلاسيكي، والمعروف رياضياً بمعامل بيرسون، بأنه مقياس إحصائي يُعبر عن درجة واتجاه العلاقة الخطية بين متغيرين كميين. تتراوح قيمة هذا المعامل بين (+1) و(-1)، حيث يعكس الرقم الموجب علاقة طردية، بينما يعكس الرقم السالب علاقة عكسية، ويشير الصفر إلى انعدام العلاقة الخطية. وعلى الرغم من الأهمية البالغة لهذا المقياس في الإحصاء الوصفي، إلا أن تطبيقه التقليدي يعتمد على فرضية ضمنية تفترض استقرار التوزيع المشترك للمتغيرات (Stationarity) وثبات العلاقة الهيكلية عبر كامل الفترة الزمنية قيد الدراسة. هذا الارتباط “الساكن” أو الإجمالي يقدم رقماً متوسطاً واحداً يختزل مئات أو آلاف النقاط الزمنية، مما يؤدي بالضرورة إلى طمس الفترات التي تلاشت فيها العلاقة، أو انعكست، أو تضاعفت قوتها.

في المقابل، يمثل الارتباط المتدحرج (Rolling Correlation) منهجية ديناميكية تنتمي إلى عائلة تحليلات السلاسل الزمنية، حيث يتم تقييم معامل الارتباط بشكل متكرر عبر فترة زمنية جزئية ثابتة الحجم تُعرف بـ “النافذة الزمنية” (Time Window). مع تدفق البيانات عبر الزمن، تتحرك هذه النافذة خطوة زمنية واحدة للأمام، متضمنة الملاحظة الأحدث ومستبعدة الملاحظة الأقدم، مما يولد سلسلة زمنية جديدة تماماً تتكون من قيم معاملات الارتباط المتعاقبة. تُمكن هذه الآلية الباحث من مراقبة المسار الزمني للعلاقة، ورصد فترات عدم الاستقرار، واكتشاف التحولات الهيكلية التي تطرأ على التفاعل بين المتغيرات، مثل تحول العلاقة بين التضخم وأسعار الفائدة، أو بين عوائد الأسهم والذهب في أوقات الأزمات المالية.

تعتمد حساسية النتائج وجودتها التفسيرية بشكل حاسم على تحديد حجم النافذة الزمنية (Window Size). فالنوافذ الزمنية الصغيرة تجعل المقياس فائق الحساسية للصدمات قصيرة الأجل والضوضاء العشوائية، مما قد يعطي إشارات مضللة حول تغيرات جذرية في العلاقة. من ناحية أخرى، تؤدي النوافذ الزمنية الواسعة جداً إلى تمهيد مفرط (Over-smoothing) للبيانات، مما يعيد إنتاج عيوب الارتباط الساكن ويؤخر رصد نقاط التحول الحرجة. لذلك، تتطلب الممارسة المنهجية السليمة موازنة دقيقة بين حساسية الالتقاط واستقرار الاتجاه العام بما يتوافق مع التردد الزمني للبيانات وطبيعة الظاهرة المدروسة.

1.2 القيمة المنهجية والتطبيقية للارتباط المتدحرج

تتجلى القيمة التطبيقية للارتباط المتدحرج في قدرته الاستثنائية على الكشف عن عدم الاستقرار المنهجي في العلاقات الارتباطية، وهو أمر بالغ الأهمية في النمذجة الاقتصادية والمالية. في أسواق رأس المال، على سبيل المثال، يعتمد نموذج تسعير الأصول الرأسمالية (CAPM) ونظرية المحفظة الحديثة على معاملات الارتباط بين الأصول لتنويع المخاطر. ومع ذلك، أثبتت الدراسات التجريبية أن معاملات الارتباط بين فئات الأصول ترتفع بشكل حاد نحو (+1) خلال فترات الذعر والانهيارات السوقية (Contagion Effect)، مما يفقد استراتيجيات التنويع التقليدية فاعليتها تماماً في اللحظات الأكثر حاجة إليها. يساعد التحليل المتدحرج مديري الصناديق في مراقبة هذا “الارتباط المشروط بالأزمات” وإعادة موازنة المحافظ بصورة استباقية.

يمتد تطبيق هذا المقياس إلى مجالات الأعمال وتحليل البيانات التجارية والسلوكية. ففي قطاع التجزئة، قد تظهر علاقة ارتباط قوية وإيجابية بين الإنفاق الإعلاني وحجم المبيعات عند احتسابها على مدار العام بالكامل، بينما يكشف التحليل المتدحرج بنافذة مدتها شهرين أن هذا الارتباط ينحصر في مواسم العطلات والتخفيضات الكبرى، في حين ينخفض إلى مستويات تقارب الصفر في فترات الركود الموسمي. يوفر هذا الفهم التفصيلي لصناع القرار رؤى استراتيجية دقيقة حول الفترات الزمنية ذات العائد الحقيقي على الاستثمار التسويقي وتجنب الهدر المالي في الفترات غير المتجاوبة.

علاوة على ذلك، يمثل الارتباط المتدحرج أداة تشخيصية فعالة لتفادي الوقوع في فخ الارتباط الزائف (Spurious Correlation)، وهو الارتباط الناتج عن وجود اتجاه عام مشترك (Common Trend) بين سلسلتين غير مرتبطتين سببياً، أو الناتج عن طفرات إحصائية شاذة استمرت لفترة وجيزة وشوهت المتوسط الإجمالي. ومن خلال دمج السلاسل الزمنية المتدحرجة كمدخلات وميزات (Features) داخل نماذج التعلم الآلي والنمذجة التنبؤية، يتم تعزيز قدرة النماذج على التكيف الذاتي مع التغيرات في بنية السوق وتوليد تنبؤات أكثر دقة وموثوقية.

2. الأسس الرياضية والإحصائية لحساب معامل الارتباط المتدحرج

2.1 معامل ارتباط بيرسون: الاشتقاق الرياضي

يرتكز الارتباط المتدحرج في جوهره على تطبيق متسلسل لمعامل ارتباط بيرسون للعزم والجداء (Pearson Product-Moment Correlation Coefficient) داخل كل نافذة زمنية معزولة. رياضياً، يُعبر معامل الارتباط $r$ بين متغيرين $X$ و $Y$ عن حاصل قسمة التباين المشترك (Covariance) بينهما على حاصل ضرب انحرافيهما المعياريين (Standard Deviations). يمكن التعبير عن الصيغة الرياضية التقليدية للعينة المكونة من $n$ من المشاهدات على النحو التالي:

$$r = \frac{\sum_{i=1}^{n} (X_i – \bar{X})(Y_i – \bar{Y})}{\sqrt{\sum_{i=1}^{n} (X_i – \bar{X})^2 \sum_{i=1}^{n} (Y_i – \bar{Y})^2}}$$

حيث تمثل $\bar{X}$ و $\bar{Y}$ المتوسطات الحسابية للمتغيرين ضمن العينة المعنية. يتميز هذا المقياس بخاصية الثبات الرياضي ضد التغيرات الخطية في المقاييس (Scale Invariance)، مما يعني أن تغيير وحدات القياس (كالتحويل من الدولار إلى اليورو، أو من الأمتار إلى الكيلومترات) لا يغير من قيمة $r$. تعكس الحدود الرياضية للمقياس، المحصورة بدقة بين$[-1, +1]$، درجة تطابق التغيرات النسبية؛ فالقيمة$+1$ تعني أن جميع نقاط البيانات تقع بدقة متناهية على خط مستقيم ذي ميل موجب، في حين تشير القيمة $-1$ إلى وقوعها على خط مستقيم ذي ميل سالب.

