Co to jest praktyczny przykład zakresu powrotu do średniej?

Bezpośrednia odpowiedź

Praktyczny przykład zakresu powrotu do średniej to scenariusz liczbowy, który pokazuje, jak (1) wybierasz referencyjną średnią, (2) szacujesz typową zmienność wokół tej średniej na podstawie obserwacji historycznych oraz (3) definiujesz „zakres” jako stałe odległości powyżej i poniżej średniej. Następnie porównujesz późniejszą zaobserwowaną cenę z tym zakresem, aby zrozumieć, co oznaczają „w zakresie” i „poza zakresem” — bez zakładania, że przewiduje to przyszłe wyniki.

Mechanizm lub definicja

Powrót do średniej to koncepcja, zgodnie z którą w pewnym oknie obserwacyjnym zmienna może wykazywać tendencję do powrotu w kierunku centralnej tendencji (średniej). Zakres powrotu do średniej przekształca tę jakościową ideę w regułę, która generuje poziomy.

Typowy układ praktycznego przykładu wykorzystuje cztery założenia, które należy wyraźnie określić:

1. Średnia referencyjna: obliczasz średnią wybranej wielkości (często poziomu ceny lub szeregu pochodnego) w okresie obserwacyjnym.
2. Miara zmienności: obliczasz, jak bardzo szereg zazwyczaj odchyla się od tej średniej (na przykład za pomocą odchylenia standardowego).
3. Szerokość zakresu: wybierasz mnożnik k, który skaluje zmienność na odległości.
4. Moment porównania: używasz osobnej „bieżącej” wartości, aby sprawdzić, czy leży ona wewnątrz, czy na zewnątrz zdefiniowanego zakresu.

Stabilna mechanika to arytmetyka (średnia, zmienność oraz dodawanie/odejmowanie przeskalowanej zmienności). Zmienne warunki to wszystko inne: wybrane okno obserwacyjne, definicja szeregu oraz to, czy zachowanie rynku pozostaje podobne do okresu historycznego. Ponieważ nie zakłada się tutaj żadnych danych w czasie rzeczywistym ani ustawień specyficznych dla dostawcy, przykład koncentruje się wyłącznie na metodzie i interpretacji.

Dowody lub przykład

Praktyczny scenariusz liczbowy (wszystkie założenia określone)

Założenia (stałe dla tego przykładu):

• Używasz 10 historycznych obserwacji pojedynczej wartości szeregu, oznaczonych (x_1) do (x_{10}).
• Szereg jest wyrażony w tych samych jednostkach w sposób spójny w czasie.
• Obliczasz średnią arytmetyczną (\mu) z 10 wartości.
• Obliczasz próbne odchylenie standardowe (s) z tych 10 wartości.
• Ustawiasz zakres powrotu do średniej jako ([\mu - k,s,; \mu + k,s]) z (k = 1).
• Następnie porównujesz jedną „bieżącą” obserwację (x_{current}) z tymi dwoma poziomami.

Wartości historyczne (10 obserwacji): [ [1.1000,;1.1010,;1.0990,;1.1020,;1.1005,;1.0985,;1.1015,;1.1002,;1.0998,;1.1012] ]

Krok 1: Oblicz średnią (\mu). Suma 10 wartości wynosi (11.0027). Zatem: [ \mu = 11.0027 / 10 = 1.10027 ]

Krok 2: Oblicz próbne odchylenie standardowe (s). Stosując wzór na próbne odchylenie standardowe (dzielenie przez (n-1)), wynik dla tego zestawu wynosi w przybliżeniu: [ s \approx 0.00119 ]

Krok 3: Ustaw zakres z (k=1). Poziom dolny: [ \mu - s = 1.10027 - 0.00119 = 1.09908 ] Poziom górny: [ \mu + s = 1.10027 + 0.00119 = 1.10146 ]

Zatem twój zakres powrotu do średniej wynosi w przybliżeniu: [ [1.09908,; 1.10146] ]

Krok 4: Porównaj bieżącą wartość. Niech (x_{current} = 1.1022). Ponieważ (1.1022 > 1.10146), ta bieżąca wartość znajduje się powyżej górnej granicy.

Jak interpretować wynik (bez przewidywania)

Na podstawie samego tego obliczenia możesz stwierdzić jedynie:

• Zakres został zdefiniowany na podstawie historycznej zmienności, a nie gwarancji.
• Bieżąca obserwacja leży poza historycznym pasmem zdefiniowanym przez wybrane (\mu), (s) i (k).
• To, czy szereg później powróci w kierunku (\mu), jest nieznane i zależy od zmieniających się warunków rynkowych.

Ograniczenia i ryzyka

1. Ryzyko definicji (okno obserwacyjne i wybór szeregu): Zmiana okna obserwacyjnego, granularności danych lub dokładnej definicji szeregu zmienia (\mu) i (s), co zmienia zakres.
2. Zmiana reżimu / niestacjonarność: Zachowanie powrotu do średniej może osłabnąć, jeśli proces generujący wartości ulegnie zmianie. W takim przypadku średnie historyczne mogą już nie reprezentować bieżącego reżimu.
3. Wrażliwość na wartości odstające: Jeśli twoje oszacowanie zmienności jest silnie uzależnione od kilku ekstremalnych punktów, zakres może stać się zbyt szeroki lub zbyt wąski.
4. Koszty i wykonanie (w rzeczywistych kontekstach handlowych): Nawet jeśli obliczony zakres jest matematycznie poprawny, rzeczywiste wyniki mogą się różnić ze względu na spread bid/ask, poślizg, prowizje i opóźnienia. (Te czynniki nie są uwzględnione w tym praktycznym przykładzie, ponieważ nie zakłada się żadnego dostawcy ani warunków rynkowych.)
5. Niezgodność weryfikacji: Udany „backtest” w jednym okresie nie ustanawia przyszłych wyników; zależności historyczne nie gwarantują przyszłych rezultatów.