استراتيجية اليوان الصيني: لماذا يوسع البنك المركزي فجوة التسعير ولماذا يعجز الذكاء الاصطناعي عن فك شفرتها؟

• 22 أبريل 2026: تم تحديد التسعير عند 6.8635 مقابل تقديرات السوق البالغة 6.8233 - أي بانحراف قدره 0.59% .
• 15 مايو 2026: تم تحديد التسعير عند 6.8415 مقابل تقديرات وكالة رويترز البالغة 6.7976 - أي بفجوة بلغت حوالي 440 نقطة أساس .
• 18 مايو 2026: تم تحديد التسعير عند 6.8435 مقابل تقديرات بلغت 6.8086 .

الدافع وراء ذلك هو آلة التصدير الصينية التي تحطم الأرقام القياسية. بلغت صادرات الصين 3.8 تريليون دولار في عام 2025، محققة فائضاً تجارياً قدره 1.2 تريليون دولار . أي ارتفاع غير منضبط لليوان من شأنه أن يضعف الميزة السعرية للصادرات في وقت تعمل فيه الضغوط الانكماشية المحلية بالفعل على تثبيط ثقة المستهلك . يسير البنك المركزي على حبل مشدود: السماح بارتفاع تدريجي - يصل إلى 8% حالياً - مع منع التحركات الحادة أحادية الاتجاه التي قد تجتذب تدفقات الأموال الساخنة للمضاربة وتزعزع استقرار العملة .

العامل المعاكس للتقلبات الدورية السلبي هو خطوة متعمدة إلى الوراء: إنها تشير إلى أن المزيد من الارتفاع مقبول، ولكن بوتيرة يختارها البنك المركزي، وليس السوق .

كيف يستخدم المتداولون الذكاء الاصطناعي لفك شيفرة التسعير

بالنسبة للمتداولين، يُعتبر التسعير اليومي أهم رقم في الجلسة الآسيوية. فالوقوف في الجانب الخاطئ من تسعير مفاجئ يمكن أن يمحو أرباح أسابيع. هذا ما دفع إلى سباق تسلح حقيقي في مجال التنبؤ، حيث أصبحت نماذج التعلم العميق القائمة على المحولات (Transformer) - وهي نفس البنية التي تشغل نماذج اللغة الكبيرة مثل ChatGPT - في قلب هذه الجهود.

وجدت دراسة أجراها كل من لو تشاو ووي تشي يان في عام 2024 أن النماذج القائمة على المحولات "تتفوق بشكل كبير" على شبكات الذاكرة الطويلة قصيرة المدى (LSTM) والشبكات العصبية التقليدية الأخرى في التنبؤ بأسعار صرف العملات، خاصة خلال فترات التقلبات الشديدة . بشكل أكثر تحديداً، حقق نموذج Temporal Fusion Transformer (TFT) معامل تحديد (R²) يصل إلى 0.94 في توقعات أسعار الصرف في اختبارات مستقلة، كما أدت إضافة مؤشرات التقلب مثل مؤشر VIX إلى تحسين الدقة بشكل أكبر .

يأتي العمل الأكاديمي الأكثر صلة مباشرة من تعاون بحثي عام 2024 بين كلية الحوسبة وعلوم البيانات في جامعة نانيانغ التكنولوجية (NTU) في سنغافورة، والجامعة المركزية للمالية والاقتصاد، والأكاديمية الصينية للعلوم. تحدى الباحثون النهج التقليدي القائم على بناء العوامل المالية يدوياً للتنبؤ بتسعير البنك المركزي، واقترحوا بدلاً من ذلك نموذجاً شاملاً (End-to-End) أطلقوا عليه اسم "محول عوامل المخاطر خلال اليوم" (Intraday Risk Factor Transformer - IRFT). الهدف من هذا النموذج هو استخراج السمات التنبؤية الكامنة مباشرة من بيانات السوق الخام - بشكل أساسي، أتمتة عملية البحث عن العامل المعاكس للتقلبات الدورية المخفي .

وقد وسعّت أعمال منفصلة في جامعة نانيانغ التكنولوجية هذه الخطوط البحثية. قامت إحدى الدراسات بتطبيق التعلم العميق على التنبؤ بالسلاسل الزمنية لسوق الفوركس واستخدمت تفسيرات افتراضية مضادة (Counterfactual Explanations) لجعل طريقة استدلال النموذج قابلة للتفسير . كما جمع مشروع "DeepForex" على منصة GitHub، التابع لأحد الباحثين في الجامعة، بين نموذج محولات للتنبؤ بالأسعار ووكيل تعلم معزز يستخدم شبكة Deep Q-Network (DQN) لتنفيذ صفقات تلقائية - أي دمج التنبؤ بالتنفيذ الفعلي .

