Jak obliczany jest zakres stochastyczny? Wzór, parametry i ograniczenia

Bezpośrednia odpowiedź

Zakres stochastyczny oblicza się, biorąc wybraną „bieżącą” cenę i umieszczając ją w ruchomym oknie wstecznym zdefiniowanym przez najwyższe maksimum i najniższe minimum. Wynik jest skalowany do ograniczonej wartości, która wyraża, gdzie bieżąca cena znajduje się względem tego przeszłego zakresu.

Mówiąc wprost: odpowiada na pytanie: „W ciągu ostatnich N świec, jak blisko szczytu obserwowanego zakresu znajduje się dzisiejsza cena i jak daleko jest od dołka?”

Mechanizm i definicja

Typowe obliczenie zakresu stochastycznego ma następującą strukturę:

1. Wybierz długość okna wstecznego, zwykle oznaczaną jako N.
2. Dla każdej świecy oblicz:

• HighestHigh(N) = maksimum z wybranych wartości najwyższych z ostatnich N świec
• LowestLow(N) = minimum z wybranych wartości najniższych z ostatnich N świec

3. Wybierz, której ceny użyjesz jako wartości „bieżącej”. Częstym wyborem jest bieżąca cena zamknięcia (ale niektóre warianty używają innych składowych ceny).

Następnie oblicz skalowaną pozycję:

Zakres stochastyczny (forma podstawowa)

[ KR = \frac{CurrentPrice - LowestLow(N)}{HighestHigh(N) - LowestLow(N)} ]

Aby wyrazić to jako miarę procentową, niektóre implementacje mnożą przez 100:

[ SR = 100 \times \frac{CurrentPrice - LowestLow(N)}{HighestHigh(N) - LowestLow(N)} ]

Interpretacja (bez obiecywania sygnałów):

• Jeśli CurrentPrice = LowestLow(N), to KR = 0 (lub SR = 0).
• Jeśli CurrentPrice = HighestHigh(N), to KR = 1 (lub SR = 100).
• Jeśli CurrentPrice znajduje się pomiędzy nimi, wartość leży między 0 a 1 (lub 0 a 100).

Wymagania dotyczące danych

Aby spójnie obliczyć powyższe, potrzebujesz:

• Szeregu czasowego OHLC (lub co najmniej najwyższych, najniższych wartości oraz wybranej bieżącej ceny, takiej jak cena zamknięcia).
• Jasnej definicji granic świec (np. świece dzienne vs. świece 1-godzinne), ponieważ ruchome maksima/minima zależą od granularności.
• Stałej długości okna wstecznego N.

Różnice wariantów (dlaczego dwa wykresy mogą się różnić)

Zakres stochastyczny jest często omawiany wraz z innymi wskaźnikami „stochastycznymi”, a implementacje się różnią. Najczęstsze źródła rozbieżności to:

• Która „bieżąca” cena jest używana (cena zamknięcia vs. inna składowa).
• Jak obliczane są najwyższe maksimum i najniższe minimum (np. przy użyciu maksimów/minimów z OHLC lub skorygowanych danych wejściowych).
• Czy stosowane jest wygładzanie (niektóre wersje dodają kroki średniej ruchomej przed skalowaniem lub po nim).

Ponieważ te wybory zmieniają obliczone liczby, należy traktować wzór jako zależny od definicji implementacji.

Dowód lub przykład (z jawnymi założeniami)

Poniżej znajduje się konkretny przykład z użyciem formy podstawowej bez wygładzania, przy założeniu, że:

• Używasz CurrentPrice = Close (cena zamknięcia).
• Używasz ostatnich N = 5 świec.
• Obliczasz:
  • HighestHigh(5) z 5 ostatnich maksimów
  • LowestLow(5) z 5 ostatnich minimów

Załóżmy, że w ciągu ostatnich 5 świec obserwujesz:

• HighestHigh(5) = 1.2000
• LowestLow(5) = 1.1800
• CurrentPrice (najnowsza cena zamknięcia) = 1.1950

Krok 1: oblicz mianownik (szerokość zakresu):

• HighestHigh(5) − LowestLow(5) = 1.2000 − 1.1800 = 0.0200

Krok 2: oblicz licznik (odległość od dołka):

• CurrentPrice − LowestLow(5) = 1.1950 − 1.1800 = 0.0150

Krok 3: skalowanie:

• KR = 0.0150 / 0.0200 = 0.75
• SR = 100 × 0.75 = 75

Zatem wartość zakresu stochastycznego wskazuje, że cena zamknięcia znajduje się około 75% drogi w górę obserwowanego zakresu maksimum-minimum z 5 świec.

Jeden ważny wyjątek: zerowy mianownik

Jeśli HighestHigh(N) = LowestLow(N), mianownik staje się zerem. Może się to zdarzyć, gdy maksima i minima są równe w całym oknie (na przykład w okresach bez zmienności odpowiednich danych wejściowych lub z powodu anomalii danych).

W takich przypadkach implementacje zazwyczaj:

• zwracają wartość domyślną (często 0 lub brak wartości), lub
• definiują specjalne zachowanie dla tego przypadku.

Podczas weryfikacji obliczeń sprawdź, jak wybrana metoda obsługuje ten przypadek brzegowy.

Ograniczenia i ryzyka (co może zepsuć wynik)

1. Wybór okna zmienia wszystko Długość okna wstecznego N kontroluje granice maksimum-minimum. Dłuższe N używa szerszego zakresu i często daje gładsze, bardziej stabilne skalowanie; krótsze N reaguje szybciej, ale może być bardziej wrażliwe na krótkotrwałe ekstrema.

2. Granularność wpływa na ruchomy zakres Jeśli przełączysz się ze świec dziennych na świece godzinowe, najwyższe maksimum i najniższe minimum z „N świec” odnoszą się do innego okresu czasu, więc obliczone wartości nie są bezpośrednio porównywalne.

3. Jakość danych i spójność źródła Ponieważ obliczenie wykorzystuje ekstrema maksimum i minimum, drobne różnice w feedach danych lub konstrukcji świec mogą przesunąć HighestHigh(N) i LowestLow(N), co przesuwa wartość oscylatora.

4. Definicje wariantów mogą sprawić, że będzie wyglądać jak inny wskaźnik Jeśli jedna platforma stosuje wygładzanie lub używa innej „bieżącej” ceny, obliczony zakres stochastyczny może się różnić nawet przy tej samej długości okna wstecznego.

5. Brak wbudowanej gwarancji predykcyjnej Nawet gdy matematyka jest poprawna, obliczona pozycja w historycznym zakresie sama w sobie nie gwarantuje przyszłych wyników. Struktura historycznego zakresu może się zmienić, a ten sam poziom zakresu stochastycznego może wystąpić w bardzo różnych warunkach rynkowych.

Weryfikacja i kolejne pytanie

Aby niezależnie zweryfikować zakres stochastyczny:

• Potwierdź dokładną definicję implementacji: N, która cena to CurrentPrice, czy wartości są skalowane do 0–1 czy 0–100 oraz czy stosowane jest wygładzanie.
• Oblicz HighestHigh(N) i LowestLow(N) bezpośrednio z danych OHLC.
• Przelicz wzór świeca po świecy i sprawdź przypadek brzegowy, gdy HighestHigh(N) − LowestLow(N) = 0.

Jeśli chcesz następny krok, zapytaj, jak wybrane ustawienia (zwłaszcza N i ewentualne wygładzanie) zmieniają wynik. Częstym pytaniem uzupełniającym jest: Jak ustawienia zmieniają zakres stochastyczny?