Bezpośrednia odpowiedź
Zmienność GBP/EUR zazwyczaj mierzy się, obliczając, o ile kurs wymiany porusza się w górę i w dół w określonym okresie. „Mierzenie” może oznaczać różne obliczenia — najczęściej zmienność opartą na zwrotach albo zmienność wynikającą z zakresów cen — więc kluczowe jest wskazanie metody, częstotliwości próbkowania i okna czasowego.
Przydatne ujęcie brzmi: zmienność to statystyka opisowa zmienności, a nie prognoza kierunku ani przyszłej skali ruchów.
Mechanizm lub definicja
1) Zmienność oparta na zwrotach (przyjazna modelom)
Standardowe podejście zaczyna się od zwrotów, które pokazują, jak zmienia się kurs wymiany z jednego punktu w czasie do następnego.
Niech kurs GBP/EUR w czasie t będzie oznaczony jako (S_t). Dwie popularne definicje zwrotu to:
- Zwrot prosty: (r_t = (S_t - S_{t-1}) / S_{t-1})
- Zwrot logarytmiczny: (r_t = \ln(S_t / S_{t-1}))
Aby obliczyć zmienność dla okna o długości N obserwacji, szacujesz odchylenie standardowe zwrotów w tym oknie. W prostych słowach daje to „średni rozrzut” wokół typowego poziomu zwrotu.
Założenia, które trzeba podać:
- Musisz wybrać częstotliwość danych (np. godzinową, dzienną).
- Musisz wybrać długość okna (np. ostatnie 20 dni).
- Zmienność zależy od tego, czy używasz zwrotów prostych czy logarytmicznych.
2) Zmienność oparta na zakresie (odporna na część szumu)
Inna miara wykorzystuje zakres high–low w ramach każdej jednostki czasu. Dla każdego dnia (lub godziny) obliczasz, jak szeroki był zaobserwowany ruch, np.:
- (\text{Range}_t = \text{High}_t - \text{Low}_t)
Aby połączyć wyniki w czasie, możesz użyć średnich albo statystyk kroczących dla zakresów.
Założenia, które trzeba podać:
- Miary oparte na zakresie zależą od tego, co w Twoim strumieniu danych oznacza „High” i „Low”.
- Odzwierciedlają zaobserwowane ekstremalne wartości śróddzienne, które mogą być wrażliwe na jakość danych i obsługę znaczników czasu.
3) Zmienność krocząca (jak się zmienia)
Ponieważ zmienność zmienia się w czasie, wiele analiz oblicza wybraną miarę zmienności krocząco na nakładających się oknach. Daje to serię czasową estymat zmienności.
Istotna konsekwencja: Krótsze okno szybciej reaguje na ostatnie zmiany; dłuższe okno jest bardziej wygładzone, ale wolniej odzwierciedla zmiany reżimu.
Dowody lub przykład
Przykład: obliczanie zmienności z dziennych logarytmicznych zwrotów (hipotetycznie)
Załóż, że masz obserwacje GBP/EUR na koniec każdego dnia z ostatnich 30 dni sesyjnych: (S_{t-29}, \dots, S_t).
- Oblicz dzienne logarytmiczne zwroty: (r_i = \ln(S_i / S_{i-1})) dla i w obrębie okna.
- Oblicz odchylenie standardowe (r_i) w tych 30 dniach.
- Jeśli chcesz porównać do konwencji rocznych, możesz przeskalować wynik czynnikiem, np. (\sqrt{\text{periods per year}}). To skalowanie opiera się na założeniach dotyczących tego, jak agregują się zwroty.
Nawet bez danych w czasie rzeczywistym, kluczowy krok weryfikacji jest wewnętrzny: sprawdź, że potrafisz odtworzyć te same (r_i) z tej samej serii wejściowej oraz że okienkowanie jest spójne.
Przykład: obliczanie zmienności na podstawie zakresów (hipotetycznie)
Jeśli zamiast tego używasz dziennych zakresów, dla każdego dnia oblicz (\text{High}_t - \text{Low}_t). Następnie weź średnią (albo odchylenie standardowe) z tych zakresów w obrębie kroczącego okna.
Co się zmienia: miary oparte na zakresie kładą nacisk na to, jak daleko dotarła cena, podczas gdy miary oparte na zwrotach podsumowują rozkład zmian między kolejnymi zamknięciami.
Ograniczenia i ryzyka
Zmienność jest opisowa, nie predykcyjna
Częstym błędem jest traktowanie liczby zmienności jak samodzielnego sygnału dla przyszłego kierunku lub wyników. Miary zmienności opisują zmienność w przeszłym oknie; same w sobie nie wyjaśniają, dlaczego doszło do ruchów, ani co będzie dalej.
Wyniki zależą od wyborów pomiarowych
Zmienność zależy od ustawień, które da się kontrolować:
- Długość okna czasowego: krótkie okna wychwytują ostatnie wahania; długie je wygładzają.
- Częstotliwość próbkowania: użycie danych minutowych zamiast dziennych zamknięć może znacząco zmienić zmienność.
- Definicja zwrotu: zwroty logarytmiczne vs proste dają różne wartości.
- Konwencje źródła danych: różne feedy mogą inaczej obsługiwać znaczniki czasu, wartości odstające lub święta.
Efekty dostawcy i realizacji w praktyce
Nawet jeśli poprawnie obliczysz zmienność, rzeczywiste wyniki mogą się różnić, ponieważ koszty transakcyjne, warunki płynności, timing realizacji oraz reguły jurysdykcyjne wpływają na to, co oznacza „ruch” dla końcowego użytkownika.
Historyczne zależności nie przenoszą się
Kolejnym ograniczeniem jest to, że zależność między zmiennością a wynikami w przeszłości nie gwarantuje podobnych rezultatów później. Struktura rynku i zachowanie uczestników mogą się zmieniać.
DOCUMENT END