Mecanismo e definição: o que “sazonalidade” significa para pares de moedas
Sazonalidade de pares de moedas significa que o desempenho ou comportamento de um par de moedas mostra uma tendência repetitiva ao longo do calendário (por exemplo, certos meses, semanas, dias da semana ou períodos de feriados) quando você analisa dados históricos ao longo de muitos anos.
Para avaliá-la, você deve primeiro decidir o que é “comportamento”. Alvos mensuráveis comuns incluem:
- Mudança de preço (diferença no preço de fechamento entre duas datas)
- Retornos (mudança percentual em um intervalo definido)
- Volatilidade (variação dos retornos em um período)
- Estatísticas de amplitude (comportamento de máxima–mínima dentro de uma janela de tempo)
Essa escolha é importante porque a sazonalidade pode aparecer nos retornos, mas não nos níveis, ou na volatilidade, mas não nos retornos médios.
Resposta direta: as entradas de dados que você precisa
No mínimo, você precisa de dados que suportem um cálculo repetível e alinhado ao calendário da sua métrica de comportamento escolhida.
1) Série temporal de preços ou compatível com spreads
Você normalmente precisa de um dos seguintes, registrado de forma consistente:
- Cotações de bid/ask (para calcular preços médios e spreads relevantes para transações)
- Preço médio ou série de preço de fechamento (para calcular mudanças de preço/retornos)
Para sazonalidade, o requisito chave é o alinhamento temporal: cada observação deve ser mapeada para um fuso horário consistente e uma convenção de dia de negociação ou calendário.
2) Uma regra de amostragem claramente definida
Escolha o intervalo e a regra que convertem os dados brutos na métrica que você testará. Exemplos de regras de amostragem incluem:
- Fechamentos diários (um valor por dia)
- Retornos de fim de semana (por exemplo, de fim de semana a fim de semana)
- Janelas intradiárias agregadas a um período fixo (por exemplo, média dentro de uma hora)
Declare os horários exatos de início/fim usados para cada intervalo. Sem uma regra fixa, a “sazonalidade” pode ser um artefato de cortes inconsistentes.
3) Um mapeamento de calendário
Como a sazonalidade é sobre o calendário, você precisa de uma estrutura de calendário para rotular cada observação por:
- Mês, semana do ano, dia da semana
- Sinalizações de feriados (se você planeja testar efeitos de feriados)
- Convenções de sessão de negociação (se seu conjunto de dados inclui apenas certos horários de mercado)
Esse mapeamento permite agrupar resultados (por exemplo, retornos médios por mês) de uma forma que possa ser reproduzida de forma independente.
4) Procedência e atualidade dos dados
Documente de onde veio a série temporal e o que foi feito com ela:
- Fonte/provedor (fornecedor de dados, feed de corretora, fonte de bolsa, se aplicável)
- Etapas de processamento de dados (limpeza, interpolação, tratamento de valores ausentes)
- Período de cobertura (quantos anos)
- Versão ou data de atualização (quando o conjunto de dados foi extraído)
Se a metodologia do provedor mudar, o perfil de sazonalidade pode mudar mesmo quando o “mercado” não mudou.
5) Verificações de qualidade e metadados necessários para agrupamento confiável
Você deve ser capaz de verificar o seguinte antes de confiar em qualquer padrão de calendário:
- Tratamento de dados ausentes: o que aconteceu nos dias com lacunas?
- Fuso horário e horário de verão: os carimbos de data/hora foram normalizados?
- Valores atípicos: ticks/cotações ruins foram removidos, e como?
- Ajustes de eventos corporativos: menos comuns para FX, mas ainda verifique artefatos de dados incomuns
- Consistência: as mesmas convenções são mantidas em toda a janela de retrospectiva?
6) Custos e premissas de execução (se você usar métricas negociáveis)
Alegações de sazonalidade podem falhar quando os custos são ignorados. Para avaliar o “comportamento” de uma forma que possa ser verificada contra resultados realistas, você precisa de premissas explícitas sobre:
- Modelo de custos de transação (mesmo que simplificado)
- Se você usa preços médios ou medidas derivadas de bid/ask
- Premissas de derrapagem (se você incluir qualquer métrica ciente de execução)
Se você não puder explicar o modelo de custo/execução, não poderá separar o “efeito de calendário” do “efeito de microestrutura de mercado”.
Evidência ou exemplo: como os dados são usados na prática (com premissas)
Um fluxo de trabalho típico usa a métrica escolhida e agrupa as observações por rótulo de calendário.
Por exemplo, suponha que você decida medir retornos diários. Você deve:
- Calcular retornos diários a partir da série de preços usando uma fórmula consistente (defina se é retorno simples ou logarítmico).
- Atribuir cada dia a uma categoria de calendário (por exemplo, mês do ano = 1 a 12).
- Para cada categoria, calcular uma estatística resumida (retorno médio, mediana ou volatilidade).
- Comparar categorias usando um critério explícito (por exemplo, se as diferenças persistem ao longo de vários anos).
Premissas que você deve declarar para reprodutibilidade incluem: a definição de fechamento diário, normalização de fuso horário e como os dias ausentes são tratados. Decida também se você exclui feriados ou os mantém na mesma categoria—mudar essa decisão pode alterar as conclusões.
Limitações e riscos: modos de falha que você deve considerar
Pelo menos uma limitação material deve orientar como você interpreta os resultados.