Bezpośrednia odpowiedź
Główne ryzyka związane z używaniem skal logarytmicznych vs liniowych to błędy interpretacji oraz błędy porównania. Skala logarytmiczna przedstawia zmiany w ujęciu procentowym, natomiast skala liniowa przedstawia zmiany w ujęciu bezwzględnych wartości cen. Jeśli założysz, że zachowują się tak samo — albo zmieszasz źródła/ustawienia wykresów — możesz źle zrozumieć „rozmiar” ruchów, błędnie ocenić zmienność i wyciągnąć nieprawidłowe wnioski o tym, co się wydarzyło.
W kontekście informacyjnym, niezwiązanym bezpośrednio z handlem, te ryzyka dzielą się na cztery kategorie: operacyjne (jak wykresy są konfigurowane i liczone), rynkowe (jak realne zachowanie cen i koszty się różnią), kontrahenckie (jak dostawcy przekształcają lub prezentują dane) oraz interpretacyjne (jak mapujesz obraz na decyzje).
Mechanizm lub definicja
Skala liniowa wykreśla poziomy cen tak, że równe odległości na wykresie odpowiadają równym zmianom bezwzględnym (na przykład tej samej liczbie jednostek ceny).
Skala logarytmiczna wykreśla logarytm poziomów cen. W praktyce oznacza to, że równe odległości odpowiadają równym zmianom procentowym. Ta różnica ma największe znaczenie wtedy, gdy ceny poruszają się w szerokich zakresach.
Ponieważ transformacja zależy od danych wejściowych skali, wykresy logarytmiczne zwykle wymagają spójnego traktowania jednostek i podstawy (na przykład tego, czy wartości są logarytmowane względem pewnego odniesienia). Nawet gdy dwa wykresy wyglądają podobnie, różne definicje przekształconej osi lub ustawienia wykresu mogą prowadzić do różnych wizualizacji.
Dowód lub przykład
Rozważ te same dwa ruchy cenowe obserwowane na różnych skalach:
- Ruch A: z 100 do 110 (wzrost o 10%)
- Ruch B: z 50 do 60 (również wzrost o 20%)
Na wykresie liniowym Ruch A może wyglądać na mniejszy lub większy w zależności od zmiany bezwzględnej (10 w obu przypadkach). Na wykresie logarytmicznym odległość wizualna jest powiązana ze zmianą procentową, więc Ruch B zwykle wygląda na większy, ponieważ zmiana procentowa jest większa.
Teraz dodaj typowe ryzyko operacyjne: porównujesz zrzuty ekranu lub analizy z różnych dostawców (albo z różnych ustawień) bez potwierdzenia, czy oba wykresy są liniowe czy logarytmiczne. Nawet jeśli bazowe serie cenowe są identyczne, przekształcona oś zmienia pozorną wielkość ruchu. Może to prowadzić do fałszywej zgodności (myślisz, że wnioski są takie same) albo fałszywej niezgodności (myślisz, że się różnią).
Ograniczenia i ryzyka
1) Ryzyko interpretacji
Twoje wnioski o tym, „jak daleko” poruszyła się cena, mogą stać się zależne od skali. Wzorce, które pod jedną skalą wyglądają przekonująco, pod drugą mogą wyglądać na skompresowane lub rozciągnięte. To nie znaczy, że któraś ze skal jest „błędna”, ale oznacza, że każda interpretacja musi wskazywać używaną skalę oraz mapowanie odległości wizualnej na leżącą u podstaw metrykę (bezwzględną vs procentową).
2) Ryzyko operacyjne (ustawienia i konwencje obliczeniowe)
Różne narzędzia do wykresów mogą implementować skalowanie logarytmiczne z różnymi opcjami wyświetlania. Jeśli wykres używa osi logarytmicznej, ale nadal liczy nakładki (np. pomiary trendu) w oparciu o założenia liniowe — albo odwrotnie — to mierzone wielkości mogą się rozchodzić. Aby ograniczyć to ryzyko, sprawdź dokumentację wykresu oraz dokładne zachowanie osi.
3) Ryzyko rynkowe (niejednorodna rzeczywistość)
Wizualizacje logarytmiczne i liniowe reagują inaczej, gdy zmienia się w czasie zmienność, gdy ceny silnie trendują albo gdy rozszerza się zakres cen. Ograniczeniem jest to, że historyczne efekty ruchu i kosztów nie gwarantują przyszłego zachowania; wizualizacja może skłonić cię do nadmiernego uogólniania.
4) Ryzyko kontrahenckie (prezentacja danych)
Dostawcy mogą się różnić w tym, jak pozyskują, czyszczą i prezentują dane cenowe. Jeśli dwie strony używają różnych feedów, interwałów czasowych, obsługi zdarzeń korporacyjnych lub zasad zaokrąglania, ich wykreślone serie mogą się rozjechać. Gdy następnie zastosujesz różne skale, różnice wizualne mogą się kumulować, przez co trudniej będzie oddzielić „różnice w danych” od „efektów skali”.
5) Istotny tryb awarii: mieszanie założeń
Częstym trybem awarii jest traktowanie odległości wizualnej na wykresie tak, jakby oznaczała tę samą wielkość w różnych skalach (na przykład zakładając, że równe odległości wizualne oznaczają równe zmiany bezwzględne). Może to zniekształcić każde rozumowanie porównawcze, szczególnie gdy analizujesz długie okresy.
Weryfikacja lub kolejne pytanie
Niezależnie zweryfikuj zachowanie skali, sprawdzając opis osi na wykresie: czy przedstawia poziomy cen (liniowo) czy zmiany procentowe (logarytmicznie)? Następnie potwierdź, że nakładki i pomiary są liczone spójnie z tymi samymi założeniami skali. Jeśli porównujesz raporty, ujednolić wybór skali oraz ramy czasowe przed porównaniem.