Bezpośrednia odpowiedź
Zmienność w zachowaniu pary w ramach sesji można mierzyć, kwantyfikując, jak silnie wybrana metryka zmienia się w czasie wewnątrz okien sesji (na przykład okresu w stylu londyńskim lub nowojorskim). Zamiast używać wyniku do prognozowania kierunku, pomiar powinien odpowiadać na pytanie: „Jak duże są zmiany w tej sesji, w porównaniu z innymi sesjami, przy jasno określonych założeniach?”
Praktyczne podejście polega na obliczeniu statystyki zmienności na podstawie zwrotów na poziomie sesji (lub zakresów). Dla każdego okna sesji wybierasz serię ceny odniesienia, przekształcasz ją w zwroty, a następnie agregujesz miarę zmienności (na przykład średni bezwzględny zwrot, odchylenie standardowe zwrotów lub miarę zakresu). Klucz polega na tym, aby mechanika pozostała stała (ta sama definicja, te same granice czasowe, te same wybory obliczeniowe), zmieniając jedynie okno sesji.
Mechanizm i definicja
„Zachowanie pary w ramach sesji” odnosi się do tego, jak zachowuje się para walutowa w określonych okresach czasu. „Zmienność” to miara tego, jak bardzo zmienia się dana wartość. Ponieważ dokładny przyszły ruch jest niepewny, pomiar zmienności koncentruje się na obserwowanej zmienności w danych historycznych.
Aby to zmierzyć, zacznij od stabilnej definicji swoich danych wejściowych:
- Okno sesji: stały czas rozpoczęcia i zakończenia w zdefiniowanej strefie czasowej (w tym jasna reguła dla zmian czasu letniego). To oddziela stabilną mechanikę okna od zmieniającego się dopasowania kalendarza.
- Cena odniesienia: wybierz jeden typ konsekwentnie (na przykład mid, bid lub ask), ponieważ różne odniesienia poruszają się inaczej, gdy spready się rozszerzają.
- Częstotliwość próbkowania: użyj stałego interwału (na przykład 1 minuta lub 5 minut). Ten interwał wpływa na skalę mierzonej zmienności.
- Definicja zwrotu: użyj spójnej transformacji (na przykład proste zwroty z kolejnych cen).
Następnie oblicz zmienność dla każdej sesji. Typowe wybory obejmują:
- Odchylenie standardowe zwrotów w ramach sesji: podsumowuje typowe rozproszenie.
- Średni bezwzględny zwrot: zmniejsza wrażliwość na znak.
- Zakres high–low w ramach sesji: mierzy rozpiętość cen, ale może być wrażliwy na krótkie skoki.
Dowody i przykład z obliczeniami (z założeniami)
Oto konkretny przykład z założeniami, które możesz odtworzyć na podstawie własnych danych.
Założenia:
- Definiujesz jedno okno sesji od 09:00 do 12:00 czasu lokalnego giełdy.
- Próbkujesz cenę odniesienia co 5 minut.
- Używasz zwrotów opartych na kolejnych próbkowanych cenach.
- Obsługujesz oczywiste błędne ticki, usuwając nie-dodatnie znaczniki czasu lub brakujące wartości (prosta reguła czyszczenia danych).
Kroki:
- Dla jednego dnia sesji zbierz sekwencję próbkowanych cen: P1, P2, …, Pn.
- Oblicz zwroty ri z kolejnych cen.
- Oblicz statystykę zmienności dla sesji tego dnia, na przykład odchylenie standardowe zbioru {ri}.
- Powtórz dla wielu dni tego samego typu sesji, aby uzyskać rozkład (na przykład medianę lub średnią zmienność sesji).
- Porównaj między typami sesji, używając tych samych wyborów obliczeniowych.
Realistyczne oczekiwanie jest takie, że wyniki mogą się różnić, ponieważ rynek zmienia się w czasie. Różnice, które mierzysz, powinieneś interpretować jako „zmienność w obserwowanej metryce”, a nie jako prognozę przyczynowo-skutkową.
Ograniczenia, ryzyka i tryby awarii
Istotne ograniczenie: efekty dostawcy i mikrostruktury
Nawet jeśli bazowe ryzyko rynkowe nie uległoby zmianie, Twoje obserwowane zachowanie pary w ramach sesji może się zmieniać z powodu wyborów pomiarowych i mikrostruktury rynku. Przykłady obejmują:
- Zmienność spreadu bid–ask: jeśli używasz bid lub ask zamiast mid, zmienność może częściowo odzwierciedlać zmiany spreadu.
- Realizacja i jakość danych: brakujące dane, różne źródła notowań lub błędne dopasowanie znaczników czasu mogą zmieniać obserwowaną zmienność.
Tryby awarii
- Mieszanie sesji: jeśli granice sesji są niespójne (dryf strefy czasowej lub obsługa czasu letniego), sesje stają się nieporównywalne.
- Niespójna cena odniesienia: przełączanie mid/bid/ask między eksperymentami sprawia, że statystyki zmienności nie są porównywalne.
- Dominacja obserwacji odstających: miary oparte na zakresie mogą być zdominowane przez jeden krótki skok; odchylenie standardowe może również być dotknięte przez ciężkie ogony.
- Zbyt krótkie próbki: mierzenie zmienności na podstawie zbyt małej liczby dni może prowadzić do niestabilnych estymacji.
Co możesz zweryfikować niezależnie
Możesz zweryfikować swoje obliczenia, ponownie uruchamiając ten sam pipeline z tymi samymi definicjami i sprawdzając, czy odtwarzasz wartości zmienności sesji. Jeśli niewielkie zmiany w częstotliwości próbkowania lub definicji zwrotu powodują duże zmiany w wynikach, oznacza to wrażliwość modelu.
Weryfikacja i kolejne pytanie
Przydatne pytanie kontrolne brzmi: „Jeśli zachowam okno sesji, cenę odniesienia, częstotliwość próbkowania i definicję zwrotu, czy nadal widzę te same względne wzorce zmienności między sesjami?” Jeśli nie, Twoja wcześniejsza konkluzja może odzwierciedlać wrażliwość pomiaru, a nie specyficzne zachowanie danej sesji.