Jak działają dane historyczne na rynku Forex
Czym są dane historyczne na rynku Forex?
Dane historyczne na rynku Forex to zapis przeszłych obserwacji dotyczących cen walut i powiązanych pól rynkowych w czasie. Służą one do opisu tego, co wydarzyło się wcześniej, oraz do wspierania analiz, takich jak porównywanie okresów czasu czy testowanie, jak dana metoda mogłaby się zachować.
Przydatny model myślowy jest następujący: masz sekwencję wartości z oznaczeniami czasu i chcesz odtworzyć, jak decyzje mapowałyby się na te wartości. Dane historyczne nie są zatem „prognozą”. Są zbiorem danych wejściowych do zrozumienia przeszłego zachowania lub do sprawdzenia wrażliwości metody na założenia.
Jak są tworzone i co zwykle zawierają
Zbiory danych historycznych są zazwyczaj budowane z surowych strumieni danych (bieżących obserwacji rynkowych), które są przechwytywane, a następnie przechowywane. W zależności od źródła danych i poziomu szczegółowości, dane historyczne mogą obejmować:
- Bid i ask (dwustronne kwotowanie)
- Cenę średnią (mid) (wartość pochodną, często obliczaną na podstawie bid/ask)
- Otwarcie, maksimum, minimum, zamknięcie (OHLC) dla ustalonych interwałów czasowych (na przykład świece jednominutowe)
- Wolumen lub liczbę ticków (dostępność jest różna)
- Znaczniki czasu i konwencje stref czasowych
Dwa rozróżnienia mają znaczenie dla poprawności:
- Granularność czasu: dane tickowe (bardzo dokładne znaczniki czasu) różnią się od danych świecowych (wartości zagregowane dla każdego interwału).
- Ceny a realizacja transakcji: ceny rynkowe pokazują, co było kwotowane; realizacja transakcji pokazuje, co transakcja faktycznie by otrzymała po uwzględnieniu zasad takich jak typ zlecenia, poślizg i spread.
Podstawowy przepływ pracy: dane wejściowe → wyniki symulacji
Typowy „przepływ pracy” z danymi historycznymi do analizy lub testów wstecznych wykorzystuje prostą sekwencję:
- Wybierz zbiór danych: wybierz symbol (parę walutową), zakres czasu i granularność (ticki lub świece).
- Zdefiniuj, co będziesz obliczać: na przykład stopy zwrotu w czasie, obsunięcia kapitału (drawdown) w symulowanej krzywej kapitału lub liczbę transakcji zyskownych/stratnych według określonych zasad.
- Określ model realizacji transakcji: ponieważ masz tylko przeszłe kwotowania, każda symulacja oparta na transakcjach musi zdecydować, w jaki sposób zlecenia są wypełniane. Typowe kategorie założeń obejmują:
- Używanie ceny średniej (mid) zamiast bid/ask przy otwieraniu i zamykaniu pozycji
- Stosowanie spreadu (stałego lub zmiennego w czasie)
- Modelowanie poślizgu (różnica między zamierzoną a otrzymaną ceną)
- Dodawanie kosztów transakcyjnych (prowizji/opłat)
- Uruchom mapowanie: przejdź krok po kroku przez czas, zastosuj swoją logikę decyzyjną do sekwencji historycznej i wygeneruj symulowane transakcje lub sygnały.
- Wyprowadź wyniki: wyniki są wyłącznie efektem wybranych założeń i mapowania—takim jak szereg czasowy symulowanych pozycji, zagregowane statystyki czy miary błędów w porównaniu z benchmarkiem.
Kluczowy punkt: dane historyczne dostarczają osi czasu i wartości; model realizacji transakcji stanowi pomost do „tego, co byś handlował”. Jeśli ten pomost jest niejasny lub nierealistyczny, wyniki mogą być mylące.
Dowód na przykładzie (z jawnymi założeniami)
Rozważmy prosty scenariusz z danymi świecowymi.
- Zbiór danych: świece OHLC dla pary walutowej w interwale 1-minutowym.