من الناحية الإحصائية المنهجية، يستند معامل ارتباط بيرسون إلى افتراضات أساسية تشمل: الخطية في العلاقة بين المتغيرين، والاتصال الكمي للبيانات (Interval or Ratio Scale)، والتوزيع الطبيعي ثنائي المتغير (Bivariate Normal Distribution)، وغياب القيم الشاذة المتطرفة التي يمكن أن تؤثر بشكل غير متناسب على البسط (التباين المشترك) أو المقام (الانحرافات المعيارية). عند حساب هذا المعامل عبر نوافذ متحركة، يجب على المحلل أن يدرك أن كل نافذة تمثل مجتمعاً إحصائياً مصغراً يخضع لنفس هذه القيود والشروط الرياضية لضمان مصداقية النتائج المشتقة.

2.2 آلية عمل النوافذ المتدحرجة رياضياً

تعتمد الآلية الرياضية لحساب السلسلة الزمنية للارتباط المتدحرج على تحريك نافذة فرعية ذات حجم ثابت $k$ عبر سلسلة زمنية كلية يبلغ طولها الإجمالي $N$، حيث يمثل$t$ المؤشر الزمني اللحظي. عند كل نقطة زمنية $t$ (بحيث يكون $t ge k$)، يتم حساب معامل الارتباط $r_t$ باستخدام فقط المجموعة الجزئية من البيانات المحصورة في النطاق الزمني المتراجع: ${X_i, Y_i}_{i=t-k+1}^{t}$. يتم التعبير عن هذا الحساب بالصيغة الديناميكية:

$$r_t = \text{Corr}\left({X_{t-k+1}, dots, X_t}, {Y_{t-k+1}, dots, Y_t}\right)$$

ينتج عن هذه العملية سلسلة زمنية جديدة ذات طول يساوي $(N – k + 1)$، بينما تظل الفترات الابتدائية الأولى، وعددها $(k – 1)$، غير معرفة حسابياً نظراً لعدم توفر الحجم الكافي من البيانات لتغطية النافذة المحددة. تفرض هذه الآلية اعتبارات إحصائية دقيقة ترتبط بـ درجات الحرية (Degrees of Freedom)، والتي تساوي داخل كل نافذة $(k – 2)$. إذا كان حجم النافذة $k$ صغيراً جداً (مثل $k = 3$ أو $k = 4$)، فإن درجات الحرية تنخفض بشكل حاد، مما يجعل اختبار الدلالة الإحصائية لقيمة الارتباط عبر توزيع ستيودنت التائي (t-distribution) يتطلب قيماً حرجة مرتفعة للغاية لإثبات أن الارتباط يختلف معنوياً عن الصفر.

تنشأ هنا معضلة المفاضلة المنهجية (Trade-off) بين الحساسية اللحظية والخطأ المعياري للتقدير. فالنوافذ القصيرة تمتلك ميزة سرعة الاستجابة الزمنية للأحداث الصادمة والتحولات المفاجئة، ولكنها تعاني من تباين إحصائي مرتفع (High Variance) وانخفاض في القوة الاختبارية. على النقيض من ذلك، توفر النوافذ الطويلة تقديراً أكثر استقراراً وموثوقية إحصائية بفضل زيادة درجات الحرية، لكنها تُدخل تأخيراً زمنياً (Lag Effect) في التقاط نقاط الانعكاس، حيث يستمر تأثير الصدمات المنتهية داخل النافذة لفترة طويلة بعد زوالها الفعلي حتى تخرج تماماً من حدود النطاق المحسوب.

3. إعداد وتنظيم السلاسل الزمنية في بيئة إكسيل

3.1 هيكلة البيانات الزمنية بشكل قياسي

يمثل التجهيز المنهجي والهيكلي للبيانات في مايكروسوفت إكسيل الخطوة التأسيسية الأكثر أهمية لضمان سلامة العمليات الحسابية وتجنب الأخطاء التراكمية. يتطلب الحساب الدقيق للارتباط المتدحرج ترتيب البيانات في جدول ثنائي الأبعاد ذي بنية عمودية متسقة (Tidy Data Structure). يجب تخصيص العمود الأول دائماً للطابع الزمني (التاريخ أو الوقت)، مع ضرورة التأكد من ضبط تنسيق الخلايا بصيغة تاريخ قياسية معترف بها في النظام (مثل `YYYY-MM-DD` أو `DD/MM/YYYY`) وتجنب إدخال التواريخ كنصوص غير مهيكلة لتفادي مشاكل الفرز والربط البرمجي.

يجب تخصيص الأعمدة المجاورة للمتغيرات الكمية المستهدفة بالدراسة (مثل المتغير الأول $X$ في العمود $B$، والمتغير الثاني$Y$ في العمود $C$)، مع إدراج رؤوس أعمدة واضحة وموجزة في الصف الأول. من الضروري جداً التأكد من فرز الجدول زمنياً بترتيب تصاعدي صارم (من الأقدم إلى الأحدث)، حيث إن حسابات النوافذ المتدحرجة تعتمد بالكامل على تتابع زمني منتظم؛ وأي خلل في ترتيب السجلات سيؤدي إلى خلط النوافذ الحسابية وتشويه مسار الارتباط الزمني بصورة كلية.

تعتبر مسألة التزامن الزمني (Time Synchronization) بين السلسلتين ركيزة حاسمة في مرحلة الإعداد. يجب التأكد من أن كل صف في الجدول يحتوي على مشاهدات المتغيرين المسجلة في نفس النقطة الزمنية بدقة. في البيانات المالية، على سبيل المثال، قد تغلق بعض الأسواق في أيام عطلات رسمية بينما تظل أسواق أخرى مفتوحة، مما يخلق صفوفاً تحتوي على بيانات لأحد المتغيرين دون الآخر. في مثل هذه الحالات، يجب توحيد التقويم الزمني وحذف الأيام غير المشتركة أو استخدام تقنيات استكمال السلاسل المناسبة لضمان المقارنة الآنية العادلة.

3.2 فحص سلامة البيانات قبل بدء العمليات الحسابية

قبل الشروع في كتابة الصيغ الحسابية، يجب إجراء تدقيق إحصائي شامل لفحص سلامة البيانات واكتشاف العيوب الهيكلية التي قد تُفسد مخرجات دالة الارتباط. تتمثل المشكلة الأولى في القيم المفقودة (Missing Values). على الرغم من أن دالة `CORREL` في إكسيل تتجاهل تلقائياً الأزواج التي تحتوي على خلايا نصية أو فارغة، إلا أن وجود خلايا فارغة متفرقة يقلل فعلياً من حجم النافذة الفعلي المحسوب لكل صف دون تنبيه المستخدم، مما يولد تذبذباً خفياً في درجات الحرية الإحصائية عبر السلسلة.

