Jakie dane są potrzebne do oceny sezonowości pary walutowej?

Mechanizm i definicja: co „sezonowość” oznacza dla par walutowych

Sezonowość pary walutowej oznacza, że wyniki lub zachowanie pary walutowej wykazują powtarzającą się tendencję w kalendarzu (na przykład w określonych miesiącach, tygodniach, dniach tygodnia lub okresach świątecznych) podczas analizy danych historycznych z wielu lat.

Aby to ocenić, musisz najpierw zdecydować, czym jest „zachowanie”. Typowe mierzalne cele obejmują:

• Zmianę ceny (różnica między ceną zamknięcia w dwóch terminach)
• Stopy zwrotu (procentowa zmiana w określonym przedziale)
• Zmienność (odchylenie stóp zwrotu w danym okresie)
• Statystyki zakresu (zachowanie maksimum–minimum w oknie czasowym)

Ten wybór ma znaczenie, ponieważ sezonowość może występować w stopach zwrotu, ale nie w poziomach cen, lub w zmienności, ale nie w średnich stopach zwrotu.

Bezpośrednia odpowiedź: jakie dane wejściowe są potrzebne

Co najmniej potrzebujesz danych, które umożliwiają powtarzalne obliczenie wybranego wskaźnika zachowania z wyrównaniem kalendarzowym.

1) Szereg czasowy cen lub danych zgodnych ze spreadem

Zazwyczaj potrzebujesz jednego z poniższych, rejestrowanego w spójny sposób:

• Kursy bid/ask (do obliczenia istotnych dla transakcji cen średnich i spreadów)
• Szereg cen średnich lub cen zamknięcia (do obliczenia zmian cen/stóp zwrotu)

W przypadku sezonowości kluczowym wymogiem jest wyrównanie czasowe: każda obserwacja musi odpowiadać spójnej strefie czasowej oraz konwencji dnia handlowego lub kalendarzowego.

2) Jasno zdefiniowana reguła próbkowania

Wybierz interwał i regułę, które przekształcają surowe dane na mierzony wskaźnik. Przykłady reguł próbkowania obejmują:

• Zamknięcia dzienne (jedna wartość dziennie)
• Stopy zwrotu z końca tygodnia (np. z końca tygodnia na koniec tygodnia)
• Okna śróddzienne zagregowane do stałego okresu (np. średnia w ciągu godziny)

Określ dokładne czasy rozpoczęcia/zakończenia dla każdego interwału. Bez stałej reguły „sezonowość” może być artefaktem niespójnych punktów odcięcia.

3) Mapowanie kalendarzowe

Ponieważ sezonowość dotyczy kalendarza, potrzebujesz ram kalendarzowych, aby oznaczyć każdą obserwację według:

• Miesiąca, tygodnia roku, dnia tygodnia
• Flag świątecznych (jeśli planujesz testować efekty świąteczne)
• Konwencji sesji handlowych (jeśli zestaw danych obejmuje tylko określone godziny rynkowe)

To mapowanie umożliwia grupowanie wyników (na przykład średnich stóp zwrotu według miesięcy) w sposób, który można niezależnie odtworzyć.

4) Pochodzenie danych i aktualność

Udokumentuj, skąd pochodzi szereg czasowy i co z nim zrobiono:

• Źródło/dostawca (dostawca danych, feed brokera, źródło giełdowe, jeśli ma zastosowanie)
• Kroki przetwarzania danych (czyszczenie, interpolacja, obsługa brakujących wartości)
• Długość okresu pokrycia (ile lat)
• Wersja lub data aktualizacji (kiedy zestaw danych został pobrany)

Jeśli metodologia dostawcy się zmieni, profil sezonowości może się zmienić, nawet jeśli „rynek” się nie zmienił.

5) Kontrole jakości i metadane wymagane do wiarygodnego grupowania

Przed zaufaniem jakiemukolwiek wzorcowi kalendarzowemu powinieneś móc zweryfikować następujące kwestie:

• Obsługa brakujących danych: co się stało w dniach z lukami?
• Strefa czasowa i czas letni: czy znaczniki czasu zostały znormalizowane?
• Wartości odstające: czy usunięto błędne ticki/kursy i w jaki sposób?
• Korekty o zdarzenia korporacyjne: mniej powszechne na rynku FX, ale nadal sprawdź nietypowe artefakty danych
• Spójność: czy te same konwencje obowiązują w całym oknie analizy wstecznej?

6) Koszty i założenia dotyczące realizacji transakcji (jeśli używasz mierzalnych wskaźników transakcyjnych)

Twierdzenia o sezonowości mogą okazać się błędne, gdy koszty są ignorowane. Aby ocenić „zachowanie” w sposób, który można zweryfikować pod kątem realistycznych wyników, potrzebujesz jawnych założeń dotyczących:

• Modelu kosztów transakcyjnych (nawet uproszczonego)
• Czy używasz cen średnich, czy miar opartych na bid/ask
• Założeń dotyczących poślizgu (jeśli uwzględniasz jakikolwiek wskaźnik uwzględniający realizację)

Jeśli nie możesz wyjaśnić modelu kosztów/realizacji, nie możesz oddzielić „efektu kalendarzowego” od „efektu mikrostruktury rynku”.

Dowód lub przykład: jak dane są wykorzystywane w praktyce (z założeniami)

Typowy proces roboczy wykorzystuje wybrany wskaźnik i grupuje obserwacje według etykiety kalendarzowej.

Załóżmy na przykład, że decydujesz się mierzyć stopy zwrotu dzienne. Należałoby:

1. Obliczyć dzienne stopy zwrotu z szeregu cen przy użyciu spójnej formuły (zdefiniuj, czy jest to stopa zwrotu prosta, czy logarytmiczna).
2. Przypisać każdy dzień do kategorii kalendarzowej (np. miesiąc roku = od 1 do 12).
3. Dla każdej kategorii obliczyć statystykę zbiorczą (średnią stopę zwrotu, medianę lub zmienność).
4. Porównać kategorie za pomocą jawnego kryterium (na przykład, czy różnice utrzymują się przez wiele lat).

Założenia, które musisz podać dla powtarzalności, obejmują: definicję dziennego zamknięcia, normalizację strefy czasowej oraz sposób traktowania brakujących dni. Zdecyduj również, czy wykluczasz święta, czy pozostawiasz je w tej samej kategorii — zmiana tej decyzji może zmienić wnioski.

Ograniczenia i ryzyka: tryby awarii, które musisz uwzględnić

Co najmniej jedno istotne ograniczenie powinno kierować interpretacją wyników.