في أي ظروف السوق يتصرف Smma بشكل مختلف؟
إجابة سريعة مباشرة
يمكن أن يبدو Smma (Smoothed Moving Average) وكأنه يتصرف بشكل مختلف عبر ظروف السوق، وذلك غالبًا لأن قاعدة التنعيم نفسها تستجيب بسرعات مختلفة مقارنةً بوتيرة تغيّر السوق. تظهر الفروقات الأكثر وضوحًا عادةً عندما تتغير التقلبات، وعندما تبدأ الاتجاهات أو تتوقف، وعندما تكون سلسلة أسعار الإدخال غير منتظمة أو تحتوي على قفزات حادة.
الآلية: ماذا يفعل SMMA
إن SMMA هو متوسط متحرك مُصمم لتنعيم السعر عبر تحديث قيمة مُتوسطَة باستخدام ناتج سابق ومدخل جديد. وبعبارة بسيطة، فهو يقلل تأثير نقطة بيانات واحدة، لكنه لا “يتنبأ” بسعر المستقبل. بدلًا من ذلك، فهو يقوم بتصفية سلسلة الإدخال: فالسوق الهادئ ينتج تغيّرات تدريجية في خط SMMA، بينما قد تنتج الأسواق المتقطعة أو غير المتصلة تحديثات غير متساوية أو متأخرة أو على شكل خطوات.
تتمثل فكرة محورية في المفاضلة بين التنعيم والاستجابة. مع فترة تنعيم أطول، يقوم SMMA عادةً بالتحديث بشكل أبطأ، وهذا يعني أنه يتأخر خلال فترات التحول. ومع فترة تنعيم أقصر، فإنه يستجيب بشكل أسرع، ما قد يجعله يتبع الضوضاء بشكل أقرب. هذه السلوكيات مشروطة: ستبدو إعدادات SMMA نفسها مختلفة عندما يتغير نظام السوق الأساسي.
ولشرح “سلوك مختلف” بشكل مستقل، افصل بين ما هو ثابت وما هو متغير:
- ثابت: التحديث الرياضي يستخدم SMMA السابق ومدخل السعر الجديد.
- متغير: مدى سرعة تغيّر السعر نفسه (قوة الاتجاه، التقلب)، ومدى وضوح سلسلة الإدخال (انتظام أخذ العينات، وجود فجوات).
الأدلة وأمثلة على السلوك الشرطي
فكر في سيناريوهين يشتركان في قواعد حساب SMMA نفسها، ويختلفان فقط في ظروف السوق.
1) تحولات نظام التقلب (هادئ مقابل ضوضائي)
عندما تكون التقلبات منخفضة، تميل التغيرات المتتالية في السعر إلى أن تكون صغيرة، لذلك يتحرك خط SMMA بسلاسة وقد يبقى قريبًا من مستويات المتوسط الأخيرة. عندما ترتفع التقلبات، تصل نقاط بيانات جديدة تكون أبعد عن المتوسط الأخير، لذلك قد تصبح تحديثات SMMA أكثر وضوحًا. والنتيجة قد تبدو كأنها “سلوك مختلف”، رغم أن الفلتر نفسه—فقط ديناميكيات الإدخال هي التي تختلف.
2) تحولات الاتجاه (اتجاه ثابت مقابل انعكاس)
في اتجاه مستمر، قد يُظهر SMMA ميلًا اتجاهيًا ثابتًا لأن تحديثات السعر تتحرك مرارًا في الاتجاه نفسه. أثناء انعكاس أو انتقال من التذبذب إلى اتجاه، من المرجح أن يتأخر SMMA لأنه يدمج معلومات من الماضي. قد يكون هذا التأخر كبيرًا بما يكفي لتغيير العلاقات البصرية التاريخية (على سبيل المثال، مدى تكرار “اتفاق” SMMA والسعر) عبر الزمن.
3) استمرارية البيانات والقفزات المفاجئة
إذا كانت سلسلة الأسعار تحتوي على أخذ عينات غير منتظم، أو قيم مفقودة، أو انقطاعات كبيرة (على سبيل المثال، فجوات مفاجئة بين الملاحظات)، فقد يتفاعل SMMA بطريقة أقل بديهية. يقلل التنعيم تأثير نقطة بيانات واحدة، لكن الانقطاعات ليست “تغيرًا صغيرًا واحدًا”; بل هي تغيير بنيوي في سلسلة الإدخال. الأثر العملي هو أن SMMA قد يحتاج إلى عدة ملاحظات جديدة لكي “يعيد تمركزه”، وخلال ذلك قد يختلف مساره عن شكله في الظروف المستمرة.
القيود والمخاطر (ما الذي قد يفشل)
تتمثل إحدى حالات الفشل الجوهرية في افتراض أن سلوك SMMA لا يتأثر بنظام السوق. إن المظهر التاريخي في فترة ما لا يضمن أن يكون المظهر مشابهًا في فترة أخرى، لأن ديناميكيات السعر وجودة البيانات قد تتغير.
قيود أخرى يجب أخذها في الاعتبار:
- حساسية المعاملات: فترات تنعيم مختلفة تغيّر مقدار التأخر وملاحقة الضوضاء، لذلك يجب أن تتم المقارنات باستخدام القواعد نفسها.
- اختلافات التنفيذ: توجد نسخ من “smoothed moving average”. إذا اختلفت معادلة التحديث، فقد يختلف الناتج بشكل جوهري.
- عدم تطابق الاختبار الخلفي: يمكن تشويه النتائج بسبب اختلافات في تغذية البيانات، أو محاذاة الطوابع الزمنية، أو نمذجة السبريد/التكلفة، أو افتراضات التنفيذ. وبما أنك لا ينبغي أن تفترض ظروفًا آنية هنا، تعامل أي ارتباط تاريخي على أنه مشروط.
التحقق والسؤال التالي
للتحقق من أي ادعاء حول “في أي ظروف يتصرف SMMA بشكل مختلف”، استخدم تعريف SMMA نفسه وفترة الحساب نفسها عبر عدة شرائح من البيانات التاريخية، ثم قارن كيف يستجيب SMMA أثناء:
- مقاطع التقلب المنخفض مقابل التقلب المرتفع،
- مقاطع الاتجاه القوي مقابل مقاطع الانعكاس/التذبذب الجانبي،
- المقاطع المستمرة مقابل المقاطع التي تتضمن فجوات.
إذا كنت تريد جعل ذلك أكثر دقة لحالتك، فالسؤال التالي هو: ما صيغة SMMA التي تستخدمها (معادلة التحديث الدقيقة) وما فاصل أخذ العينات المطبق على سلسلة الأسعار؟