フラマのワーク例とは？明確で検証可能な手順
直接的な回答
フラマのワーク例は、特定の仮定（価格、ウィンドウサイズ、およびスムージングルール）に基づいて入力価格データからフラクタル適応移動平均（Frama）の値がどのように計算されるかを示しています。これは「ワーク例」と呼ばれるのは、最終行の値だけでなく、中間の数値ステップを含むためです。
以下は、自己完結型のシナリオです。これは再計算できるように作成された価格ポイント（ライブデータではない）を使用しています。この例は情報提供のみを目的としており、将来の市場動向を予測するのではなく、メカニズムを説明するためのものです。
メカニズムまたは定義
フラマは、最近の価格動向の「フラクタル」または変動性の程度に基づいてスムージングを調整する移動平均です。実際の実装では、しばしば以下のように行われます。
- 最近の見直しウィンドウを部分に分割します（例：2つの半ウィンドウ）。
- フルウィンドウと各半ウィンドウの価格変動性を計算します。
- その変動性の測定値を、有効なスムージング率を制御するパラメータに変換します。
- そのスムージング率を使用して、現在のフラマ値を最新の価格にブレンドします。
主要なアイデア：最近の価格変動が強いトレンドのように振る舞う場合（ウィンドウ間の「相対的な変動性」が低い）、フラマはスムージングを少なくし（より速く反応）、変動がノイズやより一貫性のない構造のように見える場合は、スムージングを多くします（より遅く反応）。 正確な式の詳細は実装によって異なるため、ワーク例では使用する特定のルールを明示する必要があります。
証拠または例
仮定（すべてを明示）
- データソース：1次元価格シリーズを使用して「終値」を使用。
- この例では、短い説明用の6つの終値の見直しを使用します：
- t=1..6: [100, 101, 102, 103, 102, 104]
- 時刻t=6でフラマを計算します。
- この例の見直し構造：
- フルウィンドウ長：4（最後の4つの終値：101, 102, 103, 102を考慮）
- 長さ2の2つの半ウィンドウ：
- 半ウィンドウA（前）：101, 102
- 半ウィンドウB（後）：103, 102
- この例の変動性の測定値：範囲 = max(price) − min(price)。
- 変動性から「適応」因子への変換：
- N = ln(range_full / (range_halfA + range_halfB)) / ln(2)と定義
- そしてNを合理的な区間にクランプ：N_clamped = max(0, min(N, 1))
- スムージング率マッピング：
- alpha = 0.01 + (1 − N_clamped) * (0.99 − 0.01)
- （これは標準スタイルのマッピング例：N_clampedが小さいとalphaが増加）
- 再帰的更新ルール：
- Frama_5は102に設定（初期値の仮定）。
- Frama_6 = alpha * Close_6 + (1 − alpha) * Frama_5
重要：これらのルールは例の仮定の一部です。別の実装では、異なるウィンドウ長、変動性の測定値、対数処理、またはalphaマッピングを使用する可能性があります。
ステップバイステップ計算
- フルウィンドウ終値（t=3..6で最後の4つの終値を使用）：[101, 102, 103, 102]
- range_full = max(101,102,103,102) − min(101,102,103,102) = 103 − 101 = 2
- 半ウィンドウA終値：[101, 102]
- range_halfA = 102 − 101 = 1
- 半ウィンドウB終値：[103, 102]
- range_halfB = 103 − 102 = 1
- Nの分母：range_halfA + range_halfB = 1 + 1 = 2
- Nを計算：
- range_full / (range_halfA + range_halfB) = 2 / 2 = 1
- ln(1) = 0
- N = ln(1) / ln(2) = 0
- クランプ：
- N_clamped = max(0, min(0, 1)) = 0
- alphaを計算：
- alpha = 0.01 + (1 − 0) * (0.99 − 0.01)
- alpha = 0.01 + 1 * 0.98 = 0.99
- フラマを更新：
- Close_6 = 104
- Frama_5 = 102
- Frama_6 = 0.99 * 104 + (1 − 0.99) * 102
- Frama_6 = 103.0 + 0.01 * 102
- Frama_6 = 103.0 + 1.02 = 104.02
この特定のワーク例の結果：仮定された条件下でFrama_6 ≈ 104.02。
この例が示すもの
- 各計算値は、ウィンドウ分割、範囲の定義、対数変換、クランプ、およびalphaマッピングなどの前の選択に依存します。
- この例では、フルウィンドウと半ウィンドウの範囲が等しい場合、N=0が生成され、これは非常に高いalpha（高速応答）にマッピングされました。異なる分割または価格値はalphaを変更します。
制限とリスク
-
実装間の式の違い
- フラマは、適応型移動平均のファミリーを指します。実際の実装では、フラクタル次元の計算方法、エッジケース（ゼロ範囲など）の処理方法、および適応因子をalphaにマッピングする方法が異なる場合があります。ワーク例は、その式が明示されている限り、転用可能です。
-
パラメータの感度
- ウィンドウサイズとクランプルールは、計算されたalphaおよびフラマレベルを強く変更する可能性があります。仮定されたパラメータ（例：ウィンドウ長または範囲の測定値）を変更する場合は、計算をやり直す必要があります。