Co to jest przykład obliczeniowy średniej ruchomej z zerowym opóźnieniem?
Bezpośrednia odpowiedź
Przykład obliczeniowy średniej ruchomej z zerowym opóźnieniem (ZLMA) to w pełni rozpisanane obliczenie na małym zestawie wartości cenowych przy użyciu jasno określonych założeń: serii danych wejściowych, długości okna oraz dokładnego wzoru, który stosujesz. Ponieważ istnieje wiele opublikowanych wariantów „zerowego opóźnienia”, najbardziej weryfikowalnym podejściem jest wybranie jednej konkretnej reguły obliczeniowej, a następnie pokazanie każdego kroku od liczb wejściowych do końcowych wartości średnich.
Mechanizm lub definicja
Średnia ruchoma wygładza wejściową serię czasową (na przykład sekwencję cen) poprzez tworzenie nowej wartości, która reprezentuje średnią z ostatnich obserwacji. Wariant „redukcji opóźnienia” ma na celu sprawienie, aby średnia ruchoma reagowała szybciej, gdy zmienia się bazowa seria.
Ogólnie rzecz biorąc, metody ZLMA starają się zmniejszyć opóźnienie poprzez dostosowanie sposobu, w jaki wygładzanie reaguje na najnowsze obserwacje. W zależności od wybranego wariantu, dostosowanie to może być zaimplementowane poprzez kombinacje wygładzonych serii (na przykład zastosowanie składnika korygującego) lub poprzez modyfikację efektywnego ważenia danych historycznych.
Kluczowe założenie dla przykładu obliczeniowego: musisz podać dokładny wzór ZLMA, którego używasz. Bez tego dwie osoby mogą uzyskać różne liczby, nawet jeśli używają tych samych surowych danych cenowych i długości okna.
Dowód lub przykład
Poniżej znajduje się przejrzysty scenariusz obliczeniowy zaprojektowany w celu pokazania mechaniki i konieczności ustalenia wzoru. Nie jest on powiązany z żadnymi rzeczywistymi danymi cenowymi.
Założenia
- Seria wejściowa (ceny zamknięcia): 100, 102, 101, 103, 104.
- Długość okna: 3.
- Przykład wykorzystuje wariant „korekty dwuetapowej” zdefiniowany jako:
- Krok A: oblicz prostą średnią ruchomą (SMA) z ostatnich 3 punktów w każdym momencie, w którym jest to możliwe.
- Krok B: oblicz wartość skorygowaną jako: ZLMA(t) = 2 × SMA(t) − SMA(t−1).
Jest to jedna konkretna reguła obliczeniowa w stylu „zerowego opóźnienia”. Inne źródła mogą stosować różne reguły; odtworzenie wyników wymaga użycia tej samej reguły.
Obliczenia krok po kroku
Mapowanie indeksów czasowych:
- t3 wykorzystuje punkty [t1, t2, t3] = 100, 102, 101
- t4 wykorzystuje punkty [t2, t3, t4] = 102, 101, 103
- t5 wykorzystuje punkty [t3, t4, t5] = 101, 103, 104
Obliczenia SMA:
- SMA(t3) = (100 + 102 + 101) / 3 = 303 / 3 = 101
- SMA(t4) = (102 + 101 + 103) / 3 = 306 / 3 = 102
- SMA(t5) = (101 + 103 + 104) / 3 = 308 / 3 = 102.6667
Skorygowane wartości ZLMA (wymaga istnienia SMA(t−1)):
- ZLMA(t4) = 2 × SMA(t4) − SMA(t3) = 2×102 − 101 = 203
- ZLMA(t5) = 2 × SMA(t5) − SMA(t4) = 2×102.6667 − 102 = 103.3334
Interpretacja arytmetyki:
- Składnik korygujący (odjęcie poprzedniej SMA) przesuwa wynik, dzięki czemu może reagować szybciej na zmiany niż zwykła SMA.
- Zauważ, że wartości ZLMA mogą wykraczać poza prosty zakres ostatnich cen, ponieważ metoda stosuje korektę liniową.
Jeśli obliczysz te kroki przy użyciu tej samej reguły i liczb, powinieneś uzyskać te same ZLMA(t4) i ZLMA(t5) (z uwzględnieniem zaokrągleń).
Ograniczenia i ryzyka
- Niejednoznaczność wzoru: „Średnia ruchoma z zerowym opóźnieniem” to termin zbiorczy; różne warianty mogą dawać różne wyniki. Twój przykład obliczeniowy jest niezależnie weryfikowalny tylko wtedy, gdy określisz dokładną regułę obliczeniową.
- Wzmacnianie szumu: metody redukcji opóźnienia często zmniejszają opóźnienie kosztem potencjalnie większej wrażliwości na krótkoterminowe wahania. W powyższej regule obliczeniowej korekta wykorzystuje różnice między wygładzonymi wartościami, co może reagować na małe zmiany.
- Efekty brzegowe i brakujące wartości: średnie ruchome wymagają wystarczającej historii. Przy oknie 3-punktowym, wczesne momenty (zanim można obliczyć SMA) nie mogą wygenerować ZLMA bez dodatkowych założeń początkowych.
- Brak gwarancji prognostycznej: nawet jeśli wskaźnik wiernie podąża za historycznymi ruchami w obliczeniach przypominających backtest, zależności historyczne nie ustanawiają przyszłych wyników. Koszty wykonania, spready (jeśli mają zastosowanie) i zmieniające się zachowanie rynku mogą zmienić rzeczywiste wyniki.
Weryfikacja lub kolejne pytanie
Aby niezależnie zweryfikować mechanikę ZLMA, powtórz tę samą arytmetykę na własnym małym zestawie danych i przy użyciu tego samego jawnego wzoru. Jeśli Twoim celem jest „zerowe opóźnienie”, porównaj również skorygowany wynik z bazową średnią ruchomą używaną w obliczeniach (tutaj SMA), aby zobaczyć, jak wcześniej lub inaczej reaguje.
Jeśli chcesz, podziel się dokładną definicją ZLMA, której używasz (wzór, a nie tylko nazwa). Wtedy przykład obliczeniowy może zostać przeliczony przy użyciu tej precyzyjnej reguły, aby wynik odpowiadał Twojej interpretacji.