كيف يتم حساب قناة الانحراف المعياري القياسي؟ (الصيغة والمعلمات واحتياجات البيانات)

ما هي قناة الانحراف المعياري القياسي؟

قناة الانحراف المعياري القياسي هي مؤشر مُشكّل على شكل نطاقات مبني حول خط نزعة مركزية. الفكرة الأساسية بسيطة: خذ تقديرًا متداولًا (مبنيًا على نافذة) لمتوسط السعر وتقديرًا متداولًا لكيفية تذبذب السعر عادةً، ثم ارسم نطاقات علوية وسفلية حيث قد تقع الملاحظات المستقبلية إذا استمرت التقلبات الحالية تقريبًا.

في معظم التطبيقات الشائعة، تحتوي القناة على:

• خط وسطي مبني على متوسط متحرك.
• نطاق علوي ونطاق سفلي مبنيان على الخط الوسطي زائد/ناقص مضاعف للـ انحراف المعياري.

النقطة المهمة هي أن هذا تحويل حسابي للبيانات ضمن النافذة المختارة. لا “تتنبأ” القناة بنتائج محددة بحد ذاتها؛ بل تصف فقط مدى اتساع التذبذب في الماضي القريب وفقًا للرياضيات التي اخترتها.

الحساب: الصيغة والمعلمات

تستخدم صياغة نموذجية الفهرس الزمني الحالي (t) ونافذة مراجعة من (N) ملاحظات.

الخطوة 1: اختر سلسلة البيانات

لتكن (x_t) هي قيمة السعر المُدخلة عند الزمن (t). غالبًا ما تستخدم التطبيقات سعر الإغلاق، لكن يجب أن يكون التعريف واضحًا. إذا استخدمت مصدرًا آخر (مثل السعر الوسطي)، فإن القناة ستظل تتبع نفس الرياضيات.

الخطوة 2: احسب المتوسط المتداول (الخط الوسطي)

عرّف المتوسط المتداول على آخر (N) قيم تنتهي عند (t): [ \mu_t = \frac{1}{N} \sum_{i=0}^{N-1} x_{t-i} ]

الخطوة 3: احسب الانحراف المعياري المتداول (تقدير التقلب)

احسب الانحراف المعياري ضمن نفس النافذة. توجد طريقتان شائعتان:

• الانحراف المعياري لمجتمع البيانات (Population standard deviation): [ \sigma_t = \sqrt{\frac{1}{N} \sum_{i=0}^{N-1} \left(x_{t-i} - \mu_t\right)^2} ]

• الانحراف المعياري لعينة البيانات (Sample standard deviation) (تصحيح بيسل Bessel’s correction): [ \sigma_t = \sqrt{\frac{1}{N-1} \sum_{i=0}^{N-1} \left(x_{t-i} - \mu_t\right)^2} ]

كلاهما صحيح رياضيًا، لكنهما ينتجان عرض نطاقات رقمي مختلف—خصوصًا عندما تكون (N) صغيرة. يجب أن يذكر تطبيقك أيهما يستخدم.

الخطوة 4: ابنِ نطاقات القناة

لتكن (k) هو مضاعف الانحراف المعياري (غالبًا ما يُوصف بأنه “عدد الانحرافات”). ثم: [ \text{Upper}_t = \mu_t + k\sigma_t ] [ \text{Lower}_t = \mu_t - k\sigma_t ]

إذًا القناة الكاملة عند كل (t) هي الثلاثية: الوسطي (\mu_t)، والعلوي (\mu_t + k\sigma_t)، والسفلي (\mu_t - k\sigma_t).

كيف ترتبط المدخلات بحساب واقعي (مثال عملي للفكرة)

لحساب القناة عند الزمن (t)، تحتاج فقط إلى آخر (N) قيم (x_{t}, x_{t-1}, \dots, x_{t-N+1})، بالإضافة إلى المضاعف المختار (k\ وتعريف الانحراف المعياري المختار.

طريقة عملية للتحقق من تطبيقك هي اتباع قائمة تحقق لهذا (t) واحد:

1. ادرج نقاط البيانات الـ (N) المستخدمة.
2. احسب (\mu_t) من تلك القيم.
3. احسب (\sigma_t) باستخدام إما صيغة المجتمع أو صيغة العينة.
4. طبّق المضاعف (k) لتكوين النطاقات العلوية والسفلية.
5. تأكد أن النطاقات تطابق برنامج الرسم البياني لديك لنفس (t).

متطلبات البيانات التي يجب أن تحددها

• الدقة الزمنية: يعتمد المؤشر على حجم الشمعة (على سبيل المثال، بيانات 1 دقيقة مقابل 1 ساعة).
• طول النافذة (N): يحدد عدد الملاحظات السابقة التي يتم تضمينها.
• حقل السعر (x_t): الإغلاق، السعر المعتاد، السعر الوسطي، أو سلسلة أخرى.
• تعريف الانحراف المعياري: مجتمع البيانات مقابل العينة.
• المضاعف (k): يحدد مدى اتساع النطاقات.

