Bezpośrednia odpowiedź
Zmienność w sezonowości pary walutowej można mierzyć, traktując „sezonowość” jako wzorzec w średnich zwrotach dla danego okresu kalendarzowego, a następnie mierząc, jak bardzo rzeczywiste zwroty odchylają się od tych średnich właściwych dla kalendarza. Zamiast używać wyniku do prognozowania kolejnego ruchu, celem jest określenie, jak silnie zwroty fluktuują w czasie roku (lub w podziale na dni tygodnia) w ramach „koszyków” kalendarzowych.
Praktyczne podejście polega na obliczeniu zwrotów dla każdej obserwacji, przypisaniu każdemu zwrotowi odpowiedniego koszyka kalendarzowego (na przykład: miesiąc w roku), oszacowaniu średniego zwrotu w każdym koszyku, a następnie obliczeniu zmienności wewnątrz koszyków i pomiędzy nimi. Kluczowe jest to, że musisz stosować spójne definicje (typ zwrotu, horyzont i częstotliwość) oraz musisz podać założenia, ponieważ mierzona „zmienność” zmieni się, jeśli te wybory ulegną zmianie.
Mechanizm i definicja
1) Zdefiniuj elementy składowe
- Sezonowość pary walutowej: tendencja do tego, że zwroty różnią się średnio w zależności od grupowania kalendarzowego (takiego jak miesiąc w roku).
- Zmienność (cel pomiaru): liczbowy opis tego, jak bardzo zwroty się różnią.
- Definicja zwrotu: do celów pomiaru musisz określić, co oznacza „zwrot” (zwykle logarytmiczne zwroty lub zwroty procentowe) oraz horyzont (na przykład: 1-dniowy, 5-dniowy lub 1-godzinny).
2) Zbuduj koszyki sezonowości Wybierz grupowanie kalendarzowe, na przykład:
- Miesiąc w roku (12 koszyków)
- Dzień tygodnia (5 koszyków dla dni handlowych, jeśli używasz dni rynkowych)
- Tydzień w miesiącu (4–5 koszyków)
Dla każdego koszyka oblicz średni zwrot:
- (\mu_b) = średni zwrot dla koszyka (b).
3) Zmierz zmienność, aby uchwycić „zmienność sezonowości” Istnieje kilka uzasadnionych statystyk. Użyj co najmniej jednej, a najlepiej podaj więcej niż jedną:
- Zmienność wewnątrz koszyka: zmienność zwrotów wokół średniej koszyka, np. (\sigma_b) dla każdego koszyka, a następnie zagreguj (średnią lub medianę) w obrębie koszyków.
- Rozproszenie średnich pomiędzy koszykami: jak bardzo różnią się średnie koszyków, np. oblicz (\text{Var}(\mu_b)) w obrębie koszyków.
- Wynik łączony: na przykład ważona miara, która odzwierciedla zarówno zmienność wewnątrz koszyka, jak i różnice pomiędzy średnimi koszyków.
Prosty sposób wyjaśnienia idei:
- Zmienność wewnątrz koszyka mówi, jak „szumne” są zwroty, nawet gdy koszyk kalendarzowy jest stały.
- Rozproszenie pomiędzy koszykami mówi, czy koszyki kalendarzowe sensownie rozdzielają się pod względem średniego zachowania.
Dowód lub przykład (z jawnymi założeniami)
Załóż, że masz dzienne ceny zamknięcia dla pary walutowej w wielu latach i chcesz zmierzyć zmienność sezonowości miesiąc w roku przy użyciu horyzontu 1-dniowego.
Założenia, które należy podać z góry
- Używasz cen zamknięcia do zamknięcia.
- Obliczasz 1-dniowe logarytmiczne zwroty: (r_t = \ln(P_t/P_{t-1})).
- Wykluczasz dni bez handlu, aby każdy krok odpowiadał jednemu dniowi rynkowemu.
- Koszyk kalendarzowy przypisujesz na podstawie daty (t) (dnia, w którym mierzysz zwrot).
Szkic obliczeń
- Dla każdego dnia handlowego (t) przypisz koszyk miesiąca (b(t)\in{1,\dots,12}).
- Dla każdego koszyka (b) oblicz (\mu_b = \text{mean}(r_t,|,b(t)=b)).
- Oblicz zmienność wewnątrz koszyka: (\sigma_b = \text{std}(r_t,|,b(t)=b)).
- Podsumuj zmienność sezonowości, raportując:
- Median((\sigma_b)), aby ograniczyć wpływ miesięcy będących odstającymi wartościami.
- Wariancję średnich koszyków (\text{Var}(\mu_b)), aby opisać, jak wyraźnie różnią się sezonowe średnie.
Istotne ograniczenie w tym przykładzie Nawet jeśli (\sigma_b) różni się między miesiącami, ta różnica może wynikać z szerszych zmian reżimu, a nie ze stabilnego efektu kalendarzowego. Aby uniknąć pomylenia jednorazowych warunków z powtarzalną sezonowością, porównywałbyś wyniki w podokresach (na przykład, wcześniejsze vs późniejsze lata) i sprawdzał, czy wzorzec zmienności pozostaje podobny.
Ograniczenia i ryzyka (oraz co może pójść nie tak)
- Brak gwarancji w czasie rzeczywistym: historyczna zmienność nie zapewnia przyszłych wzorców zmienności.
- Efekty dostawcy i danych: mierzone zwroty i zmienność mogą się zmieniać wraz z częstotliwością danych, brakującymi dniami, zdarzeniami korporacyjnymi (rzadko dla FX), metodologią dostawcy danych oraz tym, czy używasz miar close-to-close czy śród-dziennych.
- Zmiany reżimu rynkowego: zmienność jest zmienna w czasie. Koszyk kalendarzowy może wyglądać stabilnie w jednym reżimie i niestabilnie w innym.
- Koszty i niepewność realizacji: wiele badań „mierzonej zmienności” zakłada implicite handel bez tarcia. Rzeczywiste spready, prowizje i poślizg mogą zmienić to, czego doświadczysz w porównaniu z idealizowanymi szeregami zwrotów.
- Tryb awarii—przeuczenie koszyków kalendarzowych: jeśli użyjesz zbyt wielu koszyków lub zbyt krótkiej historii, możesz mierzyć szum zamiast struktury.
Punkt kontrolny dla odporności to przetestowanie, czy twoja miara zmienności jest stabilna, gdy:
- zmienisz horyzont zwrotu (np. e. g.