المشكلة الثانية تتعلق بـ القيم الشاذة والمتطرفة (Outliers) الناتجة عن أخطاء في الإدخال أو أحداث استثنائية حادة. نظراً لأن معامل بيرسون يعتمد على انحرافات القيم عن المتوسط وتربيعها في المقام، فإن قيمة شاذة واحدة ضمن نافذة زمنية قصيرة كفيلة بتحويل معامل الارتباط من إيجابي قوي إلى سلبي قوي أو العكس بشكل زائف تماماً. ينبغي فحص البيانات بصرياً عبر المخططات المبعثرة (Scatter Plots) أو إحصائياً بحساب الدرجات المعيارية (Z-Scores) لتحديد ما إذا كانت هناك قيم تتطلب التنظيف أو التعديل المنهجي.

كذلك، يجب التحقق من عدم وجود فجوات في الفترات الزمنية الممثلة داخل الجدول؛ فإذا كانت البيانات شهرية، يجب التأكد من عدم سقوط أي شهر من السلسلة. وجود فجوة زمنية غير مرصودة يعني أن النافذة المتدحرجة التي تفترض الربط بين ثلاثة أشهر متتالية قد تقارن في الواقع بين فترات متباعدة زمنياً، مما يخل بالمفهوم النظري لحساب النوافذ المتحركة. يُفضل استخدام التنسيق الشرطي (Conditional Formatting) لتحديد الخلايا الفارغة أو غير المتزامنة فورياً قبل الانتقال إلى مرحلة النمذجة الرياضية.

4. حساب الارتباط المتدحرج لنافذة زمنية قصيرة (3 أشهر) باستخدام دالة CORREL

4.1 صياغة واستخدام دالة CORREL الأساسية

تُعد دالة `CORREL` الدالة القياسية المدمجة في مايكروسوفت إكسيل لحساب معامل ارتباط بيرسون بين مصفوفتين من البيانات. تتطلب الدالة وسيطين إجباريين فقط، وتأتي بالصيغة التركيبية الآتية: `=CORREL(array1, array2)`. يشير الوسيط الأول إلى نطاق الخلايا الممثل للمتغير المستقل أو الأول، في حين يمثل الوسيط الثاني نطاق الخلايا المقابل تماماً للمتغير الثاني. يشترط لعمل الدالة بصورة سليمة أن يتطابق النطاقان في الحجم والأبعاد (نفس عدد الصفوف والأعمدة)، وإلا سترجع الدالة خطأ عدم تطابق الأبعاد `#N/A`.

لحساب ارتباط متدحرج لنافذة زمنية قصيرة مدتها 3 أشهر على بيانات مرتبة شهرياً، يبدأ التطبيق العملي من خلال تحديد نقطة البداية المنطقية في ورقة العمل. بافتراض أن التواريخ تبدأ في الخلية `A2`، وقيم المتغير الأول في النطاق `B2:B21`، وقيم المتغير الثاني في النطاق `C2:C21`، فإن أول نافذة مكتملة تغطي ثلاثة أشهر تتطلب توفر بيانات الصفوف (2، 3، 4). بناءً على ذلك، يجب ترك الخليتين `D2` و `D3` فارغتين تماماً (أو وضع رمز يعبر عن عدم اكتمال الفترة)، وتُكتب المعادلة الأولى في الخلية `D4` المقابلة لنهاية النافذة الأولى.

تتم كتابة الصيغة الحسابية في الخلية `D4` بالشكل الآتي: `=CORREL(B2:B4, C2:C4)`. في هذه الصيغة، يقوم إكسيل بحساب متوسطات وانحرافات النطاقين المحددين للأشهر الثلاثة الأولى وتطبيق معادلة بيرسون الرياضية بدقة لاستخراج قيمة معامل الارتباط لهذه الفترة المحددة. يجب الانتباه إلى عدم تثبيت النطاقات بعلامة الدولار (`$`)، حيث يعتمد الحساب المتدحرج على ترك المراجع نسبية للسماح لها بالتحرك التلقائي مع السلسلة الزمنية.

4.2 تعميم المعادلة عبر السلسلة الزمنية

بمجرد إدخال الصيغة بنجاح في الخلية الأولى المكتملة `D4`، يتم تعميم الحساب على باقي السلسلة الزمنية باستخدام آلية السحب والإفلات عبر مقبض التعبئة (Fill Handle)، أو بالنقر المزدوج على المربع الصغير في الزاوية السفلية اليسرى (أو اليمنى حسب اتجاه الواجهة) من الخلية المحددة. ينتج عن هذه العملية نسخ الصيغة إلى الخلايا التالية (`D5`، `D6`، … وحتى نهاية الجدول في الخلية `D21`).

يعتمد نجاح هذا التعميم على فهم مبدأ المراجع النسبية (Relative References) في إكسيل. فعند انتقال الصيغة من الصف 4 إلى الصف 5، يقوم إكسيل تلقائياً بترحيل نطاق الحساب بمقدار صف واحد إلى الأسفل، لتتحول الصيغة في `D5` إلى `=CORREL(B3:B5, C3:C5)`. تُسقط هذه الصيغة الجديدة بيانات الشهر الأول (`B2, C2`) من الحساب، وتُدخل بيانات الشهر الرابع (`B5, C5`)، محتفظة بحجم النافذة الثابت المكون من 3 أشهر بدقة متناهية.

لضمان الجودة الحسابية ومنع الانزياح غير المقصود، يجب مراجعة الصيغ في خلايا عشوائية عبر السلسلة، والتأكد بالضغط على مفتاح `F2` من أن النطاق الملون المحدد في ورقة العمل يُطابق بدقة الأشهر الثلاثة المنتهية عند ذلك الصف. تولد هذه العملية في العمود `D` مساراً بيانياً متسلسلاً يعكس السلوك الديناميكي اللحظي للعلاقة بين المتغيرين على المدى القصير، مما يوفر رؤية سريعة حول مدى استجابة العلاقة للتقلبات الفورية.

5. توسيع حجم النافذة الزمنية: حساب الارتباط المتدحرج لـ 6 أشهر وأكثر

5.1 تعديل الصيغ لحساب النوافذ الأطول

عند الرغبة في تقليل الضوضاء العشوائية ورصد الاتجاهات الهيكلية الأكثر استقراراً، يلجأ المحللون إلى توسيع حجم النافذة الزمنية، كاستخدام نافذة مدتها 6 أشهر أو 12 شهراً. يتطلب هذا التوسيع تعديلاً منهجياً في موضع أول خلية حسابية في ورقة العمل. في حالة نافذة الـ 6 أشهر، لا يمكن إجراء الحساب الأول إلا عند توفر ستة صفوف كاملة من البيانات، مما يعني أن الحساب يبدأ من الصف المقابل للشهر السادس (الخلية `E7` إذا كانت البيانات تبدأ من الصف 2).

تتم صياغة المعادلة في الخلية `E7` على النحو الآتي: `=CORREL(B2:B7, C2:C7)`. تلتقط هذه الصيغة التباين المشترك والانحرافات المعيارية عبر فترة أطول تشمل المشاهدات من الشهر الأول حتى السادس. يتم بعد ذلك سحب الصيغة لأسفل لتصبح في الخلية `E8` كالتالي: `=CORREL(B3:B8, C3:C8)`، وهكذا دواليك حتى نهاية السلسلة الزمنية، مما ينشئ عموداً موازياً يمثل الارتباط المتدحرج متوسط الأجل.

