Częste błędy przy skali logarytmicznej i liniowej (i jak je sprawdzić)
Bezpośrednia odpowiedź: częste błędy
Ludzie często błędnie rozumieją logarytmiczne i liniowe skale wykresów na cztery sposoby: mylą to, co zmienia się na wykresie (odwzorowanie wizualne) z tym, co zmienia się na rynku (ceny bazowe), stosują błędną interpretację ruchu „procentowego”, ignorują założenia stojące za przykładami (takie jak zakres czasu i znaczenie „odległości”) oraz ekstrapolują relacje historyczne, traktując je jakby miały charakter prognostyczny.
Neutralnym sposobem sprawdzenia swojego zrozumienia jest rozdzielenie: (1) definicji skali, (2) konsekwencji dla odczytywania odległości i trendów oraz (3) tego, co można zweryfikować na podstawie ustawień wykresu i zastosowanej metody obliczeniowej.
Mechanika lub definicja: co robią skale „liniowa” i „logarytmiczna”
Skala liniowa odwzorowuje równe jednostki ceny na równe odległości na wykresie. Jeśli cena wzrośnie o tę samą bezwzględną wartość, ruch będzie wyglądał na taką samą odległość w pionie.
Skala logarytmiczna (log) odwzorowuje równe zmiany procentowe na równe odległości na wykresie. Oznacza to, że ten sam ruch proporcjonalny (na przykład wzrost o stały czynnik) będzie widoczny jako ta sama odległość w pionie, nawet jeśli cena początkowa jest inna.
Praktyczna implikacja: gdy porównujesz dwa okresy zaczynające się od bardzo różnych poziomów cen, wykres liniowy może wizualnie bardziej uwydatniać zmiany bezwzględne, podczas gdy wykres logarytmiczny może wizualnie normalizować zmiany proporcjonalne. Skala nie zmienia jednak samych historycznych cen; zmienia jedynie sposób, w jaki te ceny są przekształcane na współrzędne wykresu.
Dowody lub przykład: gdzie ujawniają się nieporozumienia
Błąd 1: „Wykres logarytmiczny lepiej przewiduje”
Niektórzy czytelnicy traktują skalę logarytmiczną tak, jakby czyniła porównania trendów dokładniejszymi lub bardziej odpornymi na przyszłość. To błędna interpretacja. Skalowanie jest wyborem prezentacji: może zmienić sposób postrzegania ruchu proporcjonalnego, ale nie może stworzyć mocy prognostycznej. Weryfikacja: potwierdź, czy twój wniosek opiera się na wyniku statystycznym, czy tylko na tym, jak linia „wygląda” przy danym wyborze skali.
Błąd 2: mieszanie interpretacji bezwzględnej i proporcjonalnej
Jeśli używasz wykresu logarytmicznego i mówisz „wzorzec ma ten sam rozmiar, więc ruch jest równy w dolarach”, możesz mieszać znaczenia. Przy skali logarytmicznej równe odległości na wykresie odpowiadają równym zmianom względnym, a nie równym bezwzględnym jednostkom ceny. Weryfikacja: wybierz dwie ceny początkowe, oblicz, jaki ruch bezwzględny odpowiadałby równemu ruchowi proporcjonalnemu, i sprawdź, czy się różnią.
Błąd 3: ignorowanie ustawień wykresu, które zmieniają odwzorowanie
Niektóre narzędzia do tworzenia wykresów oferują również różne sposoby pomiaru stóp zwrotu (takie jak proste vs składane) lub różne opcje normalizacji. Jeśli przełączasz się między widokami (lub porównujesz zrzuty ekranu) bez zapisania typu skali i bazowego okna danych, porównanie może być niespójne. Weryfikacja: udokumentuj wybór skali i widoczny zakres czasu przed porównaniem dwóch wykresów.
Błąd 4: zapominanie o założeniach w obliczeniach
Przykłady często zakładają konkretne znaczenie „odległości” (odległość w pionie na danej skali) i konkretny punkt początkowy. Jeśli zmienisz cenę początkową, ta sama bezwzględna wartość nie musi odpowiadać tej samej odległości na wykresie przy skali logarytmicznej. Weryfikacja: odtwarzając przykład, podaj cenę początkową, cenę końcową oraz to, czy porównujesz zmiany bezwzględne, czy proporcjonalne.
Ograniczenia i ryzyka: co może zawieść
Istotnym ograniczeniem jest to, że transformacje wizualne mogą ukrywać lub ujawniać różne aspekty ruchu. Na przykład widok logarytmiczny może zmniejszyć wizualną dominację dużych ruchów bezwzględnych na wyższych poziomach cen, co może wpłynąć na sposób oceny zmienności w różnych przedziałach czasowych.
Mówiąc szerzej, wyniki różnią się w zależności od warunków rynkowych, kosztów, jakości wykonania oraz wszelkich zasad specyficznych dla danej jurysdykcji, które wpływają na handel i raportowanie. Ponadto relacje historyczne nie stanowią podstawy do przewidywania przyszłych wyników.
Ponieważ wybór między skalą logarytmiczną a liniową dotyczy transformacji, a nie gwarancji dokładności, jednym z trybów błędu jest „nadmierna interpretacja”: traktowanie wyglądu wykresu tak, jakby wspierał twierdzenie przyczynowe lub prognostyczne.
Weryfikacja lub kolejne pytanie: neutralne kontrole, które możesz wykonać
Aby zweryfikować własne zrozumienie bez polegania na prognozach, spróbuj następujących kontroli:
- Zidentyfikuj typ skali w ustawieniach wykresu (liniowa vs logarytmiczna) i potwierdź, że porównujesz ten sam zakres czasu. 2. Wybierz dwa punkty na wykresie i przekształć wizualny „ruch” na odpowiednią wielkość: zmianę bezwzględną dla skali liniowej, zmianę proporcjonalną (względną) dla skali logarytmicznej. 3.