كيف يؤثر الإطار الزمني على WMA؟
ما الذي تعنيه WMA قبل أن يؤثر الإطار الزمني؟
المتوسط المتحرك المرجّح (WMA) هو متوسط متحرك حيث تحصل الملاحظات الأحدث على أوزان أعلى من الملاحظات الأقدم. يتم حساب المتوسط من مجموعة محددة من نقاط البيانات السابقة (تُسمى نافذة الملاحظة) باستخدام أوزان عادةً ما تنخفض كلما أصبحت الملاحظات أقدم.
الإطار الزمني يؤثر على WMA بطريقتين مترابطتين:
- طول النافذة “بالزمن”: إذا اخترت إطارًا زمنيًا أطول، فقد تغطي نافذة الملاحظة وقتًا فعليًا أكبر.
- تباعد الملاحظات: مع عدد أقل من الملاحظات وبفواصل أوسع، فإن العدد نفسه من النقاط يمثّل حركة فعلية مختلفة في العالم الحقيقي.
وبسبب أن WMA يركّز على الأحدث، فهي حساسة بطبيعتها لمدى رجوعك في النظر ولتكرار أخذ عينات البيانات.
كيف يغيّر الإطار الزمني آلية عمل WMA
لطرح الآثار دون خلط الافتراضات المتغيرة، افصل بين الآلية الثابتة والاختيارات المتغيرة.
الآليات الثابتة (مفهومية):
- تستخدم WMA عددًا ثابتًا من النقاط السابقة (مثلًا: N نقاط) وتُسند أوزانًا تزداد للملاحظات الأحدث.
- قيمة WMA المحسوبة عند الزمن t تعتمد على N المختارة وعلى أي نقاط بيانات تقع داخل النافذة.
ما الذي يتغير مع الإطار الزمني:
- إذا أبقيت N كما هي لكن غيّرت فاصل أخذ العينات (على سبيل المثال، من بيانات دقيقة واحدة إلى بيانات خمس دقائق)، فإن كل نقطة تمثل نطاقًا زمنيًا مختلفًا. تصبح WMA تنعيمًا لسلوك “على مقياس زمني” مختلف.
- إذا أبقيت فاصل أخذ العينات كما هو لكن غيّرت N، فإنك تغيّر نافذة الملاحظة مباشرةً: تعني N الأكبر أن المعلومات الأقدم تدخل بأوزان نسبية أصغر، لكن النتيجة النهائية تظل تمزج تاريخًا أكبر.
نتيجة جوهرية:
- ملاحظة أقصر وأكثر استجابة تميل إلى تقليل التأخر لكنها تزيد الحساسية للتقلبات قصيرة الأجل.
- ملاحظة أطول وأكثر تنعيمًا تميل إلى تقليل الضوضاء لكنها تزيد التأخر، خصوصًا أثناء التغيرات المفاجئة.
دليل عبر مثال مضبوط (مع افتراضات صريحة)
افترض:
- أن نقاط بياناتك متباعدة بالتساوي في الزمن.
- أنك تحسب WMA من N نقاط بالضبط مع أوزان متزايدة باتجاه أحدث نقطة.
- أنك تقارن إعدادين باستخدام سلسلة إدخال واحدة نفسها، لكن مع فاصل أخذ عينات مختلف أو مع N مختلف.
الآن تخيّل حركة على شكل خطوة في سلسلة السعر الأساسية (يبدأ ارتفاع مستمر عند وقت ما). ستبدأ WMA المبنية على أخذ عينات أحدث وأسرع بالتحول مبكرًا لأن النقاط الأحدث تدخل في الحساب أسرع مقارنةً بالحركة الفعلية في العالم الحقيقي. أما WMA ذات نافذة ملاحظة أطول فستظل ترتفع، لكن المنحنى سيتحول لاحقًا لأن الملاحظات الأقدم تبقى ضمن الحساب.
يوضح هذا حساسية الإطار الزمني: إن WMA ليست فقط “حول ترجيح النقاط الأحدث”، بل أيضًا حول مدى سرعة وصول المعلومات الجديدة إلى نهاية النافذة.
القيود، وأنماط الفشل، وما يمكنك التحقق منه
1) التأخر ليس خللًا؛ بل هو خاصية من خصائص التنعيم
أي متوسط متحرك ينعّم وبالتالي يمكن أن يتأخر خلف التغيرات الحادة. قد يجعل الإطار الزمني هذا التأخر يبدو أكبر أو أصغر. نمط فشل شائع هو توقع أن تتزامن تغيّرات WMA مع نقاط الانعطاف.
2) تغيرات النظام تغيّر السلوك عبر الإطارات الزمنية
قد يبدو WMA فعّالًا مع نوع واحد من الحركة (الاتجاهات البطيئة)، لكنه قد يتصرف بشكل مختلف أثناء نوع آخر (نطاقات سريعة ومتقلبة). يؤثر الإطار الزمني على التوازن بين مظهر “متابعة الاتجاه” ومظهر “مطاردة الضوضاء”.
3) يجب أن تتطابق تفاصيل فاصل البيانات وطريقة الحساب
لأن WMA يعتمد على أي النقاط يتم تضمينها، فقد تختلف النتائج إذا:
- اختلف فاصل البيانات،
- تمت معالجة البيانات المفقودة بشكل مختلف،
- أو استخدم الحساب تعريفًا مختلفًا للأوزان.
منهجية التحقق:
- اختر سلسلة زمنية تاريخية.
- احسب WMA لإطارات زمنية/إعدادات متعددة باستخدام الصيغة نفسها تمامًا وفاصل بيانات متسق.
- قارن كيف تؤثر تغييرات الإطار الزمني على التنعيم والتأخر.
التحقق أو السؤال التالي
إذا كنت تريد التحقق بشكل مستقل من أثر الإطار الزمني، فإن الخطوة التالية الأساسية هي مقارنة المخرجات عبر الإطارات الزمنية مع إبقاء الافتراضات واضحة: نفس سلسلة الإدخال، وفاصل أخذ عينات متسق، وحجم نافذة محدد بوضوح وطريقة ترجيح معلنة.
قد ترغب أيضًا في التحقق من كيفية تصرف WMA تحت أنواع مختلفة من حركة السوق (اتجاهات بطيئة مقابل تقلبات عالية التردد) دون افتراض أن إطارًا زمنيًا واحدًا سيعمّم.