من الضروري التأكد من التنسيق الهندسي المتوازي للبيانات؛ حيث يجب أن تظل الخلايا من `E2` إلى `E6` فارغة تماماً لتعكس “فترة الإحماء” أو التأسيس للنافذة (Warm-up Period). يؤدي إدخال أي معادلات جزئية في تلك الخلايا العلوية إلى تشويه المقارنة المنهجية، نظراً لاختلاف أحجام العينات ودرجات الحرية بين الصفوف الأولى وبقية السلسلة الزمنية.

5.2 المقارنة التحليلية بين نوافذ 3 أشهر و6 أشهر

يُبرز التحليل المقارن بين مخرجات نافذة الـ 3 أشهر ونافذة الـ 6 أشهر فروقاً جوهرية في الاستجابة والدلالة التفسيرية. تتميز نافذة الـ 3 أشهر بحساسية فائقة ورد فعل فوري للتقلبات الآنية، مما يجعلها أداة ممتازة للمتداولين والمحللين الذين يبحثون عن إشارات تحذيرية مبكرة حول تفكك العلاقات الارتباطية أو انعكاسها المفاجئ. ومع ذلك، فإن عيبها الرئيسي يكمن في كثرة “الإشارات الخاطئة” الناتجة عن التذبذبات العشوائية قصيرة المدى وتأثرها الشديد بالقيم الفردية الشاذة.

على الجانب الآخر، توفر نافذة الـ 6 أشهر تمهيداً زمنياً ممتازاً (Statistical Smoothing) يخفف من حدة الضوضاء ويعزل المسار الهيكلي الحقيقي للعلاقة. توفر هذه النافذة الموسعة استقراراً أكبر في التقدير الإحصائي بفضل ارتفاع درجات الحرية ($df = 6 – 2 = 4$) مقارنة بنافذة الثلاثة أشهر ($df = 3 – 2 = 1$). هذا الاستقرار يجعلها أكثر ملاءمة للتخطيط المالي الاستراتيجي، وتقييم السياسات التسويقية طويلة الأجل، وإدارة المخاطر المؤسسية.

يوضح الجدول المقارن الآتي الخصائص الإحصائية والتشغيلية لكل نافذة لمساعدة المحلل في اختيار الحجم الأنسب وفقاً لمتطلبات التحليل:

• نافذة 3 أشهر: حساسية عالية جداً للصدمات، عدد فترات غير محسوبة أقل (فترتان فقط)، استقرار إحصائي منخفض، عرضة للضوضاء العشوائية، مناسبة للكشف اللحظي السريع.
• نافذة 6 أشهر: حساسية متوازنة، تمهيد إحصائي جيد للبيانات، استقرار أعلى لمعامل الارتباط، تتطلب 5 فترات إحماء أولية، مناسبة للتقارير الربعية والنصف سنوية.
• نافذة 12 شهراً فما فوق: تمهيد هيكلي كامل، استبعاد شبه تام للتقلبات العشوائية والموسمية، تأخر زمني ملحوظ في رصد التحولات الحديثة، مناسبة للدراسات الاقتصادية الكلية واستراتيجيات الاستثمار طويلة الأجل.

6. استخدام الدوال الديناميكية المتقدمة لأتمتة حساب النوافذ المتدحرجة

6.1 بناء معادلات متغيرة باستخدام دالة OFFSET مع CORREL

على الرغم من بساطة استخدام الصيغ التقليدية بالسحب والإفلات، إلا أنها تفتقر إلى المرونة البرمجية عند الرغبة في تجربة أحجام نوافذ مختلفة، حيث يتطلب تغيير حجم النافذة من 3 إلى 5 أشهر إعادة كتابة وسحب الصيغ يدوياً في كامل العمود. توفر دالة `OFFSET` حلاً ديناميكياً متقدماً يتيح للمستخدم تحديد حجم النافذة عبر خلية تحكم مفردة، بحيث يتم تحديث كامل النتائج فورياً دون أي تعديل يدوي على الخلايا.

تعتمد دالة `OFFSET` على خمسة وسائط: مرجع الانطلاق، وعدد صفوف الإزاحة، وعدد أعمدة الإزاحة، والارتفاع المطلوب للنطاق، وعرض النطاق. لإنشاء نطاق متدحرج ديناميكي ينتهي عند الصف الحالي ويمتد لأعلى بعدد $k$ من الصفوف، يمكن دمج الدالة داخل `CORREL`. على سبيل المثال، إذا كانت خلية التحكم بحجم النافذة هي الخلية `$G$1` (وتحتوي على الرقم 3 أو 6)، يمكن كتابة الصيغة العامة في الصف 2 وسحبها لأسفل على النحو التالي:

`=IF(ROW() – ROW($B$2) + 1 < $G$1, "", CORREL(OFFSET(B2, 0, 0, -$G$1, 1), OFFSET(C2, 0, 0, -$G$1, 1)))`

تستخدم هذه الصيغة المتقدمة إشارة الارتفاع السالب (`-$G$1`) داخل دالة `OFFSET` لتوجيه إكسيل لاقتطاع النطاق صعوداً من الخلية الحالية بمقدار الحجم المحدد في الخلية المرجعية. كما تدمج الصيغة شرطاً منطقياً باستخدام دالة `IF` لمقارنة رقم الصف الحالي بحجم النافذة المطلوب، مما يؤدي إلى ترك الخلايا الأولى فارغة تلقائياً حتى اكتمال شروط النافذة، وهو ما يلغي الحاجة لتحديد موضع أول معادلة يدوياً.

6.2 تطبيق دالتي INDEX و MATCH لتفادي بطء الحسابات

على الرغم من القوة الديناميكية لدالة `OFFSET`، إلا أنها تُصنف كـ دالة متطايرة (Volatile Function) في بيئة إكسيل. هذا يعني أن إكسيل يعيد حساب جميع دوال `OFFSET` في كل مرة يتم فيها تغيير أي قيمة في أي خلية داخل المصنف، حتى لو لم تكن ذات صلة بالمعادلة. في النماذج الكبيرة التي تحتوي على عشرات الآلاف من السلاسل الزمنية، يؤدي استخدام `OFFSET` إلى بطء ملحوظ وتجمد في معالجة العمليات الحسابية.

لتفادي هذه المشكلة الحسابية وتحقيق كفاءة تنفيذية فائقة، يُنصح بالاعتماد على دالة `INDEX` لإنشاء مراجع ديناميكية غير متطايرة (Non-volatile Reference Constructs). يتميز مشغل النطاق في إكسيل (النقطتان الرأسيتان `:`) بقدرته على قبول دوال `INDEX` لتحديد حدود البداية والنهاية للمصفوفة. يمكن صياغة نافذة متدحرجة سريعة باستخدام الصيغة الآتية في الخلية `D4` (لنافذة بحجم 3):

`=CORREL(INDEX($B$2:B4, ROW()-ROW($B$2)+2-3):B4, INDEX($C$2:C4, ROW()-ROW($C$2)+2-3):C4)`

تعتبر هذه البنية الحسابية مستقرة تماماً، حيث يتم حسابها فقط عند تعديل البيانات المصدرية المباشرة. بالإضافة إلى ذلك، يوفر تحويل نطاق البيانات إلى جدول إكسيل رسمي (Excel Table) عبر الضغط على `Ctrl + T` مزايا إضافية هائلة؛ حيث يتم تحديث النطاقات الحسابية وتوسيعها تلقائياً عند إضافة بيانات جديدة في نهاية الجدول، مما يوفر بيئة أتمتة قوية ومتكاملة للتحليلات الدورية ومشاريع لوحات المعلومات (Dashboards).

