Bezpośrednia odpowiedź
Wykres słupkowy zamienia wiele podstawowych obserwacji cenowych w uproszczone, wizualne podsumowanie. Jego główne ograniczenia polegają na tym, że może ukrywać momenty w czasie, zależy od ustawień wykresu i założeń dotyczących danych, a wszelkie dostrzeżone wzorce mogą nie utrzymać się w nowych warunkach rynkowych.
Mechanizm i definicja
Wykres słupkowy (często używany w handlu i analizie technicznej) grupuje informacje o cenie w stały przedział czasowy. Dla każdego interwału wyświetla wartości takie jak wartość otwarcia oraz ekstremum (maksimum/minimum), a czasem także wartość zamknięcia. Oznacza to, że wykres jest transformacją: zamiast pokazywać każdą chwilę w obrębie interwału, kompresuje interwał do kilku liczb podsumowujących.
Nawet jeśli używasz tego samego instrumentu, dwa wykresy słupkowe mogą wyglądać inaczej, ponieważ zmienne są dane wejściowe: wybrany interwał czasowy (na przykład grupowanie w przedziały 1-minutowe zamiast 1-godzinnych), dopasowanie strefy czasowej interwałów oraz kanał danych użyty do zbudowania słupków. Jeśli zakładasz, że dostępne są dane w czasie rzeczywistym, gdy ich nie ma, albo zakładasz, że na wszystkich wykresach używane jest to samo źródło danych, możesz przypadkowo porównywać nieidentyczne zbiory danych.
Dowód lub przykład (podane założenia)
Załóż, że używasz wykresu słupkowego 1-godzinnego dla tego samego rynku i obserwujesz, że kilka słupków ma podobny zakres od maksimum do minimum. Wykres słupkowy może sugerować „zachowanie w zakresie”. Jednak słupek tylko gwarantuje, że wartości ekstremalne wystąpiły gdzieś w obrębie każdej godziny; nie mówi, kiedy dokładnie w tej godzinie pojawiły się te ekstrema.
Tryb awarii: w ciągu godziny cena może na chwilę gwałtownie skoczyć, a następnie szybko wrócić, albo może poruszać się płynnie w trendzie. Oba scenariusze mogą dawać podobne zakresy maksimum/minimum na słupkach. Ponieważ wykres kompresuje informacje o wewnętrznej sekwencji, ten sam wizualny „zakres” może odpowiadać istotnie różnym, bazowym ścieżkom.
Ograniczenia i ryzyka
-
Utrata szczegółów czasowych: Podsumowanie interwału może ukrywać kolejność ruchów wewnątrz słupka. Może to mieć znaczenie, gdy istotne są cechy związane z krótkim timingiem.
-
Wrażliwość na wybór interwału: Zmiana interwału czasowego zmienia to, co jest grupowane. Wzorzec widoczny w jednym interwale może zniknąć w innym, ponieważ wykres opisuje inne agregacje.
-
Niedopasowanie danych i realizacji: Jeśli historyczne słupki dostawcy są zbudowane na podstawie różnych zasad próbkowania, zdarzeń korporacyjnych lub metod czyszczenia danych, niż te, których się spodziewasz, Twój wykres może nie odzwierciedlać tego, co myślisz, że odzwierciedla. Ograniczenie polega tu na niepewności co do procesu konstrukcji, a nie na samej idei rysowania słupków.
-
Zależności historyczne nie zapewniają przyszłych wyników: Nawet jeśli obserwacje oparte na słupkach w przeszłości wyglądały na spójne, nie oznacza to, że mają one zdolność predykcyjną. Koszty takie jak spready, slippage i prowizje (które różnią się w zależności od miejsca i czasu) również mogą ograniczać użyteczność każdej pozornej zależności.
-
Błąd doboru (selection bias): Jeśli wybierzesz interwał czasowy po zobaczeniu rezultatów, możesz dopasowywać wizualizację do wniosku zamiast testować wcześniej określoną regułę.
Weryfikacja lub następne pytanie
Aby niezależnie zweryfikować twierdzenia dotyczące wykresu słupkowego, określ swoje założenia: interwał czasowy, dopasowanie strefy czasowej oraz źródło danych użyte do wygenerowania słupków. Następnie porównaj, jak zmieniają się obserwacje, gdy modyfikujesz jedno ustawienie naraz (na przykład przechodząc na inny interwał czasowy), utrzymując jednocześnie spójność instrumentu i konstrukcji zbioru danych.
Przydatnym kolejnym pytaniem jest: Jakie bazowe założenie stosujesz, interpretując wzorzec na słupku jako znaczący — dotyczące timing’u wewnątrz interwału, powtarzalności w czasie czy zasad konstrukcji danych?