Jak rama czasowa wpływa na WMA?
Co oznacza WMA, zanim rama czasowa zacznie mieć znaczenie
Ważona średnia krocząca (WMA) to średnia krocząca, w której nowsze obserwacje otrzymują wyższe wagi niż starsze. Średnia jest obliczana z wybranego zestawu przeszłych punktów danych (tzw. okna obserwacji) przy użyciu wag, które zazwyczaj maleją wraz z wiekiem obserwacji.
Rama czasowa wpływa na WMA na dwa powiązane sposoby:
- Długość okna w „czasie”: jeśli wybierzesz dłuższą ramę czasową, okno obserwacji może obejmować więcej czasu rzeczywistego.
- Odstępy między obserwacjami: przy mniejszej liczbie, szerzej rozstawionych obserwacji, ta sama liczba punktów reprezentuje inne rzeczywiste ruchy.
Ponieważ WMA kładzie nacisk na aktualność, jest z natury wrażliwa na to, jak daleko wstecz patrzysz i jak często próbkujesz.
Jak rama czasowa zmienia mechanizm WMA
Aby omówić implikacje bez mieszania zmiennych założeń, oddziel stabilny mechanizm od zmiennych wyborów.
Stabilna mechanika (koncepcyjnie):
- WMA używa stałej liczby przeszłych punktów (np. N punktów) i przypisuje wagi, które rosną dla nowszych punktów.
- Obliczona wartość WMA w czasie t zależy od wybranego N oraz od tego, które punkty danych znajdują się w oknie.
Co zmienia się wraz z ramą czasową:
- Jeśli zachowasz to samo N, ale zmienisz interwał próbkowania (np. z danych jednominutowych na pięciominutowe), każdy punkt będzie reprezentował inny przedział czasu. WMA staje się wygładzeniem innego zachowania w „skali czasu”.
- Jeśli zachowasz ten sam interwał próbkowania, ale zmienisz N, bezpośrednio zmienisz okno obserwacji: większe N oznacza, że starsze informacje wchodzą z relatywnie mniejszą wagą, ale ogólny wynik wciąż miesza więcej historii.
Istotna konsekwencja:
- Krótsza, bardziej responsywna obserwacja zwykle zmniejsza opóźnienie, ale zwiększa wrażliwość na krótkoterminowe wahania.
- Dłuższa, bardziej wygładzająca obserwacja zwykle redukuje szum, ale zwiększa opóźnienie, zwłaszcza podczas nagłych zmian.
Dowód na podstawie kontrolowanego przykładu (z jawnymi założeniami)
Załóżmy, że:
- Twoje punkty danych są równomiernie rozmieszczone w czasie.
- Obliczasz WMA z dokładnie N punktów z rosnącymi wagami w kierunku najnowszego punktu.
- Porównujesz dwa ustawienia przy użyciu tej samej serii wejściowej, ale z różnym interwałem próbkowania lub różnym N.
Teraz wyobraź sobie ruch schodkowy w bazowej serii cen (trwały wzrost zaczyna się w pewnym momencie). WMA oparta na nowszych, szybszych próbkach zacznie się przesuwać wcześniej, ponieważ najnowsze punkty wchodzą szybciej względem ruchu w czasie rzeczywistym. WMA z dłuższym oknem obserwacji również przesunie się w górę, ale krzywa obróci się później, ponieważ starsze obserwacje pozostają w obliczeniach.
To ilustruje wrażliwość na ramę czasową: WMA to nie tylko „ważenie ostatnich punktów”, ale także to, jak szybko nowe informacje docierają do końca okna.
Ograniczenia, tryby awarii i co możesz zweryfikować
1) Opóźnienie to nie błąd; to właściwość wygładzania
Każda średnia krocząca wygładza, a zatem może opóźniać się względem gwałtownych zmian. Rama czasowa może sprawić, że to opóźnienie będzie wyglądać na większe lub mniejsze. Częstym błędem jest oczekiwanie, że zmiany WMA będą zbiegać się z punktami zwrotnymi.
2) Zmiany reżimu rynkowego zmieniają zachowanie w różnych ramach czasowych
WMA, która wygląda na skuteczną w jednym typie ruchu (wolne trendy), może zachowywać się inaczej podczas innego (szybkie, zmienne zakresy). Rama czasowa wpływa na równowagę między wyglądem „podążającym za trendem” a „goniącym za szumem”.
3) Interwał danych i szczegóły obliczeń muszą być zgodne
Ponieważ WMA zależy od których punktów są uwzględnione, wyniki mogą się różnić, jeśli:
- interwał danych jest inny,
- brakujące dane są obsługiwane w inny sposób,
- lub obliczenia używają innej definicji wag.
Podejście weryfikacyjne:
- Wybierz historyczny szereg czasowy.
- Oblicz WMA dla wielu ram czasowych/ustawień przy użyciu dokładnie tej samej formuły i spójnego interwału danych.
- Porównaj, jak zmiany ramy czasowej wpływają na wygładzenie i opóźnienie.
Weryfikacja lub następne pytanie
Jeśli chcesz niezależnie zweryfikować wpływ ramy czasowej, kluczowym następnym krokiem jest porównanie wyników w różnych ramach czasowych przy jawnych założeniach: ta sama seria wejściowa, spójny interwał próbkowania oraz jasno określony rozmiar okna i metoda ważenia.
Możesz również sprawdzić, jak WMA zachowuje się w różnych typach ruchów rynkowych (wolne trendy vs. wysokoczęstotliwościowe wahania), bez zakładania, że jedna rama czasowa będzie uniwersalna.