Jak obliczana jest strategia stochastyczna

Bezpośrednia odpowiedź

Strategia stochastyczna (często omawiana jako podejście „oscylatora stochastycznego”) jest obliczana poprzez umiejscowienie najnowszej ceny w ramach bieżącego zakresu ostatnich cen. Typowym wynikiem jest wartość wyrażana zwykle w procentach: %K mierzy, gdzie cena znajduje się pomiędzy najniższym minimum a najwyższym maksimum w oknie wstecznym, a %D jest zazwyczaj wygładzoną wersją %K przy użyciu średniej ruchomej.

Ponieważ różne platformy stosują różne dokładne konwencje wygładzania i wyboru ceny, obliczenia najlepiej zweryfikować, dopasowując formułę do ustawień wskaźnika: długości okresu wstecznego oraz sposobu wygładzania %K i %D.

Mechanizm i definicja

1) Wybór ceny wejściowej

Większość formuł w stylu stochastycznym wymaga wybrania, którą cenę umieścić „wewnątrz zakresu”. Typowe wybory to:

• Cena zamknięcia (najbardziej typowa)
• Kombinacje High/Low (rzadziej spotykane w uproszczonych opisach)

Aby obliczenia były powtarzalne, musisz określić dokładne dane wejściowe, których używasz (na przykład: „używam ceny zamknięcia w liczniku”).

2) Zdefiniowanie bieżącego zakresu (okna wstecznego)

Wybierz długość okresu wstecznego, często nazywaną długością %K lub okresem. Dla każdego kroku czasowego (świecy) oblicz:

• LowestLow = minimalne minimum z ostatnich N świec
• HighestHigh = maksymalne maksimum z ostatnich N świec

Jeśli HighestHigh równa się LowestLow, zakres ma zerową szerokość. W takim przypadku wartość oscylatora jest niezdefiniowana przez czystą formułę. Implementacje zwykle radzą sobie z tym, generując wartość domyślną (na przykład 0 lub wartość „niedostępne”) albo pomijając obliczenia, dopóki zakres nie stanie się niezerowy.

3) Obliczenie %K (pozycji w zakresie)

Standardowa formuła %K w stylu stochastycznym to:

%K = 100 × (Cena − LowestLow) / (HighestHigh − LowestLow)

Gdzie:

• Cena to wybrana cena wejściowa na bieżącej świecy
• LowestLow i HighestHigh pochodzą z bieżącego okna N świec

Wynikiem jest liczba zwykle mieszcząca się w przedziale od 0 do 100, gdy Cena pozostaje pomiędzy bieżącymi skrajnościami.

4) Obliczenie %D (wygładzonego %K)

Wiele opisów „strategii stochastycznych” zawiera drugą linię, %D, utworzoną przez wygładzenie %K. Typowa forma to:

%D = średnia ruchoma z %K za M okresów

Średnia ruchoma może być prostą średnią ruchomą (SMA) lub inną metodą wygładzania, w zależności od platformy. Aby odtworzyć ten sam %D, musisz dopasować typ wygładzania i okres M.

5) Opcjonalny parametr „spowolnienia” (szczegół implementacyjny)

Niektóre wersje obejmują dodatkowy krok wygładzania %K przed obliczeniem %D, często opisywany jako „spowolnienie” lub dodatkowe uśrednienie surowego %K. Zmienia to reaktywność, a tym samym zmienia krzywą, nawet jeśli okres wsteczny N pozostaje taki sam.

Dowód lub przykład, który możesz odtworzyć

Poniżej znajduje się przykład liczbowy wykorzystujący standardową strukturę. Załóżmy, że masz dzienne dane OHLC i definiujesz:

• Okres wsteczny N = 5 świec
• Cena = Close
• Dla uproszczenia obliczamy tylko %K (pomijamy %D)

Na bieżący dzień załóżmy, że ostatnie 5 dni ma:

• LowestLow = 1.1000
• HighestHigh = 1.1200
• Bieżące Close (Cena) = 1.1100

Wtedy:

• HighestHigh − LowestLow = 1.1200 − 1.1000 = 0.0200
• Cena − LowestLow = 1.1100 − 1.1000 = 0.0100

%K = 100 × (0.0100 / 0.0200) = 50

Aby zweryfikować to w praktyce:

1. Sprawdź dokładne ustawienie N na swojej platformie.
2. Dla tej samej świecy oblicz HighestHigh i LowestLow z tego samego okna N świec, używając definicji „high” i „low” z platformy.
3. Zastosuj formułę %K z wybranym przez platformę wejściem cenowym.
4. Jeśli platforma pokazuje %D, powtórz tę samą regułę wygładzania (SMA vs inna metoda oraz długość M).

Jeśli nie możesz dopasować wartości, rozbieżność prawie zawsze wynika z jednego z tych wyborów: ceny wejściowej, długości okna, typu wygładzania lub sposobu obsługi przypadku zerowego zakresu przez platformę.

Ograniczenia i ryzyka (co może zawieść)

1. Wrażliwość na długość okna Mniejszy okres wsteczny N reaguje szybciej na nowe maksima i minima, podczas gdy większe N wygładza zachowanie zakresu. Zmiana N zmienia %K, nawet jeśli ceny bazowe są takie same.

2. Wrażliwość na szumy i mikrostrukturę Ponieważ metoda opiera się na bieżących maksimach i minimach, może gwałtownie reagować na krótkoterminowe skoki i spadki. Dwa rynki (lub dwa zestawy danych) o różnych charakterystykach szumów mogą generować bardzo różne ścieżki oscylatora.

3. Jakość danych i rozbieżności definicyjne Odtwarzanie wyników zależy od spójnych definicji OHLC i konstrukcji świec. Na przykład użycie różnych znaczników czasu, brakujących świec lub danych skorygowanych vs nieskorygowanych może zmienić maksima, minima, a tym samym bieżący zakres.

4. Przypadek zerowego zakresu (dzielenie przez zero) Jeśli HighestHigh równa się LowestLow w oknie wstecznym, mianownik formuły staje się zerem. Implementacje różnią się tym, co wyprowadzają, lub tym, czy pozostawiają wartość pustą, dopóki zakres nie stanie się niezerowy.

5. Brak gwarancji znaczenia prognostycznego Nawet gdy obliczenia są poprawne, wynikowe wartości oscylatora nie gwarantują same w sobie przyszłych wyników. Historyczne zależności nie przesądzają o przyszłych rezultatach, a wyniki zależą od wielu czynników zewnętrznych, takich jak wykonanie, koszty i konkretne próbkowanie danych.

Weryfikacja i kolejne pytanie

Aby samodzielnie zweryfikować obliczenia swojej „strategii stochastycznej”:

• Zapisz parametry platformy: długość okresu wstecznego dla %K, długość wygładzania dla %D (oraz typ wygładzania) i wybraną cenę wejściową.
• Przelicz %K, używając bieżących HighestHigh/LowestLow i formuły %K = 100 × (Cena − LowestLow) / (HighestHigh − LowestLow).
• Jeśli pokazywany jest %D, przelicz go, używając metody wygładzania i okresu z platformy.

Jeśli chcesz, podaj dokładne nazwy parametrów widoczne na Twojej platformie (na przykład długości dla %K i %D oraz to, czy wygładzanie to SMA, EMA, czy inna metoda). Wtedy kroki obliczeniowe można będzie dokładnie dopasować do tych ustawień.