Co to jest przykładowe zastosowanie filtrowania zdarzeń?

Bezpośrednia odpowiedź

Przykładowe zastosowanie filtrowania zdarzeń pokazuje, jak z listy nadchodzących pozycji kalendarza ekonomicznego wybierasz te, które będziesz traktować jako potencjalnie istotne dla konkretnej pary walutowej i okna czasowego. Poniższy przykład wykorzystuje zmyślone liczby, aby zademonstrować mechanikę, i jasno określa każde założenie, dzięki czemu możesz samodzielnie zweryfikować logikę.

Mechanika i definicja

Filtrowanie zdarzeń, w kontekście kalendarza ekonomicznego, to proces oparty na regułach, który przekształca surowy zestaw zaplanowanych publikacji w mniejszy zbiór „zdarzeń do monitorowania”. Typowym danym wejściowym jest tabela zawierająca takie pozycje, jak nazwa zdarzenia, istotność walutowa (do jakiej gospodarki należy), zaplanowany czas oraz subiektywny lub podany poziom wpływu.

Kluczową ideą jest oddzielenie stabilnej mechaniki od zmiennych warunków:

• Stabilna mechanika: stosujesz jawne reguły włączania/wyłączania zdarzeń, a następnie obliczasz prostą statystykę (na przykład ruch po zdarzeniu) dla wybranego podzbioru.
• Zmienne warunki: rzeczywisty wpływ na rynek, jakość wykonania, koszty transakcyjne oraz szybkość reakcji cen mogą różnić się od Twoich założeń.

Konkretny zestaw reguł filtrowania (przykładowe założenia)

Załóżmy, że monitorujesz instrument podobny do EUR/USD.

Reguły filtrowania, które stosujesz (założenia, które powinieneś zapisać):

1. Reguła istotności walutowej: uwzględnij zdarzenie tylko wtedy, gdy jest oznaczone jako dotyczące strefy euro (strona EUR) lub Stanów Zjednoczonych (strona USD).
2. Reguła wpływu: uwzględnij tylko zdarzenia oznaczone przez źródło jako „wysoki” wpływ.
3. Reguła okna czasowego: uwzględnij tylko zdarzenia zaplanowane w wybranym oknie czasowym, na przykład 10:00–13:00 UTC.
4. Reguła unikalności: jeśli dwa zdarzenia są zaplanowane w odstępie 5 minut, zachowujesz oba (aby nie ukrywać nakładania się), ale będziesz je śledzić łącznie.

Uwaga: te reguły definiują procedurę. Nie twierdzą, że uwzględnione zdarzenia spowodują zmiany cen, a jedynie, że są to zdarzenia, które będziesz analizować.

Przykładowe zastosowanie (scenariusz liczbowy)

Krok 1: Zacznij od listy zdarzeń (zmyślonej)

Załóżmy, że Twój kalendarz pokazuje cztery zaplanowane publikacje w godzinach 10:00–13:00 UTC:

• A: strefa euro „Inflacja (wysoki wpływ)”, 10:30 UTC
• B: Stany Zjednoczone „Sprzedaż detaliczna (wysoki wpływ)”, 11:15 UTC
• C: Stany Zjednoczone „Przemówienie konferencyjne (średni wpływ)”, 12:10 UTC
• D: strefa euro „Zaufanie konsumentów (wysoki wpływ)”, 12:12 UTC

Krok 2: Zastosuj reguły filtrowania

Korzystając z powyższych założeń:

• Reguła 1 (istotność walutowa): A, B i D są istotne; C również dotyczy USD, więc jest istotne pod względem walutowym.
• Reguła 2 (wpływ): zachowaj A, B, D (C ma średni wpływ, więc wyklucz C).
• Reguła 3 (okno czasowe): wszystkie zachowane zdarzenia mieszczą się w przedziale 10:00–13:00.
• Reguła 4 (unikalność): B o 11:15 i A o 10:30 są daleko od siebie; D o 12:12 jest blisko C o 12:10, ale C jest wykluczone, więc w przefiltrowanym zbiorze śledzisz tylko D.

Wynik: przefiltrowany zbiór to {A, B, D}.

Krok 3: Zdefiniuj mierzalny wynik (jawne założenie)

Aby zapewnić niezależną weryfikowalność, zdefiniuj prosty wynik, który obliczysz na podstawie posiadanych danych cenowych:

• Niech ruch po zdarzeniu = (cena na koniec 30-minutowego interwału po zaplanowanym czasie) − (cena w zaplanowanym czasie).

Załóżmy, że zbierasz ceny średnie (ponownie, zmyślone dla ilustracji):

• Cena w czasie A (10:30): 1.0800
• Cena 30 minut po A: 1.0830 → ruch = +0.0030
• Cena w czasie B (11:15): 1.0830
• Cena 30 minut po B: 1.0785 → ruch = −0.0045
• Cena w czasie D (12:12): 1.0790
• Cena 30 minut po D: 1.0802 → ruch = +0.0012

Krok 4: Podsumuj przefiltrowane wyniki

Oblicz średni ruch po zdarzeniu dla przefiltrowanych zdarzeń (założenie: średnia arytmetyczna):

• Średnia = (+0.0030 − 0.0045 + 0.0012) / 3 = −0.0001 (w przybliżeniu)

Ten wynik nie mówi nic o przyszłych wynikach. Pokazuje jedynie, co wydarzyło się w tym jednym scenariuszu przy podanych założeniach.

Co zmieniło się dzięki filtrowaniu?

Ponieważ wykluczyłeś C (średni wpływ), nie uwzględniłeś go w analizie po zdarzeniu. Gdybyś go uwzględnił, Twoja średnia i wnioski mogłyby się zmienić. To jest praktyczna wartość filtrowania zdarzeń: sprawia, że Twoja analiza koncentruje się na spójnym podzbiorze, ale wybór reguł określa również to, co możesz zaobserwować.