Wybór interwału: zdefiniuj pojęcie, zanim wybierzesz
Wybór interwału to decyzja o tym, jak mapujesz informacje o cenie na proces podejmowania decyzji. W praktyce „interwał” kontroluje jednostkę obserwacji oraz rytm analizy — na przykład to, czy oceniasz zachowanie rynku na podstawie świec jednominutowych, czterogodzinnych, czy dziennych.
Pomocny sposób modelowania tego polega na rozdzieleniu dwóch ról:
- Horyzont obserwacji: jak daleko w czasie są od siebie Twoje punkty danych (rozmiar świecy).
- Horyzont decyzji i oceny: jak długo zamierzasz utrzymywać pogląd oraz jak mierzysz wyniki.
Zaawansowane rozważania zaczynają się wtedy, gdy te role nie pasują do siebie. Jeśli Twój horyzont decyzji jest dłuższy niż horyzont obserwacji, możesz nadmiernie dopasować się do mikro-ruchów. Jeśli horyzont decyzji jest krótszy niż horyzont obserwacji, możesz reagować zbyt późno i „zamiatać pod dywan” szybkie zmiany.
Prosty model: próbkowanie obserwacji a rzeczywiste koszty handlu
Podstawowym mechanizmem jest „próbkowanie z tarciem”. Rynek dostarcza ciągły strumień zmian cen, podczas gdy Twój system próbuje go próbkować w wybranym tempie (interwał), a następnie dodaje tarcia (koszty i ograniczenia realizacji).
Trzy stabilne mechanizmy zwykle wyjaśniają większość efektów związanych z interwałem:
- Agregacja szumu: Krótsze interwały zawierają więcej szybkich wahań. Dłuższe interwały agregują te wahania do mniejszej liczby punktów danych, co może wygładzać zmienność.
- Częstotliwość zdarzeń: Gdy interwał się skraca, rośnie liczba okazji do decyzji oraz częstotliwość ponownej oceny.
- Skalowanie kosztów: Koszty takie jak spread, prowizje i poślizg zazwyczaj stają się bardziej istotne, gdy handlujesz lub rebalansujesz częściej. Nawet jeśli interwał wygląda czyściej na wykresach, wyniki mogą się pogorszyć, gdy koszty dominują nad przyrostowym ruchem, który próbujesz uchwycić.
Z perspektywy weryfikacji kluczowe jest to, że wybór interwału zmienia rozkład tego, co traktujesz jako „sygnał” (ustrukturyzowany ruch) versus „szum” (nieustrukturyzowany ruch), oraz zmienia, jak często płacisz tarcie.
Zależności, które musisz dopasować (cel, czas utrzymania i ocena)
Zaawansowany wybór interwału to nie tylko kwestia dobrania przedziału na wykresie. Chodzi o dopasowanie kilku zależności, które łatwo przeoczyć.
Dopasowanie celu i czasu utrzymania
Twój cel determinuje, jaki horyzont ma znaczenie. Jeśli koncentrujesz się na planowaniu wokół wolniejszych informacji (na przykład dłuższych cykli ekonomicznych), dłuższy interwał może być bardziej spójny z tym, jak te informacje są wyrażane. Jeśli koncentrujesz się na zachowaniu krótkoterminowym, dłuższe interwały mogą ukrywać istotne zmiany aż do momentu, gdy będzie już za późno.
To nie gwarantuje lepszych wyników; jedynie określa, czy Twój system w ogóle potrafi reprezentować zachowanie, które chcesz uchwycić.
Granularność decyzji a tolerancja błędu
Krótsze interwały zwiększają liczbę ocen. To podnosi szansę, że podejmiesz działanie na podstawie losowej zmienności. Dłuższe interwały zmniejszają częstotliwość ocen, ale często zwiększają „czas do korekty”, gdy Twoje założenia okażą się błędne.
Praktyczna konsekwencja to zdefiniowanie, jaki typ pomyłek chcesz tolerować:
- Częste, małe błędy (częste w podejściach o wysokiej częstotliwości)
- Rzadkie, opóźnione błędy (częste, gdy działasz na podstawie wolniejszych obserwacji)
Twój wybór interwału powinien pasować do tego, jaki tryb awarii jesteś w stanie kontrolować.
Definicja danych i spójność między interwałami
Jeśli porównujesz sygnały na wielu interwałach, typowym przypadkiem brzegowym jest niespójna definicja. Na przykład „swing” na jednym interwale może być na drugim interwale pojedynczą świecą. Backtesty i wyjaśnienia mogą się rozpaść, jeśli mapowanie jednego interwału na drugi nie jest zdefiniowane.
