¿Cómo se calcula el promedio móvil de cero retardo? (Fórmula, parámetros y necesidades de datos)

Respuesta directa

El promedio móvil de cero retardo (ZLMA, por sus siglas en inglés) se calcula tomando una idea de promedio móvil existente (típicamente un promedio ponderado o suavizado del precio) y alimentándolo con una serie de entrada modificada (“sin retardo”). En otras palabras, el ZLMA no es un nuevo conjunto de datos mágico: reestructura el mismo tipo de promediado para que el promedio reaccione antes a los cambios recientes.

Para calcularlo con precisión y verificarlo de forma independiente, debe especificar cuatro cosas de antemano:

1. la fuente de precio (por ejemplo, el precio de cierre),
2. el método de suavizado utilizado dentro del indicador (a menudo una EMA, pero la definición exacta varía),
3. la longitud de retroceso (comúnmente escrita como L), y
4. la regla exacta de ajuste “sin retardo” que convierte la serie de precios original en la entrada ajustada.

Debido a que las definiciones del ZLMA difieren entre implementaciones, la parte más importante de cualquier cálculo es usar la misma fórmula que la que está probando.

Mecanismo o definición

Un promedio móvil convierte una serie temporal (valores de precio a lo largo del tiempo) en una serie más suave promediando observaciones recientes. La contrapartida es el retardo: un promedio móvil estándar tiende a responder después del cambio subyacente.

Los enfoques de “cero retardo” intentan reducir ese retardo estimando lo que la serie de precios podría haber hecho sin la demora introducida por el suavizado. Una forma común de expresar esa idea es crear una serie de entrada ajustada combinando el precio actual con una versión retardada del precio, y luego aplicar un filtro de suavizado a esa entrada ajustada.

Una estructura educativa ampliamente utilizada se ve así:

1. Elija una serie de precios (P_t) (por ejemplo, el cierre en el momento (t)).
2. Elija una longitud (L).
3. Calcule una entrada sin retardo (P^{*}_t) usando una regla que dependa de (L) (y a veces de medias longitudes o desfases de retardo).
4. Calcule la salida como un promedio suavizado de (P^{*}_t), como un suavizado tipo EMA:

[\text{ZLMA}_t = \text{Suavizado}(P^{*}_t, L)]

Diferentes variantes del ZLMA eligen diferentes partes de los pasos (3) y (4). Es por eso que dos gráficos etiquetados como “Promedio móvil de cero retardo” pueden verse diferentes: la etiqueta puede referirse al mismo concepto general, pero las fórmulas subyacentes pueden diferir.

Parámetros que debe definir

Incluso para un cálculo “autocontenido”, debe definir los parámetros del indicador:

• Longitud (L): cuántos períodos abarca el suavizado.
• Fuente (P_t): qué precio se promedia (cierre, precio típico, etc.).
• Método de suavizado dentro del ZLMA: suavizado tipo EMA, suavizado tipo SMA u otro filtro recursivo.
• Regla de eliminación de retardo: la fórmula de ajuste exacta que produce (P^{*}_t) a partir del (P_t) original.

Si no fija esas definiciones, la verificación se vuelve ambigua.

Evidencia o ejemplo

A continuación se presenta un enfoque amigable para la verificación que puede aplicar sin depender de datos de mercado en vivo.

Estructura de ejemplo (con supuestos claramente establecidos)

Suponga:

• La fuente de precio es el cierre: (P_t).
• La longitud de suavizado es (L = 10).
• Se crea una entrada sin retardo usando un desfase (d) derivado de la longitud.
• La salida final es un filtro de suavizado aplicado a la entrada sin retardo.

Puede escribir el cálculo en una forma genérica y comprobable:

1. Elija (d) (por ejemplo, un desfase proporcional a (L)).
2. Construya la entrada sin retardo (P^{*}t) como una función de (P_t) y (P{t-d}).
3. Aplique el suavizado:
   • Si el suavizado es tipo EMA, usa un factor de ponderación (\alpha) basado en (L) (comúnmente (\alpha = 2/(L+1))) y una actualización recursiva.

Luego, para cada paso de tiempo (t) donde exista suficiente historia, calcule: [P^{}t = f(P_t, P{t-d}, L)] [\text{ZLMA}_t = \text{suavizado-tipo-EMA}(P^{}_t, L)]

Qué debe verificar numéricamente

Para confirmar que su ZLMA calculado coincide con una implementación de referencia, verifique estos puntos en orden:

• Alineación: asegúrese de que el índice de tiempo t sea el mismo en ambos lados (los errores de desfase de uno son comunes).
• Período de calentamiento: muchos cálculos de promedios móviles requieren varias barras antes de que los valores se estabilicen.
• Definición de entrada: el precio utilizado dentro del indicador debe coincidir (cierre vs. otro precio).
• Mapeo de parámetros: confirme cómo la implementación convierte la longitud en (d) y en el factor de suavizado.

Si cualquiera de esos difiere, sus resultados pueden divergir incluso si el concepto de alto nivel es el mismo.

Limitación material revelada por los ejemplos

Incluso con matemáticas correctas, el ZLMA sigue siendo un filtro de promediado. En datos ruidosos, el ajuste sin retardo puede aumentar la capacidad de respuesta a cambio de más volatilidad en la salida. En reversiones bruscas, reducir el retardo puede hacer que el indicador “gire” antes que un promedio móvil tradicional, lo que puede llevar a un sobrepaso en relación con el comportamiento posterior del precio.

Por lo tanto, la limitación no es un problema de codificación; es inherente a los filtros de “menos retardo” que interactúan con la aleatoriedad y los cambios abruptos de régimen.

Limitaciones y riesgos

1. Las definiciones del indicador no son universales. El término “Promedio móvil de cero retardo” se usa con diferentes reglas de eliminación de retardo y suavizado. Si elige una variante diferente a la que se muestra en una plataforma, su cálculo no coincidirá.

2. Sigue siendo un filtro, no un predictor. Un método de suavizado sin retardo puede reducir el retardo del promedio móvil de datos pasados, pero no garantiza que el precio futuro seguirá al indicador.

3. El ruido puede amplificarse. Cuando ajusta la entrada para responder antes, también puede aumentar la sensibilidad a las fluctuaciones a corto plazo.

4. Los requisitos de datos importan. Necesita un muestreo histórico consistente. Barras faltantes, diferentes cortes de sesión o cambios en la construcción de velas pueden alterar la serie calculada.

5. El cálculo depende de las condiciones iniciales. El suavizado recursivo (común en cálculos tipo EMA) necesita un valor inicial o un método de inicialización; diferentes inicializaciones pueden afectar las salidas tempranas.

Estas limitaciones definen los modos de fallo: desajuste en la definición de la variante, sensibilidad a entradas ruidosas y efectos de calentamiento/inicialización.

Verificación o siguiente pregunta

Para verificar el ZLMA de forma independiente:

1. Escriba la variante exacta de la fórmula que está usando, incluida la regla de eliminación de retardo (P^{*}_t) y el método de suavizado.
2. Elija una fuente de precio fija y una longitud (L).
3. Calcule el indicador a partir de datos históricos usando la misma indexación temporal y manejo del período de calentamiento.
4. Compare los resultados punto por punto después del período de calentamiento.

Una pregunta útil para reducir la ambigüedad es: ¿Qué definición exacta de variante del ZLMA está usando (regla de eliminación de retardo y paso de suavizado)? Si comparte la fórmula específica que intenta replicar (o el pseudocódigo exacto), el cálculo puede verificarse con precisión contra ella.