Jakie są częste błędy przy WMA?
Bezpośrednia odpowiedź
Częste błędy przy ważonej średniej kroczącej (WMA) zwykle wynikają z mylenia tego, co wskaźnik robi matematycznie, z tym, co ludzie oczekują, że przewidzi. Innym częstym problemem jest używanie tej samej „logiki” WMA w sytuacjach, w których podstawowe założenia się różnią, takich jak zmieniająca się zmienność rynku, różne koszty wykonania czy niespójne przetwarzanie danych.
Jeśli chcesz dokładnie wyjaśnić WMA, skup się na (1) definicji i sposobie działania wag, (2) wpływie wybranej długości okna i schematu wag oraz (3) ograniczeniach: WMA jest wygładzeniem przeszłych wartości, a nie gwarantowaną prognozą.
Mechanika i definicja
WMA to średnia krocząca, w której nowsze obserwacje otrzymują wyższą wagę niż starsze. W porównaniu ze zwykłą średnią kroczącą (SMA), wynik reaguje szybciej na zmiany, ponieważ nowsze dane mają większy wpływ na obliczenia.
Typowa WMA dla N okresów używa wag takich jak 1, 2, …, N (dokładny schemat może się różnić), tworząc ważoną średnią ostatnich N wartości. Aby uniknąć błędów, rozdziel dwie kwestie mechaniczne:
- Schemat wag a długość okna: Różne formuły wag i różne wartości N zmieniają reaktywność.
- Indeksowanie i wyrównanie danych: Jeśli „bieżący” świeca, strefa czasowa lub częstotliwość próbkowania są niespójne, wykreślona WMA może być przesunięta względem wartości, które według Ciebie wykorzystuje.
Jasne stwierdzenie, które możesz niezależnie zweryfikować, brzmi: „WMA w czasie t jest obliczana z ostatnich N obserwacji z wyższymi wagami dla nowszych obserwacji”.
Dowód lub przykład typowego nieporozumienia
Częstym błędem jest traktowanie przecięć WMA lub punktów zwrotnych jako samodzielnych sygnałów transakcyjnych. Nawet jeśli wzorzec pojawia się często w danych historycznych, nie oznacza to, że będzie zachowywał się tak samo później. Dotychczasowe zachowanie wygładzania może się zmienić, gdy zmienność, płynność, spready lub ograniczenia wykonania będą inne.
Innym częstym nieporozumieniem jest zakładanie, że „więcej wygładzania” zawsze pomaga. Zwiększenie N może zmniejszyć szum, ale zwiększa też opóźnienie: linia może reagować później na rzeczywiste zmiany. Z drugiej strony, użycie bardzo małego N może sprawić, że WMA będzie zachowywać się bardziej jak średnia krótkoterminowa, co może wzmacniać krótkotrwałe wahania.
Neutralna weryfikacja, którą możesz przeprowadzić bez danych rynkowych, to spójność obliczeń:
- Wybierz mały zestaw przykładowych liczb (na przykład 3–5 wartości).
- Zastosuj konkretny schemat wag, który jawnie określiłeś.
- Oblicz WMA krok po kroku i potwierdź, że wynik odpowiada formule.
Jeśli Twoje obliczone wyniki różnią się od wykresu, prawdopodobne przyczyny to błędy indeksowania (które punkty są uwzględnione), inny schemat wag lub inne zaokrąglenia/dokładność.
Ograniczenia i ryzyka (neutralne, nie prognostyczne)
Co najmniej jeden istotny tryb awarii WMA to nadmierna ekstrapolacja: interpretowanie statystyki wygładzonych danych przeszłych tak, jakby determinowała przyszły kierunek. WMA podsumowuje to, co wydarzyło się w oknie; nie może usunąć niepewności co do tego, co stanie się po tym oknie.
Inne ograniczenia, które należy jasno przedstawić:
- Zależność od parametrów: Wynik zależy od N i schematu wag.
- Zależność od danych i implementacji: Różne źródła danych i metody agregacji mogą dawać różne wartości WMA nawet przy tym samym „N”.
- Zależność od rzeczywistości ekonomicznej: Nawet jeśli WMA sugeruje historycznie wzorzec czasowy, rzeczywiste wyniki zależą od kosztów, wykonania i ograniczeń, które nie są częścią samej formuły wskaźnika.
Dobrym „kryterium jasności” dla zrozumienia jest: potrafisz wyjaśnić, jak zmiany N wpłyną na opóźnienie i reaktywność, oraz potrafisz obliczyć WMA ze zdefiniowanych danych wejściowych.
Weryfikacja lub kolejne pytanie
Zanim zaufasz jakiemukolwiek wnioskowi wyciągniętemu z WMA, zweryfikuj te neutralne punkty:
- Czy używasz tego samego N i schematu wag we wszystkich swoich przykładach?
- Czy WMA jest wyrównana z tym samym indeksem czasowym co wartości, z którymi ją porównujesz?
- Czy traktujesz ją jako opisowe narzędzie wygładzania, a nie gwarantowany predyktor?
Jeśli chcesz pójść dalej, kolejne pytanie brzmi: „Jakie są praktyczne skutki różnych długości okien i schematów wag dla opóźnienia i wrażliwości?”