Aby utrzymać analizę weryfikowalną, powinieneś jasno określić:
- co stanowi „zdarzenie” (np. zamknięcie świecy, otwarcie świecy, high/low w trakcie świecy)
- czy decyzje są podejmowane przy zamknięciu świecy, czy w trakcie świecy
- czy ocena używa tego samego momentu wejścia/wyjścia
Zmiana tych szczegółów może istotnie zmienić wyniki.
Przypadki brzegowe: kiedy wybór interwału psuje Twoje założenia
Wybór interwału nie działa w konkretnych przypadkach brzegowych, które często pojawiają się dopiero pod presją.
Niejednoznaczność w trakcie świecy i bias look-ahead
Częstym ograniczeniem jest założenie, że możesz znać wyniki zanim się wydarzą. Na przykład używanie ruchu w trakcie świecy do uzasadnienia decyzji, której w czasie rzeczywistym nie dało się poznać aż do później, tworzy problem look-ahead. Jest to szczególnie prawdopodobne, gdy mierzysz decyzje przy zamknięciu świecy, ale wizualizujesz je cechami wyprowadzonymi z wnętrza świecy.
Aby uniknąć nieweryfikowalnego rozumowania, doprecyzuj regułę: zdecyduj, kiedy informacja staje się dostępna i kiedy mógłbyś wykonać zlecenie.
Zmiany reżimu i „bezwładność interwału”
Dłuższe interwały mogą ukrywać zmiany reżimu, ponieważ dane agregują wiele warunków. System, który opiera się na wolnej strukturze, może nadal interpretować nowe zachowanie tak, jakby należało do poprzedniego reżimu.
Z drugiej strony, bardzo krótkie interwały mogą nadmiernie reagować na tymczasowe wstrząsy. W obu przypadkach wybór interwału wpływa na opóźnienie rozpoznania.
Efekty mikrostruktury rynku
Nawet jeśli tutaj nie używasz danych rynkowych w czasie rzeczywistym, nadal ważne jest, aby rozpoznać, że koszty i ograniczenia realizacji nie są jednakowe w czasie. Płynność, spready i poślizg mogą się zmieniać w zależności od pory dnia i aktywności handlowej. Krótsze interwały, zwiększając częstotliwość transakcji, mogą stać się bardziej wrażliwe na tę zmienność.
Istotnym trybem awarii jest system, który działa w uproszczonych założeniach (np. idealne wypełnienia), ale pogarsza się, gdy rośnie niepewność kosztów i realizacji.
Ograniczenia i ryzyka: czego nie da się zagwarantować
Kilka ograniczeń dotyczy niezależnie od interwału.
- Historyczne zależności nie ustanawiają przyszłych wyników. Wzorzec widoczny na jednym historycznym interwale może nie utrzymać się.
- Wyniki zależą od kosztów, jakości realizacji i warunków rynkowych. Nawet jeśli ruch cen jest spójny, tarcie może zdominować rezultat.
- Ocena zależy od Twoich założeń. Różne momenty wejścia, momenty wyjścia oraz sposób obsługi niepełnych świec mogą prowadzić do różnych wniosków.
Ponieważ tutaj nie zakłada się danych w czasie rzeczywistym, powinieneś traktować każde wyjaśnienie systemu jako dotyczące struktury rozumowania, a nie przewidywania konkretnego przyszłego wyniku.
Weryfikacja: jak sprawdzić, czy twierdzenia o interwale mają sens
Aby niezależnie zweryfikować fakty związane z interwałem, skup się na spójności, odtwarzalności i ocenie uwzględniającej koszty.
Używaj spójnych definicji i timing
Dokładnie opisz, kiedy podejmowana jest decyzja i kiedy mierzona jest ocena. Jeśli jedna metoda używa wejść przy zamknięciu świecy, a inna używa ekstremów w trakcie świecy, nie są one porównywalne.
Testuj model w warunkach out-of-sample
Typowym podejściem do weryfikacji jest podzielenie danych historycznych na okresy treningowe i testowe. Jeśli wyniki zależą w dużym stopniu od konkretnego okresu (na przykład jednego reżimu zmienności), wybór interwału może być pomieszany z wyborem reżimu.
Dodaj analizę wrażliwości na koszty i realizację
Nawet bez konkretnych liczb możesz sprawdzić odporność, oceniając, jak zmieniają się wyniki przy wiarygodnych wariacjach założeń dotyczących kosztów i poślizgu. Jeśli Twoje wnioski załamują się przy niewielkich zmianach kosztów, wybór interwału mógł zostać błędnie przypisany jako przyczyna.