Jakie dane są potrzebne do oceny WMA?
Jakie dane są potrzebne do oceny WMA
Aby ocenić ważoną średnią kroczącą (WMA), potrzebujesz czterech grup informacji: (1) definicji koncepcji i obliczeń, (2) wejściowego szeregu czasowego i sposobu jego pozyskania, (3) terminowości i wyrównania danych z Twoimi znacznikami czasu oraz (4) kontroli jakości potwierdzających, że dane wejściowe są spójne i użyteczne. Bez tego dwie osoby mogą obliczyć „tę samą WMA” w różny sposób i nadal mieć rację zgodnie z własnymi konwencjami.
Mechanizm i definicja: czego wymagają obliczenia WMA
WMA to średnia krocząca, w której nowsze obserwacje zazwyczaj otrzymują wyższą wagę niż starsze. Aby ją obliczyć, należy określić szereg danych (na przykład szereg cen), długość okna (liczbę okresów) oraz schemat wag (dokładną regułę przypisywania wag).
Materiał wejściowy:
- Podstawowy szereg czasowy, który uśredniasz (najczęściej sekwencja cen). Zdecyduj, czy używasz cen zamknięcia, cen średnich czy innego pola.
- Długość okna (N): ile przeszłych okresów jest uwzględnionych.
- Reguła wag: jak wagi są przypisywane w ramach N okresów (na przykład schemat liniowy, w którym wagi rosną dla nowszych obserwacji). „Ważona” może oznaczać wiele konkretnych konwencji, dlatego reguła musi być jednoznaczna.
- Konwencja obliczeniowa: czy wagi są normalizowane (tak, aby sumowały się do 1) oraz jak obsługiwane jest zaokrąglanie i miejsca dziesiętne.
Stabilna mechanika a zmienne warunki:
- Stabilna mechanika: gdy N, reguła wag i szereg są ustalone, obliczenia są deterministyczne.
- Zmienne warunki: wyniki różnią się w zależności od reżimu rynkowego, wybranego interwału czasowego, definicji pól w źródle danych oraz wszelkich kroków przetwarzania danych (takich jak sposób rejestrowania znaczników czasu).
Dowód lub przykład: co sprawdzić przed zaufaniem WMA
Praktyczna „ocena” to nie tylko wygenerowanie liczby; to weryfikacja, że liczba ta pochodzi z jasno określonych, spójnych danych wejściowych.
Co powinieneś zweryfikować (niezależne kontrole):
- Pochodzenie szeregu wejściowego: Czy dane cenowe pochodzą z tej samej definicji instrumentu w całej historii, której używasz? Jeśli dostawca dzieli/roluje kontrakty lub zmienia definicje instrumentów, szereg czasowy może nie być porównywalny.
- Terminowość i wyrównanie czasowe: Czy wszystkie obserwacje są wyrównane do tej samej strefy czasowej i granic słupków? Niespójne znaczniki czasu mogą przesuwać wartości, które znajdują się w oknie.
- Spójność pola: Jeśli jeden przepływ pracy używa „close”, a inny „last” lub „mid”, wartości WMA będą się różnić nawet przy identycznych N i wagach.
- Obsługa brakujących lub nieregularnych danych: Jeśli brakuje niektórych okresów, musisz wiedzieć, czy są one pomijane, wypełniane w przód czy traktowane inaczej. Każde podejście zmienia efektywne obliczenia.
- Ujawnienie parametrów: Zapisz dokładnie N i regułę wag. „Krótsze okno” i „inne ważenie” to nie drobne poprawki; zmieniają one reaktywność średniej.
Przykładowe założenia, które musisz określić:
- Jeśli obliczasz WMA na oknie 10-okresowym przy użyciu określonej reguły wag, zakładasz, że masz kompletną sekwencję 10 okresów dla każdego obliczanego punktu. Jeśli Twój zbiór danych ma luki, przykład nie odpowiada już rzeczywistości.
Ograniczenia i ryzyka: gdzie ocena WMA może zawieść
Co najmniej jednym ważnym ograniczeniem jest to, że WMA jest wrażliwa na wybrane dane wejściowe. Jeśli zmienisz długość okna, regułę wag lub pole cenowe, WMA może się znacząco zmienić. Ta wrażliwość nie jest błędem; to oczekiwana cecha.
Typowe tryby awarii:
- Niedopasowanie parametrów: Ktoś może użyć innej konwencji wag (lub normalizacji) i uzyskać inną krzywą, nadal twierdząc, że jest to WMA.
- Problemy z jakością danych: Wartości odstające, brakujące wartości lub niespójne definicje instrumentów mogą zniekształcić średnią ważoną.
- Ryzyko interpretacji: Średnia krocząca odzwierciedla transformację wygładzającą przeszłych danych; historyczne zależności nie przesądzają o tym, jak będzie się zachowywać w przyszłości.
Szersza niepewność: Nawet przy poprawnych obliczeniach wyniki zależą od warunków rynkowych, kosztów i mechaniki wykonania oraz sposobu interpretacji sygnałów. Z tego powodu wartości WMA należy traktować jako obliczone podsumowania przeszłych danych, a nie jako samodzielne prognozy.