Jakie dane są potrzebne do oceny Smma?

Bezpośrednia odpowiedź: jakie dane są potrzebne do oceny Smma?

Aby ocenić Smma (powszechnie używane w znaczeniu wygładzonej średniej kroczącej), potrzebujesz danych w czterech grupach: (1) definicja i parametry, których użyjesz, (2) bazowe dane szeregów czasowych, które wchodzą do obliczeń, (3) pochodzenie i aktualność tych danych wejściowych oraz (4) kontrole jakości zapewniające powtarzalność obliczeń. Mając tylko obraz wykresu lub pojedynczy zrzut ekranu, ocena jest zwykle niekompletna, ponieważ nie można zweryfikować, jaki wzór, parametry i źródło danych zostały użyte.

Mechanizm i definicja: od czego zależy obliczanie Smma

Zanim omówimy implikacje, wyjaśnij, co oznacza „Smma” w Twoim kontekście. Wygładzone średnie kroczące mogą być implementowane z różnymi regułami wygładzania, dlatego oceniana Smma musi być powiązana z jednoznaczną metodą obliczeniową.

Podstawowe dane potrzebne do obliczeń zazwyczaj obejmują:

• Uporządkowany szereg czasowy (na przykład dane OHLC, takie jak ceny zamknięcia), z którego wywodzi się średnia. Musisz wiedzieć, które pole jest używane (zamknięcie, cena typowa itp.).
• Okno lub okres (często nazywany długością), który kontroluje stopień wygładzania.
• Warunek początkowy używany na początku szeregu (w jaki sposób inicjowana jest pierwsza wartość Smma). Różne podejścia do inicjalizacji tworzą różne wartości początkowe.
• Kadencja kroku (interwał czasowy/granularność) oraz wyrównanie strefy czasowej dla znaczników czasu. Jeśli jeden zbiór danych używa innych granic świec, wynikowy szereg może się różnić.

Stabilna mechanika do oddzielenia od zmiennych warunków:

• Deterministyczne obliczenia: Przy tej samej definicji, tym samym okresie, tym samym szeregu wejściowym i tej samej regule inicjalizacji, wynik Smma powinien być dokładnie taki sam.
• Zmienne warunki: Same dane rynkowe zmieniają się w czasie, a przetwarzanie przez dostawcę/platformę może zmienić szereg (na przykład sposób tworzenia lub korygowania świec).

Dowody i przykład: co zebrać, aby zweryfikować ocenianą Smma

Praktycznym sposobem na niezależną ocenę Smma jest zapewnienie możliwości odtworzenia szeregu z danych bazowych. W tym celu zbierz:

1. Zapisany wzór lub jednoznaczne reguły dla kroku wygładzania Smma używanego w ocenianej definicji.
2. Dokładny zbiór danych wejściowych użyty do obliczeń (co najmniej: sekwencja wartości wchodzących do każdej aktualizacji oraz znaczniki czasu).
3. Wartości parametrów (okres/długość) oraz regułę wartości początkowej.
4. Notatki dotyczące wstępnego przetwarzania: czy zastosowano jakiekolwiek korekty danych, czy brakujące świece zostały uzupełnione lub pominięte, oraz jak reprezentowane są luki poza godzinami handlu.

Założenia muszą być jednoznaczne. Na przykład, jeśli zakładasz, że Smma używa ceny zamknięcia każdej świecy w wybranym interwale czasowym, to Twój szereg wejściowy musi być tym szeregiem cen zamknięcia. Jeśli zamiast tego używa innej ceny pochodnej, potrzebujesz tych wartości pochodnych.

Kontrole jakości („dowód”, że oceniasz właściwą rzecz):

• Kontrola powtarzalności: Przelicz Smma z zebranych danych wejściowych i potwierdź, że wartości odpowiadają ocenianemu szeregowi.
• Kontrola wyrównania: Zweryfikuj, czy granice znaczników czasu i indeksowanie są zgodne (ten sam interwał czasowy, ta sama liczba świec). Niezgodność często tworzy spójnie wyglądające, ale błędne różnice.
• Kontrola spójności: Upewnij się, że okres/długość i reguła inicjalizacji są identyczne; wczesne różnice mogą być niewielkie, ale późniejsze mogą się kumulować.

Należy również śledzić, czego nie można wywnioskować z opublikowanego wykresu: sama linia wizualna nie ujawnia wariantu wzoru, reguły inicjalizacji, sposobu obsługi brakujących danych ani dokładnego pola ceny wejściowej.

Ograniczenia i ryzyka: oczekiwane istotne tryby awarii

Oceniając Smma, należy jawnie rozważyć co najmniej jedno ograniczenie.

Istotne tryby awarii obejmują:

• Niejednoznaczna definicja: „Smma” może odnosić się do różnych reguł wygładzania w różnych źródłach. Użycie niewłaściwej reguły czyni porównanie bezsensownym.
• Ukryte przetwarzanie danych: Dostawcy mogą różnić się sposobem konstrukcji świec i korektami danych. Nawet jeśli masz „ceny”, szereg może nie być identyczny.
• Różnice w inicjalizacji: Reguły inicjalizacji pierwszych kilku wartości mogą zmienić początkową krzywą i wpłynąć na późniejsze wartości w zależności od zachowania wygładzania.
• Brakujące lub zmienione dane wejściowe: Jeśli świece są brakujące, zduplikowane lub próbkowane inaczej, obliczona Smma może dryfować, pozostając jednocześnie wiarygodną wizualnie.
• Niepewność zmian rynkowych i kosztów: Nawet jeśli metoda wygładzania jest obliczona poprawnie, jej użycie do jakiejkolwiek interpretacji zależy od zmieniających się warunków oraz od czynników zewnętrznych, takich jak tarcia wykonawcze, zasady jurysdykcyjne i koszty. Historyczne zależności nie gwarantują podobieństwa w przyszłości.