Co oznacza zmienność sesyjna i dlaczego definicja ma znaczenie
Zmienność sesyjna to idea, że ruch ceny nie jest jednolity w czasie. W praktyce ludzie porównują, jak bardzo zmieniają się ceny w określonych godzinach rynku (na przykład w okresie wyższej płynności) z innymi godzinami. Kluczowe ograniczenie polega na tym, że pojęcie staje się użyteczne dopiero wtedy, gdy określisz dane wejściowe: którą ramę sesji masz na myśli, jaki instrument śledzisz, jaką miarę „zmienności” stosujesz (na przykład opartą na zakresie lub na stopach zwrotu) oraz do jakiej strefy czasowej i zegara to dopasowujesz.
Jeśli zmienią się którekolwiek z tych założeń, wynik „zmienności sesyjnej” może się zmienić nawet wtedy, gdy zachowanie rynku jest takie samo. To sprawia, że pojęcie jest wrażliwe na to, jak je definiujesz, a nie wyłącznie na sam rynek.
Jak działa zmienność sesyjna w prosty sposób
Typowe podejście polega na obliczeniu statystyki zmienności dla kilku przedziałów czasowych, a następnie porównaniu tych przedziałów. Na przykład możesz oszacować zmienność na podstawie dziennych zakresów w trakcie dnia lub bezwzględnych stóp zwrotu, a potem oznaczyć jeden przedział jako „bardziej aktywne godziny”, a drugi jako „mniej aktywne godziny”.
Jednak istnieją dwa częste punkty awarii.
Po pierwsze, pomiar może mieszać różne czynniki napędzające. Ceny poruszają się z wielu powodów (wiadomości, zmiany płynności, zmiany pozycji). Jeśli wiadomości pojawią się tuż przy granicy sesji, zmienność, którą przypisujesz „sesji”, może w rzeczywistości odzwierciedlać zdarzenie.
Po drugie, granice sesji często są praktycznymi konwencjami. Płynność może narastać jeszcze przed wybranym przez ciebie początkiem kalendarza i słabnąć po wybranym przez ciebie końcu. W efekcie „sesja”, którą mierzysz, może nie odpowiadać rzeczywistemu okresowi, gdy rynek jest najbardziej aktywny.
Dowody i przykłady trybów awarii (bez gwarancji)
Ponieważ nie istnieje jedna uniwersalna definicja zmienności sesyjnej, możesz zobaczyć różne wyniki w zależności od metody.
Na przykład, jeśli jeden analityk mierzy zmienność na podstawie godzin kalendarzowych w jednej strefie czasowej, a inny używa innego dopasowania, mogą oni podzielić dzień inaczej i zaobserwować różne okresy „większej aktywności”. Podobnie, jeśli jeden używa danych godzinowych, a drugi danych na poziomie minut, efekty mikrostruktury (takie jak krótkotrwałe skoki i poszerzanie spreadów) mogą zmienić statystykę zmienności.
Innym przykładem jest zmiana reżimu. Rynki mogą przechodzić z relatywnie spokojnego zachowania do wyższej zmienności. W takim przypadku zależności „która sesja jest spokojniejsza” obserwowane historycznie mogą osłabnąć lub się odwrócić. Ograniczenie nie polega na tym, że pojęcie zawsze jest błędne, ale że jest warunkowe: opisuje wzorce w określonych warunkach, a nie stabilną regułę.
Ograniczenia i ryzyka: gdzie zmienność sesyjna staje się mniej użyteczna
-
Zależność od założeń: Wyniki zależą od wybranych okien sesji, dopasowania do strefy czasowej i miary zmienności. Dwa rozsądne ustawienia mogą prowadzić do różnych wniosków.
-
Problemy z danymi i próbkowaniem: Użycie ograniczonego zakresu historycznego może wytworzyć pozorne zależności, które nie uogólniają się. Nawet gdy znajdziesz wzorzec, musisz traktować go jako warunkowy względem twojej próby.
-
Koszty i efekty realizacji: To, czego „doświadczają” traderzy, to nie tylko ruch ceny. Płynność, spready, prowizje i jakość realizacji zleceń mogą wpływać na osiągane wyniki. Nawet jeśli sesja pokazuje większy ruch na wykresie, koszty i poślizg mogą zmienić to, co realnie jest osiągalne.
-
Ukryte czynniki napędzające: Klastrowanie zmienności wokół zdarzeń (publikacje ekonomiczne, rozwój sytuacji geopolitycznej) może zostać pomylone z „efektami sesji”. Jeśli czas takich zdarzeń koreluje z twoimi wybranymi oknami sesji, przypisanie jest niestabilne.
-
Niestacjonarność: Rynek nie jest stały. Historyczne zależności między sesjami a zmiennością nie gwarantują przyszłego zachowania.
Weryfikacja i kolejne pytania, które możesz przetestować niezależnie
Zmienność sesyjna jest najbardziej użyteczna wtedy, gdy możesz ją zweryfikować w sposób dopasowany do twojego dokładnego przypadku użycia.
Możesz niezależnie sprawdzić, czy twoje okna sesji i miara zmienności są stabilne w czasie, powtarzając obliczenia na wielu niepokrywających się okresach oraz testując, czy „sesja o wyższej zmienności” pozostaje wyższa. Możesz też oddzielić dni z nietypowym czasem wiadomości od dni normalnych, aby zmniejszyć ryzyko, że ruch napędzany zdarzeniami jest etykietowany jako zachowanie sesji.
Dwa kolejne pytania, które warto doprecyzować, brzmią: (1) Jaką statystykę zmienności stosujesz i jak wrażliwe są wyniki na wybór metryki? (2) Jak różnią się koszty i warunki realizacji w twoich oknach sesji?
Jeśli nie możesz na to odpowiedzieć, wówczas główne ograniczenie jest takie, że „zmienność sesyjna” pozostaje obserwacją związaną z twoją metodą, a nie wiarygodną, przenośną właściwością.