7. التمثيل البصري للارتباط المتدحرج عبر الرسوم البيانية في إكسيل

7.1 إنشاء مخطط خطي (Line Chart) للارتباط المتدحرج

يمثل التمثيل البصري أداة تحليلية محورية لتحويل مصفوفات الأرقام المجردة إلى أنماط سلوكية يسهل تفسيرها ونقلها لأصحاب المصلحة. لإنشاء مخطط خطي احترافي للارتباط المتدحرج، نبدأ بتحديد عمود التواريخ (العمود `A`) مع الاستمرار بالضغط على مفتاح `Ctrl` لتحديد عمود الارتباط المتدحرج المحسوب (العمود `D` أو `E`). بعد ذلك، ننتقل إلى شريط الأدوات العلوي ونختار: `Insert` -> `Charts` -> `2D Line Chart`.

تتطلب الرسوم البيانية الخاصة بمعاملات الارتباط ضبطاً دقيقاً ومواصفات بصرية خاصة لتعكس المعنى الإحصائي للبيانات بدقة. الخطوة الأولى والأهم هي تنسيق المحور الرأسي (Vertical Axis Formatting)؛ حيث يجب النقر بزر الماوس الأيمن على المحور واختيار `Format Axis`، ثم ضبط الحد الأدنى الثابت (Minimum Bound) عند `-1.0`، والحد الأقصى الثابت (Maximum Bound) عند `+1.0`. عدم القيام بهذا الضبط سيجعل إكسيل يحدد النطاق تلقائياً بناءً على أصغر وأكبر قيمة في العينة، مما قد يضخم التغيرات الطفيفة بصرياً ويعطي انطباعاً زائفاً بوجود تقلبات عنيفة.

يُنصح بتنسيق الخط البياني بلون واضح ومميز (مثل الأزرق الداكن أو الرمادي الفحمي)، وضبط عرض الخط ليكون مريحاً للعين، مع تفعيل خاصية التنعيم (Smoothed Line) إذا كان الهدف هو التركيز على الاتجاه العام للبيانات، أو الإبقاء على الخطوط المستقيمة الحادة لتوضيح التقلبات النقطية الدقيقة في النوافذ القصيرة.

7.2 دمج السلاسل الزمنية الأصلية مع خط الارتباط في رسم مركب

لتعميق الفهم التحليلي، يُفضل إنشاء مخطط مركب (Combo Chart) يجمع بين حركة المتغيرين الأصليين ومسار معامل الارتباط المتدحرج في إطار بصري موحد. يتيح هذا الدمج للمحلل الربط المباشر بين التحركات السعرية أو الكمية للمتغيرات والتغيرات المقابلة في قوة واتجاه معامل الارتباط.

لإنشاء هذا المخطط، يتم تحديد أعمدة التاريخ والمتغيرين الأصليين وعمود الارتباط المتدحرج معاً، ثم اختيار: `Insert` -> `Combo` -> `Create Custom Combo Chart`. في نافذة الإعدادات، يتم تعيين المتغيرين الأصليين كمخططات خطية أو مساحية ترتبط بـ المحور الأساسي (Primary Axis)، في حين يتم تعيين معامل الارتباط المتدحرج كمخطط خطي مستقل يتم تفعيله على المحور الثانوي (Secondary Axis) على الجانب الآخر من الرسم.

لتعزيز القراءة التحليلية للمخطط، يجب إضافة خط مرجعي أفقي ثابت يمثل القيمة `0` (Zero Line) على المحور الثانوي. يُساعد هذا الخط البصري في الفصل الفوري والواضح بين مناطق الارتباط الإيجابي (فوق الصفر) ومناطق الارتباط السلبي (تحت الصفر). يمكن استخدام التنسيق المتقدم لتظليل المناطق الإيجابية بلون أخضر خفيف والمناطق السلبية بلون أحمر خفيف، مع إضافة عناوين توضيحية كاملة للمحاور ومفتاح الرسم (Legend) لتجهيز المخطط للعروض الإدارية والتقارير التنفيذية المحكمة.

8. تفسير وتحليل التقلبات في قيم الارتباط المتدحرج

8.1 قراءة وتفسير الأنماط الشائعة في المنحنى المتدحرج

يتطلب التحليل المهني لمنحنيات الارتباط المتدحرج قدرة نقدية على قراءة الأنماط السلوكية والتحولات البنيوية التي تعكسها حركة الخط البياني. أحد أبرز هذه الأنماط هو الانعكاس الاتجاهي (Directional Flip)، حيث يتحرك معامل الارتباط بشكل حاد من مستويات موجبة قوية (مثل $+0.8$) إلى مستويات سالبة قوية (مثل $-0.7$). يشير هذا النمط إلى تغير جذري في بيئة العمل أو آليات السوق؛ كأن يتحول أصلان ماليان من التحرك المشترك بفعل السيولة العامة إلى التحرك المتضاد نتيجة لجوء المستثمرين إلى أحدهما كملاذ آمن والتخارج من الآخر.

النمط الثاني المهم هو الانفصال الحركي وفقدان العلاقة (Decoupling)، والذي يظهر بيانياً عندما ينحدر الخط من مستويات ارتباط مرتفعة ويستقر بالقرب من خط الصفر لفترة زمنية ممتدة. يعني هذا الانفصال أن المتغيرين أصبحا يتحركان باستقلالية تامة عن بعضهما البعض، وأن العوامل المشتركة التي كانت تقود حركتهما في الماضي لم تعد ذات تأثير معنوي. يمثل هذا النمط إشارة إنذار لمديري المخاطر بأن النماذج التنبؤية التي بُنيت على افتراض وجود علاقة بين هذين المتغيرين قد أصبحت غير صالحة للاستخدام وتحتاج إلى إعادة ضبط شاملة.

النمط الثالث هو الاستقرار التذبذبي المرتفع (High Regime Stability)، حيث يظل منحنى الارتباط متذبذباً ضمن نطاق ضيق محصور بين قيم محددة (مثل $+0.6$ و $+0.9$). يعكس هذا النمط وجود علاقة هيكلية قوية ومتينة قادرة على الصمود أمام التغيرات الدورية، مما يمنح متخذي القرار ثقة عالية في استخدام هذه العلاقة في التخطيط المستقبلي وعمليات التحوط المالي (Hedging Strategies).

8.2 ربط التحولات في الارتباط بالأحداث الخارجية

لا يكتمل التحليل الإحصائي للارتباط المتدحرج دون ربطه بالسياق الواقعي والبيئة الخارجية المحيطة بالظاهرة المدروسة. يجب على المحلل إسقاط التواريخ المحورية للأحداث الخارجية الكبرى على الخط الزمني للمخطط لتقييم أثر الصدمات الخارجية على بنية العلاقة. تشمل هذه الأحداث: التغيرات في السياسات النقدية (رفع أو خفض أسعار الفائدة)، والأزمات الجيوسياسية، وإطلاق حملات تسويقية ضخمة، ودخول منافسين جدد إلى السوق، أو حدوث اضطرابات في سلاسل الإمداد العالمية.

