Mechanizm i definicja: co „sezonowość” oznacza dla par walutowych
Sezonowość pary walutowej oznacza, że wyniki lub zachowanie pary walutowej wykazują powtarzającą się tendencję w obrębie kalendarza (na przykład w niektórych miesiącach, tygodniach, dniach tygodnia lub okresach świątecznych), gdy analizujesz dane historyczne na przestrzeni wielu lat.
Aby ją ocenić, musisz najpierw zdecydować, co rozumiesz przez „zachowanie”. Typowe mierzalne cele obejmują:
- Zmianę ceny (różnica ceny zamknięcia między dwoma datami)
- Stopy zwrotu (zmiana procentowa w zdefiniowanym interwale)
- Wolatility (zmienność stóp zwrotu w danym okresie)
- Statystyki zakresu (zachowanie high–low w oknie czasowym)
Ten wybór ma znaczenie, ponieważ sezonowość może pojawiać się w stopach zwrotu, ale nie w poziomach, albo w zmienności, ale nie w średnich stopach zwrotu.
Bezpośrednia odpowiedź: dane wejściowe, których potrzebujesz
W minimalnym zakresie potrzebujesz danych, które umożliwiają powtarzalne, dopasowane do kalendarza obliczenie wybranego przez Ciebie wskaźnika zachowania.
1) Szereg czasowy zgodny z ceną lub spreadem
Zwykle potrzebujesz jednej z poniższych opcji, rejestrowanej w sposób spójny:
- Notowania bid/ask (do obliczania cen mid istotnych transakcyjnie oraz spreadów)
- Szereg cen mid lub szereg cen close (do obliczania zmian cen/stóp zwrotu)
Dla sezonowości kluczowym wymaganiem jest dopasowanie w czasie: każde obserwacje musi mapować się do spójnej strefy czasowej oraz konwencji dnia handlowego lub kalendarzowej.
2) Jasno zdefiniowana reguła próbkowania
Wybierz interwał i regułę, które przekształcają surowe dane w metrykę, którą będziesz testować. Przykłady reguł próbkowania obejmują:
- Dzienne zamknięcia (jedna wartość na dzień)
- Stopy zwrotu na koniec tygodnia (np. od week-end do week-end)
- Okna śróddzienne zagregowane do stałego okresu (np. średnia w ciągu godziny)
Podaj dokładne godziny startu/zakończenia używane dla każdego interwału. Bez stałej reguły „sezonowość” może być artefaktem niespójnych cutoffów.
3) Mapowanie kalendarza
Ponieważ sezonowość dotyczy kalendarza, potrzebujesz ramy kalendarzowej do oznaczania każdej obserwacji przez:
- Miesiąc, numer tygodnia w roku, dzień tygodnia
- Flagi świąteczne (jeśli planujesz testować efekty świąteczne)
- Konwencje sesji handlowej (jeśli Twój zbiór danych obejmuje tylko określone godziny rynku)
To mapowanie pozwala grupować wyniki (na przykład średnie stopy zwrotu według miesiąca) w sposób, który można niezależnie odtworzyć.
4) Pochodzenie danych i aktualność
Udokumentuj, skąd pochodzi szereg czasowy i co zostało z nim zrobione:
- Źródło/dostawca (dostawca danych, feed brokera, źródło giełdowe, jeśli dotyczy)
- Kroki przetwarzania danych (czyszczenie, interpolacja, obsługa brakujących wartości)
- Długość okresu pokrycia (ile lat)
- Wersja lub data aktualizacji (kiedy wyodrębniono zbiór danych)
Jeśli metodologia dostawcy się zmienia, profil sezonowości może się zmienić nawet wtedy, gdy „rynek” się nie zmienił.
5) Kontrole jakości i metadane wymagane do wiarygodnego grupowania
Powinieneś być w stanie zweryfikować poniższe kwestie, zanim zaufasz jakimkolwiek wzorcom kalendarzowym:
- Obsługa brakujących danych: co się działo w dniach z lukami?
- Strefa czasowa i czas letni: czy znaczniki czasu zostały znormalizowane?
- Outliery: czy usunięto złe ticki/notowania i w jaki sposób?
- Korekty działań korporacyjnych: rzadziej dla FX, ale nadal sprawdź nietypowe artefakty danych
- Spójność: czy te same konwencje obowiązują w całym oknie obserwacji?
6) Koszty i założenia dotyczące realizacji (jeśli używasz mierników możliwych do handlu)
Twierdzenia o sezonowości mogą się nie sprawdzić, gdy ignoruje się koszty. Aby ocenić „zachowanie” w sposób, który można porównać z realistycznymi wynikami, potrzebujesz jawnych założeń dotyczących:
- Modelu kosztów transakcyjnych (nawet jeśli uproszczonego)
- Tego, czy używasz cen mid, czy miar wyprowadzonych z bid/ask
- Założeń dotyczących poślizgu (jeśli uwzględniasz jakąkolwiek metrykę uwzględniającą realizację)
Jeśli nie potrafisz wyjaśnić modelu kosztów/realizacji, nie da się oddzielić „efektu kalendarzowego” od „efektu mikrostruktury rynku”.
Dowód lub przykład: jak dane są używane w praktyce (z założeniami)
Typowy workflow wykorzystuje wybraną metrykę i grupuje obserwacje według etykiety kalendarzowej.
Na przykład, załóżmy, że decydujesz się mierzyć dzienne stopy zwrotu. Wtedy:
- Obliczasz dzienne stopy zwrotu z szeregu cenowego, używając spójnego wzoru (zdefiniuj, czy to stopa zwrotu prosta, czy logarytmiczna).
- Przypisujesz każdemu dniu kategorię kalendarzową (np. miesiąc w roku = 1 do 12).
- Dla każdej kategorii obliczasz statystykę podsumowującą (średnią stopę zwrotu, medianę lub zmienność).
- Porównujesz kategorie na podstawie jawnego kryterium (na przykład tego, czy różnice utrzymują się w wielu latach).
Założenia, które musisz podać dla odtwarzalności, obejmują: definicję dziennego close, normalizację strefy czasowej oraz to, jak traktujesz brakujące dni. Dodatkowo zdecyduj, czy wykluczasz święta, czy zachowujesz 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 tym, jak interpretujesz wyniki.