Jakie są ograniczenia filtrowania zdarzeń?

Czym jest filtrowanie zdarzeń

Filtrowanie zdarzeń to proces wybierania lub wykluczania istotnych dla rynku momentów na podstawie zaplanowanych „zdarzeń” (na przykład publikacji ekonomicznych), dzięki czemu analiza może skupić się na okresach wokół tych zdarzeń, a nie na całej osi czasu. W praktyce zwykle wymaga to: (1) kalendarza zdarzeń lub listy zdarzeń, (2) reguły określającej, jak daleko przed/po zdarzeniu należy uwzględnić dane, oraz (3) założenia, że wybrane zdarzenia mogą wyjaśniać lub wpływać na zachowanie cen w wybranych oknach czasowych.

Jak to działa (i co musisz założyć)

Większość metod filtrowania zdarzeń zaczyna się od stałej reguły, takiej jak „uwzględnij okno X minut/godzin wokół zdarzenia”, a następnie mierzy wyniki w tym oknie. Aby było to sensowne, musi być spełnionych kilka założeń:

• Znaczniki czasu zdarzeń w Twoim kalendarzu odpowiadają efektywnemu czasowi stosowanemu przez rynek, który analizujesz.
• Definicje zdarzeń są spójne (np. co dokładnie liczy się jako publikacja, okres sprawozdawczy oraz zakres walutowy/regionalny).
• Okna pomiarowe są zgodne z momentem, w którym informacje o cenach stają się dostępne dla traderów.

Jeśli którekolwiek z tych założeń jest błędne, filtr może nadal wybierać „właściwą” datę, ale „niewłaściwe” momenty, co zmniejsza interpretowalność wyników.

Dowody i przykład trybu awarii

Częstym trybem awarii jest niedopasowanie czasowe. Wyobraź sobie, że filtrujesz komunikat za pomocą zaplanowanego znacznika czasu, ale rzeczywisty wpływ na rynek pojawia się wcześniej lub później niż w Twoim stałym oknie. Nawet jeśli zdarzenie rzeczywiście zmieniło oczekiwania, Twoja analiza może nie docenić jego efektu, ponieważ ruch nastąpił poza wybranym zakresem przed/po.

Innym trybem awarii jest nadmierne filtrowanie. Jeśli uwzględnisz wiele zdarzeń w tym samym oknie czasowym (lub jeśli kilka publikacji występuje w skupisku), niejasne staje się, które zdarzenie wywołało ruch, ponieważ zmiany cen mogą być reakcją na kombinację komunikatów i zmieniających się oczekiwań.

Ograniczenia, niepewność i ryzyko

Filtrowanie zdarzeń może być mniej przydatne, gdy dominują niepewność i czynniki zewnętrzne:

Brak założenia o danych w czasie rzeczywistym

Wiele filtrów jest zbudowanych na podstawie zaplanowanych informacji, a nie danych z księgi zleceń na żywo czy śróddziennych zmian wyceny. Bez danych rynkowych w czasie rzeczywistym możesz nie wiedzieć, czy rynek już wcześniej uwzględnił oczekiwania przed publikacją, czy też ruch jest napędzany przez niezwiązane czynniki.

Wyniki różnią się w zależności od warunków rynkowych i kosztów

Nawet jeśli zdarzenie ma znaczenie koncepcyjne, obserwowane wyniki zależą od warunków rynkowych i praktycznych tarcia. Na przykład zmiany płynności, zmienności, kosztów transakcyjnych i czasu wykonania mogą wpływać na to, co obserwujesz w przefiltrowanym oknie.

Zależności historyczne nie gwarantują przyszłych wyników

Jeśli dane historyczne pokazują, że niektóre komunikaty często pokrywają się z określonym zachowaniem cen, ten wzorzec nie gwarantuje podobnego zachowania w przyszłości. Oczekiwania, zmiany reżimu rynkowego oraz zmiany w sposobie interpretacji publikacji przez uczestników rynku mogą zerwać historyczne zależności.

Weryfikacja i kolejne pytanie

Aby niezależnie zweryfikować, czy filtrowanie zdarzeń jest przydatne do Twoich celów, musisz przetestować swoje założenia, a nie tylko ufać wyborowi opartemu na kalendarzu. Zapytaj, czy Twoje wybrane definicje zdarzeń, znaczniki czasu i rozmiar okna są zgodne z pomiarem, który wykonujesz, oraz czy wyniki pozostają stabilne, gdy zmieniasz okno lub wykluczasz skupiska zdarzeń.

Jeśli wyniki zmieniają się drastycznie przy dostosowywaniu okien lub przy rozdzielaniu nakładających się zdarzeń, jest to dowód na to, że filtr może wychwytywać szum lub mieszane efekty, a nie czysty wpływ zdarzenia.