- Założenie A: wchodzisz na otwarciu świecy, gdy warunek zostanie wykryty na początku świecy.
- Założenie B: wychodzisz na zamknięciu następnej świecy.
- Założenie C: spready są ignorowane (lub zakładane jako zerowe) i nie ma żadnych kosztów.
Stosując te założenia, możesz obliczyć sekwencję symulowanych stóp zwrotu z pozycji na podstawie wartości OHLC. Jeśli zmienisz tylko założenie A, aby wejść na zamknięciu świecy zamiast na otwarciu, symulowane wyniki ulegną zmianie—mimo że zbiór danych historycznych jest ten sam.
To ilustruje ogólną zasadę weryfikacji: spróbuj zmienić jedno założenie na raz (sposób traktowania spreadu, moment realizacji transakcji, koszty), aby sprawdzić, czy wnioski są odporne, czy kruche.
Istotne ograniczenia i tryby awarii
Dane historyczne mogą być przydatne, ale kilka problemów może wpłynąć na ich wiarygodność:
1) Jakość danych i brakujące informacje
Zapisy historyczne mogą zawierać luki, zduplikowane znaczniki czasu, niespójne strefy czasowe lub różne stany rynku w próbie. Jeśli Twoja analiza wymaga ciągłości, brakujące dane mogą zniekształcić obliczoną oś czasu.
2) Efekty przetrwania (survivorship bias) i efekt selekcji
Jeśli wybierzesz okresy, które „wyglądają na istotne” po zobaczeniu wyników, możesz przypadkowo zbudować zbiór danych, który obciąża wyniki. Nawet bez celowego „oszukiwania”, powtarzanie wzorca, który pojawia się tylko w określonym reżimie rynkowym, może stworzyć iluzję stabilności.
3) Różnica między kwotowaniem a transakcją (spread, poślizg i koszty)
Ponieważ historyczne kwotowania nie są automatycznie równe wypełnieniom transakcji, model realizacji transakcji jest niezbędny. W praktyce spready i poślizgi mogą się zmieniać, a koszty mogą być znaczące.
Jeśli założysz wąskie spready, a rzeczywiste wypełnienia są gorsze, symulowane wyniki mogą zawyżać osiągi.
4) Niestacjonarność zależności
Warunki rynkowe na rynku Forex mogą się zmieniać w czasie. Zależności statystyczne, które pojawiają się w przeszłości, mogą nie utrzymać się w przyszłości. Dane historyczne mogą pokazywać wzorce korelacji, ale nie mogą zagwarantować ich trwałości.
5) Dopasowanie do szumu (overfitting)
Gdy metoda jest wielokrotnie dostrajana do historycznego zbioru danych, może uchwycić szum, a nie ogólną właściwość. Wynik może wyglądać dobrze w próbie, ale być zawodny na nowych danych.
Jak niezależnie weryfikować fakty (bez sugerowania wyników)
Możesz zweryfikować podstawowe mechanizmy analizy danych historycznych poprzez samokontrolę:
- Potwierdź definicje: Co dokładnie oznaczają „otwarcie”, „maksimum”, „minimum”, „zamknięcie” lub „tick” w Twoim zbiorze danych (i który znacznik czasu jest używany)?
- Przeanalizuj transformacje: Jeśli podano cenę średnią (mid) lub pola pochodne, zweryfikuj, jak zostały obliczone na podstawie bid/ask (jeśli ma to zastosowanie).
- Przetestuj model realizacji transakcji: Powtórz obliczenia przy alternatywnych, jasno określonych założeniach dotyczących spreadu i kosztów.
- Porównaj granularności: Sprawdź, czy wnioski różnią się między danymi tickowymi a świecowymi.
- Zastosuj ocenę poza próbą (out-of-sample): Podziel oś czasu na oddzielne okresy i porównaj zachowanie między nimi, pamiętając, że to nadal zależy od założeń.
Nastawienie na weryfikację pomaga oddzielić to, co dane historyczne bezpośrednio wspierają (przeszłe wartości i odtworzenie przy jawnych założeniach) od tego, czego nie mogą zagwarantować (przyszłe zachowanie).