Najpierw zdefiniuj pojęcie wykresu liniowego
Wykres liniowy to wizualizacja, która pokazuje, jak zmienia się jedna wielkość liczbowa w funkcji innego wymiaru, najczęściej czasu. Zwykle wykreśla sekwencję punktów i łączy sąsiednie punkty odcinkami linii.
Dwie definicje są ważniejsze niż sam rysunek:
- Definicja osi X: co oznacza wartość x każdego punktu (na przykład znacznik czasu, indeks słupka lub uporządkowany numer zdarzenia).
- Definicja osi Y: co oznacza wartość y każdego punktu (na przykład wartość zamknięcia, wartość pośrednia, wyliczony spread lub przekształcony szereg).
Zaawansowane rozważania zaczynają się, gdy uświadomisz sobie, że wykres to nie tylko „dane”. To także efekt decyzji dotyczących tego, jak dane zostały przygotowane, przekształcone i wyrenderowane.
Mechanizm i decyzje implementacyjne, które zmieniają znaczenie
1) Kolejność, znaczniki czasu i nieregularne próbkowanie
Wykres liniowy zakłada istnienie porządku między punktami. Jeśli znaczniki czasu są poza kolejnością, zdublowane lub nierówno rozłożone w czasie, łączenie punktów może sugerować przejścia, które nie były ciągłe.
Typowe przypadki brzegowe:
- Brakujące znaczniki czasu: Jeśli występują przerwy, linia i tak połączy się przez lukę, chyba że celowo przerwiesz serię.
- Nieregularne próbkowanie: Gdy odstępy się zmieniają, pozorne „nachylenie” miesza dwie rzeczy: zmianę wartości i zmianę czasu.
Niezależnie weryfikowalna kontrola: sprawdź, czy biblioteka wykresów traktuje wartości x jako prawdziwe współrzędne czasowe (odległość proporcjonalna do czasu) czy jako kategorie/pozycje indeksowe (odległość proporcjonalna tylko do kolejności).
2) Co oznacza „czas” dla bazowego szeregu
W finansowych zbiorach danych punkt „czasu” może oznaczać:
- początek okresu,
- koniec okresu,
- albo uśrednione okno (na przykład słupek 1-minutowy).
Jeśli zmieszasz definicje (na przykład wykreślasz punkty z końca słupka, ale interpretujesz je jako punkty z początku słupka), wykres może wyglądać na przesunięty lub z wzorcami wyprzedzania/opóźniania, które są artefaktami konwencji.
Założenie do podania: gdy obliczasz lub pobierasz szereg, udokumentuj, czy znaczniki czasu są wyrównane do tej samej reguły w całym zbiorze danych.
3) Resampling i interpolacja
Aby wykresy liniowe wyglądały na gładkie lub pasowały do określonego okna wyświetlania, potoki często wykonują resampling szeregu do jednolitej siatki. Resampling można wykonać przez:
- agregację (na przykład branie średnich w przedziałach),
- forward filling (przenoszenie ostatnio znanej wartości do przodu),
- interpolację (szacowanie wartości między punktami).
Istotne ograniczenie: interpolacja i forward-filling mogą wprowadzać wartości, których nie obserwowano w oryginalnych danych. Wykres nadal może wyglądać wiarygodnie, ale przestaje reprezentować surowe obserwacje.
Niezależnie weryfikowalna kontrola: ustal, czy wykreślony szereg używa surowych punktów, punktów po agregacji czy punktów interpolowanych, sprawdzając kod wstępnego przetwarzania lub metadane.
4) Wygładzanie i ustawienia renderowania linii
Wiele systemów do wykresów oferuje opcje wygładzania lub antyaliasingu, które wizualnie zmieniają stromość i punkty zwrotne. Nawet bez jawnego wygładzania decyzje renderowania mogą wpływać na interpretację:
- jak cienkie linie nakładają się na siebie,
- czy punkty są znacznikami, czy tylko odcinkami linii,
- i jak zaokrąglone są osie.
Jeśli wykres wydaje się „trendować” łagodnie, sprawdź, czy zastosowano jakiekolwiek wygładzanie, downsampling lub dopasowanie wielomianowe.
5) Skalowanie osi, transformacje i transformacje danych
Geometria wykresu liniowego jest wyznaczana przez ustawienia osi i transformacje danych:
- Oś Y liniowa vs logarytmiczna zmienia sposób, w jaki wygląda proporcjonalny wzrost.
- Normalizacja (na przykład przeliczenie na 100) zmienia znaczenie z wartości bezwzględnych na zmiany względne.