كما ساهم الاهتمام المؤسسي، ولا سيما من بنك التسويات الدولية (BIS)، في التحقق من صحة هذا النهج. قامت ورقة عمل صادرة عن البنك بدمج الشبكات العصبية المتكررة مع نماذج اللغة الكبيرة للتنبؤ باختلالات سوق العملات وتفسيرها قبل 60 يوم عمل من حدوثها، مما يؤكد أن البنوك المركزية نفسها تدرس هذه الأساليب .

من الناحية العملية للتداول، يبدو سير العمل على النحو التالي:

• المكونات المعروفة (سعر الإغلاق السابق وتحركات سلة العملات الليلية) تُستخدم كمدخلات منظمة.
• العامل المعاكس للتقلبات الدورية المخفي يُعامل كمتغير كامن غير مرصود - والهدف التعليمي الأساسي للنموذج هو استنتاجه من الأنماط التاريخية لسلوك التسعير.
• المخرجات تُستخدم لاتخاذ مراكز قبل الإعلان الرسمي عن التسعير في الساعة 09:15 صباحاً بتوقيت بكين .

الحد غير القابل للاختزال: السياسة ليست عملية إحصائية

مشكلة التنبؤ بتسعير بنك الشعب الصيني لا تكمن في ضوضاء البيانات، بل في أن الإشارة نفسها - أي القرارات المتعلقة بالعامل المعاكس للتقلبات الدورية - تنبع من حسابات سياسية-اقتصادية غامضة ومتعددة الأهداف لا تترك أثراً رقمياً واضحاً.

أولاً، العامل المعاكس للتقلبات الدورية هو آلية تواصل وإشارات. عندما يحدد البنك المركزي تسعيراً أضعف من الإجماع بـ 440 نقطة أساس، فإن هذه الفجوة هي الرسالة بحد ذاتها. إنها تواصل للأسواق والشركاء التجاريين والمصدرين المحليين أن البنك المركزي لن يتسامح مع ارتفاع سريع، حتى لو كانت الصيغة الميكانيكية ستنتج واحداً . لا توجد سلسلة أسعار تاريخية تحتوي على النية السياسية لهذا الصباح.

ثانياً، تفضيلات البنك المركزي في السياسة غير مستقرة. من منتصف عام 2023 وحتى أواخر عام 2024، تم استخدام العامل المعاكس للتقلبات الدورية لمقاومة انخفاض اليوان، مما أدى في بعض الأحيان إلى تحديد تسعيرات أقوى بكثير من تقديرات السوق للحد من قوة الدولار . منذ ديسمبر 2025، انقلبت السياسة رأساً على عقب لمقاومة ارتفاع اليوان . أي نموذج تم تدريبه على بيانات حقبة مقاومة الانخفاض سيكون خاطئاً من الناحية الهيكلية في البيئة الحالية - وقد حدث هذا التحول دون أي إعلان صريح، ولم يكن مرئياً إلا من خلال الاستنتاج اللاحق للعامل المعاكس للتقلبات.

ثالثاً، يمكن للبنك المركزي تغيير موقفه بين ليلة وضحاها. تطور في مفاوضات تجارية، أو نتيجة اجتماع للمكتب السياسي، أو تحول في الأولويات الاقتصادية المحلية، كلها عوامل يمكنها أن تغير الوتيرة المقبولة لارتفاع اليوان قبل أن تعكسها أي بيانات سوقية.

في الاختبارات التاريخية، يمكن لنماذج الذكاء الاصطناعي أن تتعلم وظائف رد الفعل التاريخية للبنك المركزي وتحقق قيماً عالية لمعامل التحديد (R²)، لكن الخطأ المتبقي ليس مجرد ضوضاء - إنه يمثل السلطة التقديرية. النماذج تقيس ما يمكن قياسه؛ أما العامل المعاكس للتقلبات الدورية، بحكم تصميمه، فيقيس ما يريده البنك المركزي في تلك اللحظة المحددة. عندما تتسع الفجوة، تكون الفجوة هي الناتج بحد ذاته. المدخلات السياسية التي تنتجها تبقى غير قابلة للرصد لأي نظام يعتمد على البيانات فقط.