من الأهمية بمكان التمييز بين التأثيرات العابرة (Transitory Shocks) و التحولات الهيكلية الدائمة (Structural Breaks). يظهر التأثير العابر في الرسم البياني كشذوذ مؤقت أو انحراف سريع يستمر فقط لطول فترة النافذة المحددة ثم يعود المنحنى فوراً إلى مستوياته التاريخية السابقة بعد خروج الحدث من نطاق الحساب. في المقابل، يتميز التحول الهيكلي بتغير دائم في متوسط ومستوى المنحنى يستمر لفترات طويلة تتجاوز طول النافذة بكثير، مما يدل على حدوث إعادة تشكيل حقيقية لطبيعة التفاعل بين المتغيرين.

لتعزيز الموثوقية التفسيرية، يُنصح بحساب مقاييس إحصائية مساندة جنباً إلى جنب مع معامل الارتباط، مثل حساب الخطأ المعياري لمعامل الارتباط أو تطبيق تحويل فيشر الزائي (Fisher Z-Transformation) لبناء فترات ثقة (Confidence Intervals) متدحرجة حول الخط البياني. يساعد ذلك في تحديد ما إذا كانت التقلبات المرصودة ذات دلالة إحصائية حقيقية أم أنها مجرد تباينات عشوائية طبيعية ضمن حدود العينة.

9. معالجة التحديات والمشكلات الشائعة أثناء الحساب في إكسيل

9.1 معالجة أخطاء الصيغ والقيم الفارغة (#DIV/0! و #N/A)

أثناء تطبيق دالة `CORREL` عبر سلاسل زمنية طويلة في إكسيل، من الشائع مواجهة أخطاء حسابية تؤدي إلى توقف التحليل أو تشويه الرسوم البيانية. أشهر هذه الأخطاء هو خطأ القسمة على صفر `#DIV/0!`. يحدث هذا الخطأ الإحصائي تحديداً عندما تكون جميع قيم أحد المتغيرين داخل النافذة الزمنية المحددة متطابقة تماماً (مثل سلسلة تحتوي على: `5, 5, 5`). في هذه الحالة، يصبح التباين والانحراف المعياري لذلك المتغير مساوياً للصفر، مما يؤدي إلى جعل مقام معادلة بيرسون صفراً، وهو ما يستحيل حسابه رياضياً.

الخطأ الشائع الآخر هو `#N/A`، والذي ينشأ عادةً عند اختلاف أبعاد النطاقات المحددة داخل الدالة، أو عند احتواء أحد النطاقات على قيم خطأ موروثة من خلايا سابقة. لمعالجة هذه الأخطاء وبناء نماذج تحليلية نظيفة وقوية، يتم استخدام دالة `IFERROR` لتطويق صيغة الارتباط، واستبدال الأخطاء بقيم فارغة أو نصوص مخصصة تمنع تعطل المخططات البيانية. تُكتب الصيغة المحمية بالشكل الآتي:

`=IFERROR(CORREL(B2:B4, C2:C4), “”)`

بالإضافة إلى ذلك، يجب تجنب الممارسات التنسيقية الخاطئة داخل جداول التحليل؛ مثل دمج الخلايا (Merged Cells) ضمن نطاقات البيانات، أو كتابة ملاحظات نصية داخل خلايا الأرقام (مثل كتابة “N/A” كنص بدلاً من ترك الخلية فارغة)، حيث تؤدي هذه الممارسات إلى تعطيل الدوال الحسابية وإعطاء نتائج غير دقيقة.

9.2 إدارة مشكلة الحلقات الأولية المفقودة (Warm-up Period)

تعتبر مسألة فترة الإحماء (Warm-up Period) حتمية رياضية في تحليلات النوافذ المتدحرجة، حيث لا يمكن إحصائياً حساب معامل الارتباط لأول $(k – 1)$ من الصفوف في السلسلة الزمنية لعدم اكتمال بيانات النافذة. على الرغم من أن بقاء هذه الخلايا الأولى فارغة أمر صحيح تماماً من الناحية الإحصائية، إلا أنه قد يسبب إرباكاً للمستخدمين النهائيين أو يشوه بعض أنواع المخططات البيانية التي تفسر الخلايا الفارغة على أنها أصفار.

للتعامل السليم مع هذه المشكلة، توجد ثلاث ممارسات معتمدة في بيئات العمل الاحترافية:

• الإبقاء على الفراغ الصريح: ترك الخلايا الأولى فارغة تماماً مع تنسيقها بلون خلفية خفيف (رمادي مثلاً) واستخدام دالة `NA()` لإرجاع الخطأ الموجه `#N/A`؛ حيث يتميز إكسيل بتجاهل خطأ `#N/A` تلقائياً في المخططات الخطية ورسم الخط بسلاسة دون الهبوط إلى الصفر.
• التوثيق المنهجي في حواشي التقرير: كتابة حاشية توضيحية أسفل الجدول والمخطط تبين بوضوح: “تبدأ حسابات الارتباط المتدحرج من الفترة $t$ بناءً على نافذة زمنية بحجم $k$ فترات لضمان التأسيس الإحصائي للعينة”.
• عزل نطاق الرسم البياني: تحديد نطاق المخطط البياني ليبدأ مباشرة من أول صف يحتوي على قيمة محسوبة، مع استبعاد صفوف فترة الإحماء من التحديد البصري تماماً لتفادي أي مساحات بيضاء غير مستغلة في بداية الرسم.

10. مقارنة الارتباط المتدحرج بالارتباط المتوسع (Expanding Correlation)

10.1 مفهوم وآلية حساب الارتباط المتوسع في إكسيل

يُمثل الارتباط المتوسع (Expanding Correlation)، أو الارتباط التراكمي، منهجية تحليلية بديلة تختلف جوهرياً عن الارتباط المتدحرج في طريقة تعاملها مع التاريخ الزمني للبيانات. بينما يعتمد الارتباط المتدحرج على نافذة ذات حجم ثابت تتحرك عبر الزمن وتتخلص من البيانات القديمة، يعتمد الارتباط المتوسع على تثبيت نقطة البداية الزمنية وترك نهاية النافذة حرة تتوسع تدريجياً مع تدفق البيانات، بحيث تشمل النافذة في كل خطوة كامل السجل التاريخي المتاح منذ بداية العينة وحتى اللحظة الحالية.

تتم صياغة معادلة الارتباط المتوسع في إكسيل بسهولة فائقة عن طريق استخدام المراجع المختلطة (Mixed References). يتم تثبيت الخلية الأولى في النطاق باستخدام علامة الدولار (`$`) وترك الخلية الأخيرة كمرجع نسبي حر. بافتراض أن البيانات تبدأ في الصف 2، يتم إدخال الصيغة التالية في الخلية `F4` (أول نقطة حسابية تتطلب 3 فترات على الأقل):

`=CORREL($B$2:B4, $C$2:C4)`

عند سحب هذه الصيغة لأسفل إلى الخلية `F5`، تتحول تلقائياً إلى `=CORREL($B$2:B5, $C$2:C5)`، وتستمر في التوسع لتشمل جميع الصفوف التراكمية حتى نهاية السلسلة. يُعبر هذا النموذج عن تراكم المعلومات المستمر، ويقيس مسار استقرار معامل الارتباط نحو قيمته للمجتمع الإحصائي الكامل كلما زاد حجم العينة.

