Jakie ryzyka wiążą się ze skalą logarytmiczną a liniową?
Bezpośrednia odpowiedź
Główne ryzyka związane z używaniem skali logarytmicznej versus liniowej to błędy interpretacji i porównań. Skala logarytmiczna przedstawia zmiany w ujęciu procentowym, podczas gdy skala liniowa przedstawia zmiany w ujęciu bezwzględnych wartości cen. Jeśli założysz, że zachowują się one tak samo—lub zmieszasz źródła/ustawienia wykresów—możesz błędnie zrozumieć „wielkość” ruchów, źle ocenić zmienność i wyciągnąć nieprawidłowe wnioski na temat tego, co się wydarzyło.
W kontekście informacyjnym, nietransakcyjnym, ryzyka te dzielą się na cztery kategorie: operacyjne (jak wykresy są skonfigurowane i obliczane), rynkowe (jak rzeczywiste zachowanie cen i koszty się zmieniają), kontrahenta (jak dostawcy przekształcają lub prezentują dane) oraz interpretacyjne (jak odwzorowujesz obraz na decyzje).
Mechanizm lub definicja
Skala liniowa nanosi poziomy cen tak, że równe odległości na wykresie odpowiadają równym zmianom bezwzględnym (na przykład tej samej liczbie jednostek ceny).
Skala logarytmiczna nanosi logarytm poziomów cen. W praktyce oznacza to, że równe odległości odpowiadają równym zmianom procentowym. Ta różnica ma znaczenie najbardziej, 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 punktu odniesienia). Nawet gdy dwa wykresy wyglądają podobnie, różne definicje przekształconej osi lub ustawień wykresu mogą prowadzić do różnych obrazów.
Dowód lub przykład
Rozważmy te same dwa ruchy cen obserwowane na różnych skalach:
- Ruch A: ze 100 do 110 (wzrost o 10%)
- Ruch B: z 50 do 60 (również wzrost o 20%)
Na wykresie liniowym ruch A może wydawać się mniejszy lub większy w zależności od zmiany bezwzględnej (w obu przypadkach 10). Na wykresie logarytmicznym odległość wizualna jest powiązana ze zmianą procentową, więc ruch B zwykle wydaje się większy, ponieważ zmiana procentowa jest większa.
Teraz dodajmy typowe ryzyko operacyjne: porównujesz zrzuty ekranu lub analizy od różnych dostawców (lub z różnymi ustawieniami) bez potwierdzenia, czy oba wykresy są liniowe, czy logarytmiczne. Nawet jeśli bazowe serie cen są identyczne, przekształcona oś zmienia pozorną wielkość ruchu. Może to prowadzić do fałszywej zgodności (myślisz, że wnioski się pokrywają) lub fałszywej rozbieżności (myślisz, że są sprzeczne).
Ograniczenia i ryzyka
1) Ryzyko interpretacyjne
Twoje wnioski na temat „jak daleko przesunęła się cena” mogą zależeć od skali. Formacje, które wyglądają przekonująco na jednej skali, na drugiej mogą wydawać się skompresowane lub rozciągnięte. Nie oznacza to, że któraś skala jest „błędna”, ale oznacza, że każda interpretacja musi określać używaną skalę oraz odwzorowanie odległości wizualnej na bazową metrykę (bezwzględną vs procentową).
2) Ryzyko operacyjne (ustawienia i konwencje obliczeniowe)
Różne narzędzia do tworzenia wykresów mogą implementować skalę logarytmiczną z różnymi opcjami wyświetlania. Jeśli wykres używa osi logarytmicznej, ale wciąż oblicza nakładki (takie jak pomiary trendu) przy użyciu założeń liniowych—lub odwrotnie—wówczas mierzone wielkości mogą się różnić. Aby zmniejszyć to ryzyko, potwierdź dokumentację wykresu i dokładne zachowanie osi.
3) Ryzyko rynkowe (niejednorodna rzeczywistość)
Obrazy logarytmiczne i liniowe reagują inaczej, gdy zmienność zmienia się w czasie, gdy ceny silnie trendują lub gdy zakres cen się rozszerza. Ograniczeniem jest to, że historyczne ruchy i efekty kosztowe nie gwarantują przyszłego zachowania; obraz może prowadzić do nadmiernych uogólnień.
4) Ryzyko kontrahenta (prezentacja danych)
Dostawcy mogą różnić się sposobem pozyskiwania, czyszczenia i prezentowania danych cenowych. Jeśli dwie strony używają różnych źródeł danych, ram czasowych, sposobu obsługi zdarzeń korporacyjnych lub zasad zaokrąglania, ich naniesione serie mogą się różnić. Gdy następnie zastosujesz różne skale, różnice wizualne mogą się kumulować, utrudniając oddzielenie „różnic w danych” od „efektów skali”.
5) Krytyczny tryb awarii: mieszanie założeń
Częstym trybem awarii jest traktowanie odległości wizualnej na wykresie tak, jakby reprezentowała tę samą wielkość w różnych skalach (na przykład zakładanie, że równe odległości wizualne oznaczają równe zmiany bezwzględne). Może to zniekształcić wszelkie rozumowanie porównawcze, zwłaszcza podczas analizy długich okresów czasu.
Weryfikacja lub kolejne pytanie
Niezależnie zweryfikuj zachowanie skali, sprawdzając opis osi wykresu: czy reprezentuje poziomy cen (liniowa) czy zmiany procentowe (logarytmiczna)? Następnie potwierdź, że nakładki i pomiary są obliczane spójnie z tymi samymi założeniami dotyczącymi skali. Jeśli porównujesz raporty, ujednolić wybór skali i ram czasowych przed porównaniem.