Bagaimana jangka waktu memengaruhi Indeks Dimensi Fraktal

Jawaban langsung

Jangka waktu memengaruhi Indeks Dimensi Fraktal (FDI) karena indeks ini mengukur seberapa kompleks suatu deret waktu terlihat pada skala observasi tertentu. Mengubah jangka waktu mengubah titik data mana yang disertakan dan pada jendela apa Anda mengestimasi “kekasaran,” sehingga FDI yang dihitung dapat bergerak bahkan ketika proses yang mendasarinya tidak berubah. Ini berarti nilai FDI paling baik dipahami sebagai deskripsi yang bergantung pada skala dari deret yang Anda gunakan, bukan sebagai properti tetap dari “pasar” secara umum.

Mekanisme atau definisi

FDI adalah estimasi dimensi fraktal untuk suatu deret waktu, sering ditafsirkan sebagai proksi untuk seberapa “kasar,” “tidak teratur,” atau mengisi ruang jalur deret tersebut ketika dilihat pada skala yang dipilih. Dalam istilah praktis, jangka waktu Anda memengaruhi setidaknya dua bagian perhitungan:

1. Jendela observasi (panjang pengambilan sampel). Jangka waktu “pendek” menyertakan lebih sedikit titik dan menekankan fluktuasi jangka pendek. Jangka waktu “panjang” menggabungkan lebih banyak riwayat, yang dapat menghaluskan beberapa variasi mikro dan mengekspos struktur yang berbeda.

2. Skala di mana detail dinilai. Ide dimensi fraktal secara inheren bersifat multi-skala. Jika estimator menggunakan beberapa ukuran jendela atau aturan yang memetakan ukuran jendela ke kompleksitas, maka mengubah jangka waktu secara efektif mengubah hubungan skala yang dilihat estimator.

Karena ini, dua analis yang menggunakan periode kepemilikan atau jendela data yang berbeda pada jenis instrumen yang sama dapat memperoleh hasil FDI yang berbeda. Perbedaan itu tidak otomatis merupakan kesalahan—itu bisa menjadi tanda bahwa deret tersebut memiliki kompleksitas yang berbeda pada skala yang berbeda.

Bukti atau contoh (dengan asumsi eksplisit)

Asumsikan suatu deret waktu memiliki ledakan singkat pergerakan cepat diikuti oleh periode yang lebih tenang. Pertimbangkan dua pilihan observasi:

• Asumsi A (jangka waktu pendek): Anda menghitung FDI hanya menggunakan jendela terbaru yang mencakup beberapa ledakan. Jalur deret mengandung belokan yang lebih tajam selama jendela itu, sehingga kompleksitas yang diestimasi dapat tampak lebih tinggi.
• Asumsi B (jangka waktu panjang): Anda menghitung FDI menggunakan jendela yang lebih panjang yang mencakup ledakan dan periode tenang. Ledakan yang sama masih ada, tetapi jendela yang lebih panjang memperkenalkan struktur tambahan dan efek rata-rata. Kompleksitas yang diestimasi dapat bergeser lebih rendah atau menjadi lebih stabil, tergantung pada bagaimana estimator memperlakukan skala dan noise.

Dalam kedua kasus, “perubahan FDI” mencerminkan fakta bahwa estimator menggambarkan data pada skala yang dipilih. Itu tidak, dengan sendirinya, mengidentifikasi apakah pergerakan masa depan akan lebih atau kurang kompleks.

Skenario realistis lebih lanjut adalah sensitivitas estimator: FDI yang dihitung dapat bergantung pada pilihan seperti bagaimana Anda memproses deret (misalnya, mengubahnya menjadi return atau menggunakan harga mentah) dan bagaimana Anda menangani data yang hilang atau outlier. Pilihan-pilihan itu berinteraksi dengan jangka waktu.

Keterbatasan dan risiko

1. Ketergantungan skala bukanlah prediksi. Bahkan jika FDI berubah ketika jangka waktu berubah, itu tidak menetapkan bahwa FDI menjelaskan atau memperkirakan harga masa depan. Itu adalah statistik deskriptif, bukan sinyal yang berdiri sendiri.

2. Noise dan efek mikro-struktur. Jangka waktu pendek dapat didominasi oleh ketidakteraturan yang disebabkan oleh noise pengukuran, celah, atau efek bid/ask (jika berlaku). Itu dapat meningkatkan kekasaran yang tampak. Jangka waktu yang lebih panjang dapat mengurangi beberapa pengaruh noise, tetapi juga dapat mencampur rezim yang berbeda.

3. Mode kegagalan estimasi. Jika jendela yang dipilih terlalu pendek untuk persyaratan estimator, atau jika deret mengandung pergeseran rezim yang tiba-tiba, estimasi FDI dapat menjadi tidak stabil. Perbandingan antar jangka waktu kemudian dapat menyesatkan.

4. Keterbandingan antar studi. Jika studi yang berbeda menggunakan pra-pemrosesan, pengaturan parameter, atau aturan jendela yang berbeda, nilai FDI mereka mungkin tidak dapat dibandingkan secara langsung. Tanpa pengaturan yang cocok, FDI yang “lebih tinggi” dapat berarti hal yang berbeda.

Verifikasi atau pertanyaan berikutnya

Untuk memverifikasi secara independen bagaimana jangka waktu memengaruhi FDI dalam konteks tertentu, Anda dapat memperlakukan jangka waktu sebagai variabel yang dikendalikan:

• Hitung ulang FDI pada deret waktu mirip instrumen yang sama menggunakan beberapa panjang jendela, dengan menjaga pra-pemrosesan dan pengaturan estimator tetap.
• Periksa apakah arah dan besarnya perubahan FDI konsisten di ukuran jendela yang berdekatan, atau apakah hasil berubah secara tidak menentu.
• Ulangi latihan pada segmen yang berbeda (periode awal vs akhir) untuk melihat apakah sensitivitasnya stabil atau bergantung pada rezim.

Pertanyaan berikutnya yang berguna adalah: **Pengaturan pra-pemrosesan dan estimasi apa yang digunakan, dan apakah itu berubah dengan jangka waktu?