Co to jest przykład obliczeniowy Rmi?

Bezpośrednia odpowiedź

Przykład obliczeniowy Rmi to w pełni numeryczna demonstracja tego, jak wartość Rmi zostałaby obliczona na podstawie jasno określonych danych wejściowych i założeń dotyczących wzoru, krok po kroku. Ponieważ „Rmi” może być definiowane różnie przez różne źródła, przykład obliczeniowy jest również miejscem, w którym należy podać dokładną definicję, której używasz (na przykład: co oznacza Rmi w tym kontekście, wzór, okno wsteczne oraz sposób przygotowania danych wejściowych).

Mechanizm lub definicja

Zacznij od dwóch rzeczy, które muszą być ustalone przed jakimkolwiek obliczeniem:

1. Definicja Rmi (wzór): Jaki jest matematyczny wzór na Rmi? Obejmuje to, który szereg cen jest używany (taki jak cena zamknięcia, cena typowa lub inna transformacja), metodę uśredniania (jeśli występuje) oraz etap normalizacji (jeśli występuje).

2. Dane wejściowe i zasady przygotowania: Jaki krok czasowy jest używany, jaki zakres historyczny (lookback) jest stosowany oraz jak obsługiwane są brakujące wartości lub wartości odstające.

„Przykład obliczeniowy” następnie przebiega według powtarzalnego schematu:

• Wybierz mały zestaw historycznych punktów danych dla wymaganych danych wejściowych.
• Oblicz każdą zmienną pośrednią (na przykład: stopy zwrotu, zmiany, średnie kroczące lub składniki skalowania — w zależności od przyjętej definicji).
• Zastosuj końcowy wzór, aby uzyskać pojedynczą wartość Rmi dla określonej daty oceny.

Jeśli zmienisz jakiekolwiek założenie (inną długość lookbacku, inny szereg danych lub inne wygładzanie), wynikowa wartość Rmi również może się zmienić.

Dowód lub przykład

Poniżej znajduje się przykładowy scenariusz, który ilustruje dyscyplinę określania założeń. Nie jest to twierdzenie dotyczące konkretnego wskaźnika rynkowego, ponieważ nie podano unikalnego wzoru Rmi.

Ustawienie scenariusza (wszystkie założenia jawne)

• Oceniamy Rmi na najnowszym kroku czasowym (nazwijmy go dzień 6).
• Używamy prostego 5-okresowego lookbacku (dni 1–6 zapewniają pięć zmian).
• Szereg wejściowy to cena, reprezentowana przez dzienne zamknięcia:
  • Dzień 1: 100
  • Dzień 2: 101
  • Dzień 3: 99
  • Dzień 4: 102
  • Dzień 5: 103
  • Dzień 6: 104
• Definiujemy pośredni szereg zwany zmianą jednookresową jako: zmiana(t) = zamknięcie(t) − zamknięcie(t−1).
• Definiujemy Rmi (dla tego przykładu obliczeniowego) jako stosunek średniej zmiany dodatniej do średniej zmiany bezwzględnej w okresie lookbacku. (Ponownie: jest to definicja zastępcza, ściśle w celu zademonstrowania formatu przykładu obliczeniowego.)

Krok 1: oblicz zmiany jednookresowe

• Dzień 2: 101 − 100 = +1
• Dzień 3: 99 − 101 = −2
• Dzień 4: 102 − 99 = +3
• Dzień 5: 103 − 102 = +1
• Dzień 6: 104 − 103 = +1

Zatem w dniach 2–6 mamy: +1, −2, +3, +1, +1.

Krok 2: oblicz średnie wymagane przez wybraną definicję

• Średnia zmiana dodatnia = (1 + 3 + 1 + 1) / 4 = 6/4 = 1,5
• Średnia zmiana bezwzględna = (|+1| + |−2| + |+3| + |+1| + |+1|) / 5 = (1 + 2 + 3 + 1 + 1)/5 = 8/5 = 1,6

Krok 3: oblicz Rmi dla dnia 6

• Rmi = 1,5 / 1,6 = 0,9375

Czego uczy ten przykład

• Wartość końcowa jest wrażliwa na definicję (tutaj: wybrany stosunek) oraz na wybór danych (ceny zamknięcia i 5-okresowe okno).
• Gdyby dzień 3 nie wynosił −2 (na przykład zamiast tego wynosił −1), obliczone Rmi wzrosłoby.

Aby sensownie użyć przykładu obliczeniowego dla „prawdziwego Rmi”, należy zastąpić definicję zastępczą dokładnym wzorem zgodnym z Twoim źródłem Rmi, a następnie przeliczyć przy użyciu tych samych danych wejściowych.

Ograniczenia i ryzyka (materialne tryby awarii)

1. Niezgodność definicji: „Rmi” nie jest tutaj jednoznacznie określone. Jeśli zastosujesz przykład obliczeniowy przy użyciu jednego wzoru, ale zinterpretujesz wartość „Rmi” innego dostawcy przy użyciu innego wzoru, liczby nie będą się zgadzać.

2. Różnice w obsłudze danych: Różne źródła mogą używać różnych pól cenowych (zamknięcie vs. cena typowa), różnych stref czasowych, różnych sposobów obsługi sesji lub różnego traktowania brakujących danych.

3. Wrażliwość na okno i skalowanie: Zmiana długości lookbacku lub metody normalizacji może znacząco zmienić wynik, nawet jeśli podstawowe zachowanie rynku wygląda podobnie.

4. Nadmierna interpretacja wzorców historycznych: Zależności historyczne nie przesądzają o przyszłych wynikach. Nawet doskonale obliczona wartość wskaźnika może być myląca w zależności od reżimów rynkowych.

5. Brak gwarancji samodzielnego sygnału: Nawet gdy wskaźnik jest obliczony poprawnie, sam w sobie nie stanowi wiarygodnej prognozy. Wyniki zależą od warunków takich jak jakość wykonania, koszty transakcyjne i płynność (które różnią się w czasie i jurysdykcji).