إذا اختلف أي من هذه بين منصتين، يمكن أن تختلف خطوط القناة حتى لو كان كلاهما يدّعي أنه يستخدم “قناة الانحراف المعياري القياسي”.

القيود وحالات الفشل (ما الذي قد يحدث خطأ)

على الرغم من أن الصيغة بسيطة، توجد عدة قيود قد تقلل من فائدتها أو تسبب سلوكًا غير متوقع.

1) بيانات غير ساكنة وتغير الأنظمة

غالبًا ما تتغير السلوكيات الإحصائية للأسعار مع مرور الوقت (اتجاه، عنقود تقلبات، تحولات في النظام). وبما أن القناة تستخدم نافذة متحركة، فقد يتغير معنى “التذبذب المعتاد” بسرعة عندما تخرج القيم الأقدم من النافذة وتدخل قيم جديدة.

2) حساسية المعلمات ((N) و(k))

• يجعل (N) القصير (\mu_t) و(\sigma_t) يستجيبان بسرعة، لكن قد يكون التقدير ضجيجيًا.
• ينعّم (N) الكبير التقدير لكنه قد يتأخر عن التغيرات السريعة.
• يتحكم المضاعف (k) مباشرة في عرض النطاقات؛ فالتغيرات الصغيرة في (k) تغيّر مدى تكرار لمس السعر للنطاقات أو اختراقه لها.

3) عدم تطابق اصطلاح الانحراف المعياري

يؤدي استخدام الانحراف المعياري لمجتمع البيانات مقابل العينة إلى تغيير (\sigma_t)، وبالتالي تغيير مواقع النطاقات. ومع النوافذ الصغيرة، تكون هذه الفروقات أكثر وضوحًا.

4) التعامل مع البيانات المفقودة أو غير المنتظمة

إذا كانت تغذية البيانات لديك تحتوي على فجوات أو طوابع زمنية غير منتظمة، يجب أن تحدد معنى “آخر (N) ملاحظات”. تتعامل الأدوات المختلفة مع القيم المفقودة بطرق مختلفة (مثل إسقاط الشموع مقابل الاستمرار في نقل القيم)، وهذا يغيّر النافذة وبالتالي القناة.

5) القناة ليست إشارة قائمة بذاتها

يُعد عبور النطاق العلوي أو السفلي حدثًا وصفيًا بالنسبة لتذبذب النافذة الأخيرة، وليس ضمانًا لحركة مستقبلية محددة. إن التعامل معه كقاعدة قرار قائمة بذاتها قد يؤدي إلى ثقة مفرطة لأن المؤشر مبني بالكامل على تشتت الماضي.

التحقق: كيف تتحقق بشكل مستقل من الحساب

يمكنك التحقق من رياضيات قناة الانحراف المعياري القياسي دون أي ادعاءات خاصة بالتداول، وذلك باستخدام نافذة واحدة وإعادة حساب النطاقات خطوة بخطوة.

طريقة تحقق قوية:

1. اختر طابعًا زمنيًا محددًا (t) على مخططك.
2. استخرج بالضبط القيم الـ (N) التي يستخدمها المؤشر عند ذلك الطابع (تحقق من حقل السعر (x_t)).
3. قرر ما إذا كان التطبيق يستخدم الانحراف المعياري لمجتمع البيانات أو للعينة.
4. احسب (\mu_t)، ثم (\sigma_t)، ثم العلوي/السفلي.
5. قارن النطاقات التي حسبتها بالقيم المعروضة (ضمن فروقات التقريب).

إذا لم تتطابق النطاقات، فإن عدم التطابق غالبًا ما يأتي من أحد هذه الأسباب: حقل السعر، اصطلاح الانحراف المعياري، تعريف طول النافذة، أو طريقة التعامل مع الشموع المفقودة.

مفهوم ذو صلة: كيف تغيّر الإعدادات القناة

يؤدي تغيير إعدادات القناة إلى تغيير الرياضيات مباشرة:

• يؤدي زيادة (N) عمومًا إلى تثبيت (\sigma_t) لكنه قد يجعل القناة أقل استجابة.
• يؤدي زيادة (k) إلى توسيع القناة (يرتفع العلوي وينخفض السفلي بمقدار (\sigma_t) المُقاس).
• يؤدي تغيير إدخال السعر (x_t) إلى تغيير (\mu_t) و(\sigma_t)، وبالتالي تحريك الخط الوسطي والنطاقات.

إذا كنت تريد فهم كيفية اختلاف هذا التفسير عن أفكار مشابهة لنطاقات التقلب، فقم بمقارنة الافتراضات والصيغ الدقيقة المستخدمة في كل نسخة (خصوصًا تعريف الانحراف المعياري وطريقة المتوسط المتحرك).

DOCUMENT END