Zaawansowana uwaga: dwa wykresy liniowe mogą wyglądać podobnie, ale przedstawiać różne transformacje. Zawsze podawaj, jaką transformację zastosowano.
6) Precyzja numeryczna i zaokrąglanie
Jeśli wartości są przechowywane z ograniczoną precyzją lub zaokrąglane zbyt wcześnie, linia może pokazywać sztuczne płaskie odcinki, drobne kroki lub „szum” (jitter). Staje się to zauważalne, gdy przybliżysz wykres, albo gdy szereg obejmuje jednocześnie bardzo małe i bardzo duże wartości.
Niezależnie weryfikowalna kontrola: porównaj tablicę danych używaną do wykresu z wartościami szeregu wyrenderowanego (po wszelkich transformacjach), aby potwierdzić, że zaokrąglanie dzieje się po, a nie przed, rysowaniem.
Dowody i przykładowe scenariusze (z jawnymi założeniami)
Przykład A: brakujące punkty na przestrzeni luki
Założenie: masz obserwacje tylko o 10:00 i 11:00, ale nie było transakcji ani aktualizacji między nimi. Jeśli wykreślisz oba punkty i połączysz je, wykres pokaże ciągłe przejście między nimi.
Istotne ograniczenie: to „przejście” jest interpolacją wizualną wynikającą z reguły rysowania, a niekoniecznie rzeczywistym ruchem w czasie rzeczywistym.
Niezależna weryfikacja: sprawdź, czy w potoku rysowania wstawiane są null-e i czy linia jest przerywana w lukach. Wiele systemów wykresów obsługuje przerwania segmentów; jeśli nie używasz tej funkcji, wykres sugeruje ciągłość.
Przykład B: resampling do stałego interwału
Założenie: dane wejściowe są nieregularnymi tickami; wykonujesz resampling do punktów co 1 minutę, biorąc średnią w każdej minucie.
Na co uważać: wynikowa linia odzwierciedla średnią na minutę, a nie ostatni zaobserwowany tick. To zmienia zarówno moment wystąpienia szczytów, jak i ich amplitudę.
Niezależna weryfikacja: potwierdź metodę resamplingu (mean, last, median, max, min) oraz to, czy puste interwały są wypełniane.
Przykład C: interpretowanie nachylenia jako „stopy (rate)”
Założenie: odstępy czasu na osi X są proporcjonalne do rzeczywistego czasu.
Jeśli oś X ma charakter „kategorii” (równe odstępy według kolejności), nachylenie nie reprezentuje już stopy. Staje się „zmianą na indeks punktu”.
Niezależna weryfikacja: sprawdź, jak system wykresów koduje wartości x — czy używa rzeczywistych współrzędnych czasowych, czy po prostu wykreśla sekwencyjne indeksy?
Ograniczenia i ryzyka: jak wykresy liniowe mogą Cię zawieść
1) Wizualna ciągłość może wprowadzać w błąd
Wykresy liniowe domyślnie łączą punkty. Może to sugerować ciągłość nawet wtedy, gdy w szeregu występowały przerwy, brakujące interwały lub inne znaczenie semantyczne między punktami.
Tryb awarii: wnioskujesz, że ruch zachodził w sposób ciągły, podczas gdy dane reprezentują agregaty lub rzadkie migawki.
2) Wartości odstające i kompresja zniekształcają przekaz
Pojedyncza skrajna wartość może skompresować resztę linii do wąskiego pasma, sprawiając, że małe wahania wyglądają jak płaski szum.
Ryzyko: podejmowanie decyzji lub wyciąganie wniosków na podstawie widoczności wizualnej, a nie analizy uwzględniającej skalę.
3) Interpretacja retrospektywna nie przewiduje przyszłości
Nawet jeśli linia historycznie pokazuje pewien wzorzec, historyczna zależność nie ustanawia zachowania w przyszłości. Zachowanie rynku może się zmienić, a potok rysowania może ewoluować.
Niezależna weryfikacja: uruchom ponownie tę samą logikę wykresu dla różnych okien czasowych i potwierdź, że wnioski są spójne z krokami wstępnego przetwarzania danych.
4) Koszty, różnice w realizacji i jurysdykcja są poza wykresem
Wykres liniowy może odzwierciedlać szereg cenowy, ale rzeczywiście uzyskane wyniki mogą się różnić z powodu spreadów, realizacji, opłat i lokalnych zasad. Te czynniki nie są z natury zakodowane w generycznym wykresie liniowym.
Zatem ograniczenie jest natury koncepcyjnej: wykres może być dokładny względem swojego wejściowego szeregu, a mimo to być nieistotny dla rzeczywiście uzyskanych rezultatów.