10.2 المقارنة العملية المباشرة بين الأسلوبين

تتركز الفروق الهيكلية بين الارتباط المتدحرج والارتباط المتوسع في مفهوم “الذاكرة الإحصائية” وسرعة الاستجابة للصدمات الجديدة. يمتلك الارتباط المتوسع ذاكرة غير محدودة (Infinite Memory)؛ حيث تظل كل نقطة بيانات قديمة محتفظة بوزنها الإحصائي وتأثيرها على النتيجة إلى الأبد. نتيجة لذلك، تتضاءل حساسية الارتباط المتوسع تدريجياً بمرور الزمن مع تزايد حجم العينة، ويصبح المنحنى شديد الخمول والجمود في مواجهة التحولات الهيكلية الحديثة، حيث تصبح الصدمات الجديدة مجرد جزء ضئيل من مصفوفة ضخمة من البيانات التاريخية.

على النقيض من ذلك، يتميز الارتباط المتدحرج بـ ذاكرة محدودة (Finite Memory) تساوي بدقة طول النافذة المحددة ($k$). يتيح هذا النسيان المنظم للبيانات القديمة استجابة حركية مستمرة ومرنة للأحداث الطارئة، مما يجعله الخيار المثالي لمراقبة الأنظمة الديناميكية، والتداول المالي قصير ومتوسط الأجل، وإدارة المخاطر التشغيلية النشطة.

يُفضل استخدام الارتباط المتوسع في الحالات التي يُفترض فيها استقرار النظام الإحصائي عبر الزمن، أو عند الرغبة في اختبار تقارب التقديرات نحو قيمة ثابتة، أو عند تقييم خوارزميات التعلم التراكمي (Online Learning Algorithms). بينما يُعد الارتباط المتدحرج الخيار الأنسب والوحيد القادر على كشف الدورات الزمنية، ونقاط الانعكاس الهيكلي، والتغيرات المستمرة في سلوك المستهلكين أو الأسواق.

11. تطبيقات عملية ونماذج دراسة حالة في إكسيل

11.1 دراسة حالة: تحليل مبيعات منتجين متنافسين عبر 20 شهراً

لتطبيق المفاهيم السابقة بشكل تطبيقي متكامل، نفترض سيناريو عمل واقعي لشركة تجزئة تتابع المبيعات الشهرية لمنتجين رئيسيين: المنتج (أ) والمنتج (ب) على مدار 20 شهراً متتالياً. يوضح الجدول التالي البيانات المصدرية الكاملة للشهور العشرين، بالإضافة إلى حساب الارتباط المتدحرج لنافذة قصيرة (3 أشهر) ونافذة أطول (6 أشهر):

الشهر	مبيعات المنتج أ ($)	مبيعات المنتج ب ($)	ارتباط متدحرج (3 أشهر)	ارتباط متدحرج (6 أشهر)
1	12,000	15,000	–	–
2	13,500	14,200	–	–
3	14,200	13,800	-0.98	–
4	15,800	12,500	-0.99	–
5	16,500	11,000	-0.97	–
6	18,000	9,500	-0.99	-0.99
7	17,500	10,200	-0.94	-0.98
8	19,000	11,500	+0.76	-0.82
9	21,000	13,000	+0.99	-0.45
10	22,500	14,800	+0.99	+0.21
11	24,000	16,000	+0.99	+0.88
12	23,500	15,500	+0.98	+0.98
13	25,000	17,000	+0.99	+0.99
14	22,000	18,500	-0.95	+0.52
15	20,500	19,800	-0.99	-0.12
16	19,000	21,000	-0.99	-0.78
17	18,500	22,500	-0.98	-0.96
18	17,000	24,000	-0.99	-0.99
19	16,200	25,500	-0.99	-0.99
20	15,000	27,000	-0.99	-0.99

يكشف التحليل المتدحرج لهذه البيانات عن ثلاث مراحل ديناميكية بالغة الأهمية لا يمكن للارتباط الساكن رصدها:

• المرحلة الأولى (الشهور 1 – 7): ارتباط سلبي قوي يقارب $-0.99$. تعكس هذه الفترة حالة من المنافسة الإحلالية المباشرة (Cannibalization)؛ حيث كان نمو مبيعات المنتج (أ) يحدث على حساب تراجع مبيعات المنتج (ب).
• المرحلة الثانية (الشهور 8 – 13): تحول مفاجئ وكبير إلى ارتباط إيجابي قوي يقارب $+0.99$. بالرجوع إلى سجلات الشركة، تبين إطلاق حملة تسويقية شاملة للعلامة التجارية وتوسيع القنوات البيعية، مما أدى إلى نمو مشترك للسوق بالكامل (Market Expansion) وزيادة مبيعات المنتجين معاً.
• المرحلة الثالثة (الشهور 14 – 20): عودة الارتباط إلى المنطقة السلبية الحادة ($-0.99$). يشير هذا الانعكاس إلى تشبع السوق وعودة المنافسة الشرسة بين المنتجين لاقتسام الحصة السوقية بعد انتهاء الأثر التوسعي للحملة.

توصي المخرجات الإدارية المشتقة من هذا التحليل بضرورة مواءمة الميزانيات التسويقية؛ ففي فترات الارتباط السلبي يجب الترويج لكل منتج في قطاعات جغرافية وسلوكية مختلفة لمنع التآكل الذاتي، بينما في فترات الارتباط الإيجابي يمكن توجيه الإنفاق لحملات الحزمة الواحدة (Product Bundling) لتعظيم الأرباح المشتركة.

11.2 دراسة حالة: تحليل الارتباط بين عوائد الأصول المالية والمؤشرات

في التطبيقات المالية المتقدمة، يُستخدم الارتباط المتدحرج لتحليل العلاقة الديناميكية بين العائد اليومي أو الأسبوعي لسهم قيادي (مثل شركة تقنية كبرى) وعائد مؤشر السوق العام (مثل مؤشر S&P 500). يمثل هذا التحليل حجر الزاوية في تقدير معامل بيتا الديناميكي (Time-Varying Beta) وإدارة المخاطر النظامية للمحافظ الاستثمارية.

لحساب عوائد الأسهم بشكل صحيح قبل تطبيق معادلات الارتباط، يجب تحويل الأسعار الخام إلى عوائد نسبية لوغاريتمية أو بسيطة باستخدام صيغة العائد القياسية: `= (Price_t – Price_{t-1}) / Price_{t-1}`. بعد تجهيز عمود العوائد للسهم وعمود العوائد للمؤشر، يتم حساب الارتباط المتدحرج باستخدام نافذة تداول مدتها 30 يوماً أو 60 يوماً (وهي النوافذ القياسية في التحليل المالي).

تسهم نتائج هذا التحليل في الكشف الفوري عن الفترات التي ينفصل فيها السهم عن حركة السوق العامة؛ فإذا انخفض معامل الارتباط المتدحرج للسهم مع السوق من $+0.85$ إلى $+0.20$، فهذا يعني أن المخاطر غير النظامية الخاصة بالشركة (Idiosyncratic Risk) أصبحت هي المحرك الأساسي لحركة السهم وليس السوق ككل. تستفيد صناديق التحوط من هذه الرؤية في تطبيق استراتيجيات التداول المحايد للسوق (Market-Neutral Strategies) وإعادة وزن الأصول داخل المحفظة بصورة استباقية لتقليل التذبذب الإجمالي.

