Co powinni wiedzieć początkujący o danych historycznych
Co oznaczają „dane historyczne”
Dane historyczne to zapis przeszłych informacji o czymś, co zmienia się w czasie. W kontekście handlu i analityki rynkowej często odnoszą się one do wartości z oznaczeniem czasu, takich jak ceny i wolumeny, przechowywanych w zbiorze danych. Kluczową myślą dla początkujących jest to, że dane historyczne opisują to, co się wydarzyło, a nie to, co się wydarzy.
Aby jasno używać tego terminu, przed omówieniem implikacji zdefiniuj trzy elementy:
- Zmienna(-e): co jest mierzone i przechowywane (na przykład cena lub wskaźnik pochodny).
- Podstawa czasowa: w jaki sposób obserwacje są opatrywane znacznikami czasu i rozmieszczane (na przykład co sekundę, co minutę).
- Zasady zbioru danych: w jaki sposób dane są kompilowane i czyszczone (na przykład obsługa brakujących punktów lub zmian o charakterze korporacyjnym, tam gdzie ma to zastosowanie).
Jak wykorzystywane są dane historyczne (mechanika)
Ludzie wykorzystują dane historyczne do badania zależności, szacowania parametrów lub symulowania przeszłych decyzji. Typowy proces wygląda następująco:
- Wybierz zbiór danych (okres i źródło).
- Zdefiniuj założenia (jak reprezentowane są działania, np. które znaczniki czasu kwalifikują się do podejmowania decyzji).
- Oblicz wyniki (na przykład hipotetyczne rezultaty przy podanych zasadach).
- Oceń, co się wydarzyło (porównaj wyniki symulacji z późniejszymi okresami w zbiorze danych lub oceń błędy).
Kluczową koncepcją jest to, że praca z danymi historycznymi jest tak obiektywna, jak zasady, które wybierzesz. Jeśli dwóch badaczy użyje tej samej serii cen, ale przyjmie różne założenia—takie jak różny czas realizacji, koszty transakcyjne lub to, co uznają za „dostępne” na każdym etapie—wyniki mogą się znacznie różnić.
Dowody i realistyczny przykład
Rozważ prosty scenariusz: chcesz zrozumieć, czy reguła zależna od wcześniejszych wartości cen zachowywałaby się podobnie w przeszłości. Możesz:
- Użyć stałego interwału czasowego dla swoich obliczeń.
- Stosować regułę tylko w określonych momentach decyzyjnych.
- Przyjąć konkretny sposób modelowania realizacji (na przykład używając następnego punktu danych po momencie decyzyjnym).
Istotą nie jest konkretna reguła; chodzi o łańcuch założeń. Jeśli Twoje obliczenia zakładają jeden rodzaj synchronizacji czasowej, a dane są rejestrowane inaczej, symulacja nie jest już wiernym odwzorowaniem tego, co zapis historyczny mógłby potwierdzić.
Pamiętaj również o kosztach i tarciach. Nawet jeśli kierunek ruchu wygląda korzystnie na surowych cenach, realistyczne koszty (spready, prowizje, poślizg) mogą zmienić wynik. Jeśli nie uwzględnisz tych efektów—lub uwzględnisz je niespójnie—wynik w teście wstecznym może wyglądać lepiej, niż byłoby to w rzeczywistości przy tych samych zasadach danych.
Ograniczenia i sposoby zawodności
Dane historyczne tworzą niepewność na wiele sposobów:
- Zmiany reżimu rynkowego: zależności mogą słabnąć, gdy zmienia się otoczenie. Wzorzec, który wydaje się stabilny w jednym okresie, może nie utrzymać się w innym.
- Problemy z jakością danych: brakujące znaczniki czasu, niespójne próbkowanie, zaokrąglenia lub efekty podobne do błędu przetrwania (tam, gdzie ma to zastosowanie) mogą zniekształcić analizę.
- Przetrenowanie i „opowiadanie historii”: jeśli dostroisz wiele wyborów do przeszłego szumu, możesz nauczyć się osobliwości zbioru danych zamiast ogólnej struktury.
- Błąd posiadania wiedzy przyszłej (look-ahead bias): jeśli Twoje obliczenia przypadkowo wykorzystają informacje, które nie byłyby znane w momencie decyzji, wyniki stają się mylące.
- Niedopasowanie realizacji: „ceny, które widzisz” mogą nie odpowiadać cenom, które faktycznie mógłbyś uzyskać, biorąc pod uwagę założenia dotyczące czasu i płynności.
Najbezpieczniejszym nastawieniem dla początkującego jest traktowanie wyników historycznych jako obserwacji zależnych od modelu, a nie zweryfikowanej przyszłej wydajności.
Jak weryfikować twierdzenia o danych historycznych, które czytasz
Gdy ktoś przedstawia wynik oparty na danych historycznych, możesz zweryfikować podstawową logikę bez polegania na prognozach lub obietnicach. Skorzystaj z tej listy kontrolnej:
- Definicje: Czym dokładnie jest zbiór danych, zmienna(-e) i podstawa czasowa?
- Założenia: Jakie założenia dotyczące czasu realizacji i kosztów zostały przyjęte?
- Metoda: Jak wybrano parametry i czy dostrajanie zostało oddzielone od oceny?
- Powtarzalność: Czy możesz powtórzyć kroki z podanymi zasadami i uzyskać spójne wyniki?
Jako punkt kontrolny zapytaj, czy metoda nadal działałaby, gdybyś zmienił okres, źródło zbioru danych lub częstotliwość próbkowania. Jeśli wyniki w dużej mierze zależą od jednego wąskiego wycinka historii lub kruchego zestawu założeń, jest to sygnał, aby traktować wniosek jako niepewny.
Następne pytanie, które warto zadać
Jeśli rozumiesz zasady zbioru danych i łańcuch założeń, następne przydatne pytanie brzmi: W jaki sposób analiza jest walidowana poza tą samą próbką historyczną, która posłużyła do jej zdefiniowania? Pomaga to odróżnić prawdziwą strukturę od artefaktów zapisu historycznego.