ما هي البيانات المطلوبة لتقييم Tema؟

التعريف والنطاق: ما الذي تشير إليه كلمة “Tema”

قبل جمع البيانات، حدّد ما الذي تقصده بـ Tema بعبارات واضحة. في كثير من نقاشات المتوسطات المتحركة، تُستخدم كلمة “Tema” لوصف بناء محدد للمتوسط المتحرك مبني من عدة مراحل للمتوسط المتحرك. لذلك، فإن أول متطلب بيانات لديك هو الوصف الدقيق للطريقة التي ستختبرها: الصيغة، وعدد المراحل، والمعلمات (على سبيل المثال، طول فترة المراجعة أو أي إعدادات أخرى مستخدمة داخل البناء).

بعد ذلك، افصل بين الميكانيكيات الثابتة والظروف المتغيرة. الميكانيكيات هي الجزء الحتمي: الخوارزمية التي تأخذ سلاسل زمنية كمدخلات وتنتج سلسلة مخرجات. تشمل الظروف المتغيرة بيانات السوق المستخدمة كمدخل، ودقة الزمن (granularity) في البيانات، وأي تعديلات على البيانات، وبيئة التنفيذ إذا ربطت لاحقًا المخرجات بنتائج شبيهة بالتداول. في هذه المقالة نركز على تقييم بناء المؤشر/السلسلة نفسها، وليس على إسقاط الأداء المستقبلي.

مدخلات البيانات: السلسلة الزمنية والمعلمات التي يجب أن تحددها

لتقييم Tema، تحتاج على الأقل إلى هذه المدخلات:

1. سلسلة الأسعار الأساسية (السلسلة الزمنية كمدخل). قرر أي حقل سعر تستخدمه الطريقة (غالبًا الإغلاق close، لكن يجب أن يذكر تعريف الطريقة ذلك). تحتاج أيضًا إلى نطاق الأدوات (على سبيل المثال، زوج FX المحدد) لأن قيم البيانات تختلف حسب الأداة.

2. تردد أخذ العينات المعلّم بطابع زمني. حدّد فاصل الشمعة (على سبيل المثال، 1 دقيقة، 1 ساعة، يومي) واتفاقية المنطقة الزمنية المستخدمة في مجموعة البيانات. بدون ذلك، لا يمكنك إعادة إنتاج النتائج.

3. قيم المعلمات. قدّم طول فترة المراجعة المختار وأي إعدادات داخلية أخرى مطلوبة لتعريف Tema الذي اعتمدته.

4. قواعد المعالجة المسبقة للبيانات. وثّق كيفية التعامل مع القيم المفقودة، وما إذا كانت هناك تعديلات على الأحداث المؤسسية (أقل شيوعًا في FX، لكن مقدمي البيانات ما زالوا يختلفون)، وكيف يتم التعامل مع القيم الشاذة. يمكن لهذه الاختيارات أن تغيّر المخرجات حتى عندما تكون الخوارزمية نفسها.

كيف يعمل ذلك عمليًا؟ يتم حساب Tema من سلسلته المدخلة عبر خطوات حساب الطريقة. إذا اختلف مصدران في الطوابع الزمنية، أو حقول أسعار الإدخال، أو المعالجة المسبقة، فستختلف سلسلة Tema الناتجة حتى لو ظلت الصيغة دون تغيير.

المصدرية والملاءمة الزمنية: من أين جاءت البيانات ومتى كانت صالحة

يتطلب التقييم أيضًا معرفة مصدر البيانات. تحتاج إلى معرفة:

• هوية المصدر. أي مجموعة بيانات أو مزود قدّم السلسلة الزمنية كمدخل.
• وقت الاستحواذ مقابل الصلاحية التاريخية. حتى بالنسبة للبيانات التاريخية، قد يقوم مقدمو البيانات بمراجعة عمليات الإكمال الخلفي (backfills). سجّل تاريخ الوصول/الإصدار إن كان متاحًا.
• الملاءمة الزمنية لأي ادعاءات “حالية”. إذا كنت تقيم أحدث القيم المحسوبة، تصبح الملاءمة الزمنية جزءًا من مجموعة البيانات: توقيت أخذ لقطة البيانات مهم.

فحص جودة جوهري هو التأكد من أن قواعد تكوين الشمعة في مجموعة البيانات تتطابق مع توقعات طريقتك. على سبيل المثال، قد يعرّف مقدمو بيانات مختلفون فتح/أعلى/أدنى/إغلاق الشمعة بطرق مختلفة قليلًا أو يطبقون حدود جلسات مختلفة. يمكن لهذه الاختلافات أن تنقل السلسلة المدخلة وبالتالي مخرجات Tema.

الأدلة وفحوصات الجودة: كيف تتحقق من أن التقييم متسق

استخدم نهج تحقق يفحص كلًا من الميكانيكيات وجودة البيانات:

• اختبار قابلية إعادة الإنتاج. أعد حساب Tema باستخدام نفس التعريف والمعلمات ومجموعة البيانات المدخلة. إذا لم تتمكن من إعادة إنتاج المخرجات ضمن هامش تسامح صغير، فهناك مشكلة في البيانات أو التنفيذ.
• مقارنة بين مقدمي البيانات. إذا استخدمت مصدرين مستقلين للبيانات، قارن ما إذا كانت التناقضات متسقة مع اختلافات معروفة (الطوابع الزمنية، حقل السعر، التعامل مع البيانات المفقودة). الاختلافات الكبيرة غير المبررة هي علامة خطر.
• فحص شرط الحدود. تأكد من كيفية تصرف الطريقة قرب بداية السلسلة، حيث يمكن أن تؤدي البيانات السابقة غير الكافية إلى تهيئات مختلفة.
• تتبع الحساب. عندما يكون ذلك ممكنًا، التقط السلاسل الوسيطة (مراحل المتوسط المتحرك الداخلية للطريقة) حتى تتمكن من تحديد أين تدخل الاختلافات.

Klaarcriterium: يمكنك أن تنص، مع توثيق واضح، على (1) تعريف Tema الدقيق، (2) السلسلة الزمنية المدخلة والمعلمات المحددة بدقة، (3) مصدرية مجموعة البيانات وتوسيم الطابع الزمني، و(4) فحوصات الجودة التي طبقتها.

القيود والمخاطر: ما الذي قد يحدث خطأ وما الذي لا ينبغي افتراضه

إحدى القيود الجوهرية هي الحساسية: مخرجات المتوسط المتحرك تعتمد بقوة على بيانات الإدخال المختارة، وفاصل أخذ العينات، وتهيئة الطريقة. لذلك، فإن العلاقات التاريخية لا تثبت النتائج المستقبلية.

قيد آخر هو عدم الثبات (non-stationarity). قد تتغير أنظمة السوق، وقد تتصرف خوارزمية تصف فترة ما بشكل مختلف في فترة أخرى، حتى عندما يتم حسابها بشكل صحيح.