12. أفضل الممارسات والاعتبارات المنهجية لضمان دقة التحليل في إكسيل

12.1 المعايير المنهجية لاختيار طول النافذة وضمان موثوقية النتائج

يعتمد الاختيار السليم لطول النافذة الزمنية على التردد الزمني للسلسلة ومستوى التفاصيل المطلوب في التحليل. كقاعدة عامة في الإحصاء التطبيقي، يجب ألا يقل حجم النافذة عن حد أدنى يضمن كفاية درجات الحرية لتحقيق دلالة إحصائية معنوية. ففي البيانات اليومية، تشيع استخدام نوافذ تتراوح بين 20 إلى 60 يوم تداول (تغطي من شهر إلى ثلاثة أشهر عمل)، بينما في البيانات الشهرية يفضل استخدام نوافذ تتراوح بين 6 إلى 24 شهراً لتجاوز الآثار الموسمية المنتظمة.

يجب الحذر الشديد من الوقوع في فخ الإفراط في تضييق النافذة (Overfitting to Noise)؛ حيث يؤدي اختيار نافذة صغيرة جداً (مثل 3 فترات على بيانات أسبوعية متذبذبة) إلى إنتاج منحنى ارتباط فوضوي يقفز باستمرار بين $+1$ و $-1$، مما يجعله عديم الفائدة في التخطيط وصنع القرار. في المقابل، يؤدي الإفراط في توسيع النافذة (Over-smoothing) إلى إخفاء التغيرات الهيكلية الحرجة، حيث تصبح النافذة شديدة البطء في التقاط الصدمات الحقيقية وتُعطي انطباعاً زائفاً باستقرار العلاقة.

تتمثل الممارسة المنهجية الفضلى في إجراء تحليل الحساسية متعدد النوافذ (Multi-Window Sensitivity Analysis)؛ وذلك بحساب ورسم ثلاثة منحنيات متزامنة في نفس المخطط: نافذة قصيرة الأجل (لحساسية الإنذار المبكر)، ونافذة متوسطة الأجل (للتتبع التشغيلي)، ونافذة طويلة الأجل (لتحديد الاتجاه الهيكلي العام). يمنح هذا النهج المركب متخذ القرار رؤية بانورامية متكاملة تجمع بين السرعة التكتيكية والعمق الاستراتيجي.

12.2 نصائح تقنية لتنظيم نماذج العمل الاحترافية في إكسيل

يتطلب بناء نماذج تحليلية مستدامة وقابلة للتطوير في إكسيل اتباع معايير هندسة النماذج المالية والبيانات المعتمدة دولياً (مثل معايير FAST Standard). تتلخص أهم هذه الممارسات التقنية في النقاط الآتية:

• الفصل الهيكلي لصفحات العمل (Modular Design): تخصيص ورقة عمل مستقلة لإدخال البيانات الخام وتحديثها (`Raw_Data`)، وورقة عمل منفصلة مخصصة كلياً للمعالجات والحسابات الرياضية (`Calculations`)، وورقة عمل ثالثة لعرض الرسوم البيانية ولوحات المعلومات التنفيذية (`Dashboard`). يمنع هذا الفصل حدوث أخطاء التعديل غير المقصود في الصيغ أثناء إدخال البيانات الجديدة.
• استخدام التسميات المعرفة (Defined Names): تحويل النطاقات الثابتة وخلايا التحكم بحجم النوافذ إلى أسماء معرفة (مثل تسمية خلية حجم النافذة بـ `Window_Size`)؛ مما يجعل قراءة المعادلات وصيانتها أمراً سهلاً وبديهياً لأي محلل آخر يراجع النموذج.
• التوثيق الداخلي والمراجعة الحسابية: إدراج تعليقات توضيحية (Notes & Comments) داخل الخلايا التي تحتوي على افتراضات معينة أو دوال مركبة، وتضمين خلايا فحص منطقي (Audit Checks) باستخدام دالة `ISNUMBER` و `COUNT` للتحقق التلقائي من عدم وجود ثغرات في البيانات المدخلة.
• حماية ورقة العمل والأقفال البرمجية: قفل وتأمين الخلايا التي تحتوي على الصيغ والمعادلات الحسابية الحساسة وإتاحة التعديل فقط لخلايا إدخال البيانات ومعايير النوافذ، مما يضمن سلامة النموذج الرياضي وجاهزيته للاستخدام المتكرر في التقارير الدورية دون مخاطر تقنية.

خاتمة شاملة

يمثل الارتباط المتدحرج نقلة نوعية في تحليل السلاسل الزمنية، حيث ينقل المحلل من النظرة الساكنة المحدودة لمعاملات الارتباط التقليدية إلى رؤية ديناميكية عميقة ترصد تطور العلاقات بين المتغيرات وتكشف تحولاتها الهيكلية عبر الزمن. يتيح هذا النهج التمييز الدقيق بين التفاعلات الهيكلية المستقرة والتقلبات اللحظية العابرة، مما يجعله أداة لا غنى عنها في الأسواق المالية، والدراسات التسويقية، والتحليلات الاقتصادية الكلية.

من خلال التوظيف الفعال لدوال مايكروسوفت إكسيل، بدءاً من دالة `CORREL` الأساسية، ووصولاً إلى الدوال الديناميكية المتقدمة مثل `OFFSET` و `INDEX`، وبناء المخططات البيانية المركبة ذات المحاور المزدوجة، يمكن للمحللين تحويل البيانات الزمنية المعقدة إلى رؤى استراتيجية واضحة وقابلة للتنفيذ المباشر. إن الالتزام بأفضل الممارسات الإحصائية في اختيار أطوال النوافذ، وتنظيف البيانات، وحماية النماذج، يضمن أعلى درجات الدقة والموثوقية في دعم قرارات الأعمال وبناء استراتيجيات النمو المبنية على الحقائق الرقمية الرصينة.

References

• Alexander, C. (2008). Market Risk Analysis, Practical Financial Econometrics (Vol. 2). John Wiley & Sons. https://www.wiley.com/en-us/Market+Risk+Analysis%2C+Volume+II%2C+Practical+Financial+Econometrics-p-9780470998014
• Box, G. E., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time Series Analysis: Forecasting and Control (5th ed.). John Wiley & Sons. https://doi.org/10.1002/9781118619193
• Hamilton, J. D. (1994). Time Series Analysis. Princeton University Press. https://doi.org/10.2307/j.ctv10crg0q
• Microsoft Corporation. (2023). CORREL function – Microsoft Support. Microsoft. https://support.microsoft.com/en-us/office/correl-function-995dcef7-0c0a-4bed-a3fb-239d7b68ca92
• Tsay, R. S. (2010). Analysis of Financial Time Series (3rd ed.). John Wiley & Sons. https://doi.org/10.1002/9780470644560
• Walkenbach, J. (2015). Microsoft Excel 2016 Bible. John Wiley & Sons. https://www.wiley.com/en-us/Excel+2016+Bible-p-9781119067511
• Wooldridge, J. M. (2020). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. https://www.cengage.com/c/introductory-econometrics-a-modern-approach-7e-wooldridge