Co to jest przykład obliczeniowy Frama? Jasne i weryfikowalne omówienie

Bezpośrednia odpowiedź

Przykład obliczeniowy Frama pokazuje, jak wartość Fraktalnej Adaptacyjnej Średniej Kroczącej (Frama) jest obliczana na podstawie danych cenowych przy użyciu konkretnych, jawnie określonych założeń (ceny, rozmiar okna i reguły wygładzania). Jest to przykład „obliczeniowy”, ponieważ zawiera pośrednie kroki numeryczne, a nie tylko końcową wartość linii.

Poniżej znajduje się samodzielny scenariusz. Wykorzystuje on fikcyjne punkty cenowe (nie dane na żywo), dzięki czemu możesz samodzielnie przeliczyć każdą wielkość pośrednią. Przykład ma charakter wyłącznie informacyjny i ilustruje mechanikę działania, a nie przewidywanie przyszłych zachowań rynku.

Mechanizm lub definicja

Frama to średnia krocząca, która dostosowuje swoje wygładzanie na podstawie oszacowania, jak „fraktalny” lub zmienny jest ostatni ruch cen. W praktyce implementacje często:

1. Dzielą ostatnie okno analizy na części (na przykład dwa półokna).
2. Obliczają miary zmienności cen dla całego okna oraz dla każdego półokna.
3. Przekształcają te miary zmienności w parametr kontrolujący efektywne tempo wygładzania.
4. Mieszają bieżącą wartość Frama w kierunku najnowszej ceny, używając tego tempa wygładzania.

Kluczowa idea: gdy ostatnia zmienność cen zachowuje się jak silny trend (niższa „względna zmienność” między oknami), Frama ma tendencję do mniejszego wygładzania (szybsza reakcja). Gdy zmienność wygląda bardziej jak szum lub mniej spójna struktura, wygładzanie jest większe (wolniejsza reakcja). Dokładne szczegóły wzorów różnią się w zależności od implementacji, dlatego przykład obliczeniowy musi określać konkretne reguły, których używa.

Dowód lub przykład

Założenia (określ wszystko)

• Źródło danych: jednowymiarowy szereg cen z użyciem wartości „close”.
• Używamy krótkiego, ilustracyjnego okna analizy składającego się z 6 cen zamknięcia:
  • t=1..6: [100, 101, 102, 103, 102, 104]
• Obliczamy Framę w czasie t=6.
• Struktura okna dla tego przykładu:
  • Długość pełnego okna: 4 (rozważamy ostatnie 4 ceny zamknięcia: 101, 102, 103, 102)
  • Dwa półokna, każde o długości 2:
    • Półokno A (wcześniejsze): 101, 102
    • Półokno B (późniejsze): 103, 102
• Miara zmienności w tym przykładzie: zakres = max(cena) − min(cena).
• Konwersja zmienności na czynnik „adaptacyjny”:
  • Zdefiniuj N = ln(zakres_pełny / (zakres_półA + zakres_półB)) / ln(2)
  • Następnie ogranicz N do rozsądnego przedziału: N_ograniczone = max(0, min(N, 1))
• Mapowanie tempa wygładzania:
  • alpha = 0.01 + (1 − N_ograniczone) * (0.99 − 0.01)
  • (Jest to przykład mapowania w standardowym stylu: alpha rośnie, gdy N_ograniczone jest mniejsze.)
• Rekurencyjna reguła aktualizacji:
  • Frama_5 jest ustawione na 102 (założenie wartości początkowej).
  • Frama_6 = alpha * Close_6 + (1 − alpha) * Frama_5

Ważne: Te reguły są częścią założeń przykładu. Inna implementacja może używać różnych długości okien, miar zmienności, sposobu obsługi logarytmów lub mapowania alpha.

Obliczenia krok po kroku

1. Ceny zamknięcia w pełnym oknie (t=3..6, używając ostatnich 4 cen): [101, 102, 103, 102]
   • zakres_pełny = max(101,102,103,102) − min(101,102,103,102) = 103 − 101 = 2
2. Ceny zamknięcia w półoknie A: [101, 102]
   • zakres_półA = 102 − 101 = 1
3. Ceny zamknięcia w półoknie B: [103, 102]
   • zakres_półB = 103 − 102 = 1
4. Mianownik dla N: zakres_półA + zakres_półB = 1 + 1 = 2
5. Oblicz N:
   • zakres_pełny / (zakres_półA + zakres_półB) = 2 / 2 = 1
   • ln(1) = 0
   • N = ln(1) / ln(2) = 0
6. Ogranicz:
   • N_ograniczone = max(0, min(0, 1)) = 0
7. Oblicz alpha:
   • alpha = 0.01 + (1 − 0) * (0.99 − 0.01)
   • alpha = 0.01 + 1 * 0.98 = 0.99
8. Zaktualizuj Framę:
   • Close_6 = 104
   • Frama_5 = 102
   • Frama_6 = 0.99 * 104 + (1 − 0.99) * 102
   • Frama_6 = 103.0 + 0.01 * 102
   • Frama_6 = 103.0 + 1.02 = 104.02

Wynik tego konkretnego przykładu obliczeniowego: Frama_6 ≈ 104.02 przy podanych założeniach.

Co pokazuje ten przykład

• Każda obliczona wartość zależy od wcześniejszych wyborów: podziału okna, definicji zakresu, transformacji logarytmicznej, ograniczenia i mapowania alpha.
• Przy równych zakresach w pełnym oknie i półoknach, ten przykład dał N=0, co przełożyło się na bardzo wysokie alpha (szybka reakcja). Inne podziały lub wartości cen zmieniłyby alpha.

Ograniczenia i ryzyka

1. Różnice we wzorach między implementacjami

   • Frama to nazwa rodziny adaptacyjnych średnich kroczących. Praktyczne implementacje mogą różnić się sposobem obliczania wymiaru fraktalnego, obsługą przypadków brzegowych (takich jak zerowe zakresy) oraz mapowaniem czynnika adaptacyjnego na alpha. Przykład obliczeniowy jest tak samo przenośny, jak jego określony wzór.

2. Wrażliwość na parametry

   • Rozmiary okien i reguły ograniczania mogą znacząco zmienić obliczone alpha, a tym samym poziom Frama. Jeśli zmienisz którykolwiek z zakładanych parametrów (na przykład długość okna lub miarę zakresu), musisz ponownie wykonać obliczenia.