Co to jest przykładowe obliczenie transformaty Fishera?

Definicja transformaty Fishera (co to jest)

Transformaty Fishera to przekształcenie matematyczne stosowane w analizie technicznej w celu przekształcenia szeregu wejściowego (często pochodzącego z ceny) w szereg wyjściowy, który ma tendencję do uwydatniania punktów zwrotnych. Mówiąc wprost: odwzorowuje ograniczoną wartość „gdzie jestem w ostatnim zakresie?” na skalę z silniejszym rozdzieleniem w pobliżu ekstremów.

Ponieważ jest to transformacja, wynik nie jest automatycznie samodzielnym sygnałem transakcyjnym. Najlepiej rozumieć go jako obliczoną liczbę, której zachowanie zależy od tego, jak zdefiniujesz jej dane wejściowe, okno i skalowanie.

Mechanika (jak można skonstruować przykładowe obliczenie)

Przykładowe obliczenie wymaga założeń, które nie są gwarantowane przez samą „rzeczywistość rynkową”. Oto jeden samowystarczalny sposób obliczenia tego numerycznie.

Założenia dla przykładu

1. Mamy krótki szereg pięciu cen zamknięcia: 100, 102, 101, 103, 104.
2. Używamy długości okna równej 5 (więc każdy krok patrzy na to samo minimum i maksimum w całej próbce). Jest to upraszczające założenie, aby ułatwić weryfikację.
3. Dla każdego kroku czasowego t definiujemy znormalizowaną pozycję x w zakresie okna:
   • Niech min = 100 i max = 104.
   • Zakres = max − min = 4.
   • x = (cena − min) / zakres, więc x jest w przedziale [0, 1].
4. Następnie odwzorowujemy x na symetryczną ograniczoną wartość w przedziale (−1, 1) za pomocą:
   • p = 2x − 1.
   • Zatem p wynosi −1, gdy cena = min, i +1, gdy cena = max.
5. Aby uniknąć niezdefiniowanych wartości na ±1, ograniczamy p do przedziału (−0.999, 0.999). Jest to wybór implementacyjny; różne oprogramowanie może to obsługiwać inaczej.
6. Używamy uproszczonego odwzorowania w stylu Fishera z podstawowym wzorem:
   • f = 0.5 * ln((1 + p) / (1 − p)) gdzie ln to logarytm naturalny.

Przy tych jednoznacznych założeniach każdy czytelnik może odtworzyć obliczenia.

Obliczenia krok po kroku dla ostatniego punktu

Dla ostatniej ceny 104:

• x = (104 − 100) / 4 = 1
• p = 2(1) − 1 = 1
• ogranicz p do 0.999
• f = 0.5 * ln((1 + 0.999) / (1 − 0.999)) = 0.5 * ln(1.999 / 0.001) = 0.5 * ln(1999)

Ponieważ ln(1999) ≈ 7.6009, f ≈ 3.8004.

Co zmienia się wcześniej w szeregu

Dla ceny 100:

• x = 0, p = −1 → ogranicz do −0.999
• f ≈ −3.8004

Dla cen pośrednich p znajduje się między −0.999 a 0.999, tworząc wartości pomiędzy tymi ekstremami. To jest efekt „uwydatnienia” w sensie numerycznym: logarytm rośnie szybko, gdy p zbliża się do ±1 (w pobliżu minimum lub maksimum okna).

Ograniczenia i ryzyka (istotne tryby awarii)

1. Wrażliwość na parametry. Wynik w dużej mierze zależy od długości okna i dokładnego minimum/maksimum. Zmiana okna zmienia znormalizowane dane wejściowe p, co zmienia f.
2. Szczegóły implementacji. Różne implementacje mogą używać różnych zmiennych pośrednich (na przykład używając bieżącego maksimum/minimum, różnego wygładzania lub różnych zasad ograniczania). Nawet przy tych samych cenach f może się różnić.
3. Problemy brzegowe. Jeśli p może osiągnąć dokładnie ±1 i nie jest obsługiwane przez ograniczanie lub przesunięcia, odwzorowanie logarytmiczne może stać się niezdefiniowane lub niestabilne numerycznie.
4. Nie jest to samodzielna prognoza. Wynik transformaty Fishera jest przekształconą wartością, a nie gwarantowanym związkiem przyczynowo-skutkowym. Historyczne wzorce w jednym okresie nie przesądzają o przyszłych wynikach.

Weryfikacja i kolejne pytanie, na które możesz odpowiedzieć

Aby niezależnie zweryfikować przykład, przelicz ponownie każdy krok, korzystając z tych samych założonych wzorów: min/max, normalizacja do x, odwzorowanie na p, ograniczanie, a następnie transformacja logarytmiczna. Jeśli obliczona wartość się różni, pierwszym miejscem do sprawdzenia jest ograniczanie i obsługa wartości brzegowych.

Przydatne kolejne pytanie brzmi: jak Twoje wybrane oprogramowanie definiuje szereg wejściowy i okno? Transformaty Fishera jest powtarzalna tylko wtedy, gdy definicja danych wejściowych i szczegóły wzoru są zgodne.