O Que É um Exemplo Prático de Frama? Um Passo a Passo Claro e Verificável

Resposta direta

Um exemplo prático de Frama mostra como o valor da Média Móvel Adaptativa Fractal (Frama) é calculado a partir de dados de preço de entrada usando premissas específicas e declaradas (preços, tamanho da janela e regras de suavização). Ele é “prático” porque inclui as etapas numéricas intermediárias, não apenas o valor final da linha.

Abaixo está um cenário autocontido. Ele usa pontos de preço fictícios (não dados ao vivo) para que você possa recalcular de forma independente cada quantidade intermediária. O exemplo é apenas informativo e ilustra a mecânica, em vez de prever o comportamento futuro do mercado.

Mecanismo ou definição

Frama é uma média móvel que ajusta sua suavização com base em uma estimativa de quão “fractal” ou variável é a ação de preço recente. Na prática, as implementações geralmente:

1. Dividem a janela de retrospectiva recente em partes (por exemplo, duas meias-janelas).
2. Calculam medidas de variabilidade de preço para a janela completa e para cada metade.
3. Convertem essas medidas de variabilidade em um parâmetro que controla a taxa de suavização efetiva.
4. Misturam o valor atual de Frama em direção ao preço mais recente usando essa taxa de suavização.

Ideia-chave: quando a variação de preço recente se comporta como uma tendência forte (menor “variabilidade relativa” entre janelas), Frama tende a suavizar menos (responder mais rápido). Quando a variação parece mais ruído ou estrutura menos coerente, ela suaviza mais (responder mais devagar). Os detalhes exatos da fórmula variam conforme a implementação, portanto, um exemplo prático deve declarar as regras específicas que usa.

Evidência ou exemplo

Premissas (declare tudo)

• Fonte de dados: série de preços unidimensional usando valores de “fechamento”.
• Usamos uma retrospectiva ilustrativa curta de 6 fechamentos:
  • t=1..6: [100, 101, 102, 103, 102, 104]
• Calculamos Frama no tempo t=6.
• Estrutura de retrospectiva para este exemplo:
  • Comprimento da janela completa: 4 (consideramos os últimos 4 fechamentos: 101, 102, 103, 102)
  • Duas meias-janelas, cada uma com comprimento 2:
    • Metade A (anterior): 101, 102
    • Metade B (posterior): 103, 102
• Medida de variabilidade neste exemplo: amplitude = máx(preço) − mín(preço).
• Conversão de variabilidade para um fator “adaptativo”:
  • Defina N = ln(amplitude_completa / (amplitude_metadeA + amplitude_metadeB)) / ln(2)
  • Em seguida, limite N a um intervalo razoável: N_limitado = máx(0, mín(N, 1))
• Mapeamento da taxa de suavização:
  • alpha = 0,01 + (1 − N_limitado) * (0,99 − 0,01)
  • (Este é um exemplo de mapeamento de estilo padrão: alpha aumenta quando N_limitado é menor.)
• Regra de atualização recursiva:
  • Frama_5 é definido como 102 (uma premissa de valor inicial).
  • Frama_6 = alpha * Fechamento_6 + (1 − alpha) * Frama_5

Importante: Essas regras fazem parte das premissas do exemplo. Outra implementação poderia usar diferentes comprimentos de janela, medidas de variabilidade, tratamento de logaritmo ou mapeamento de alpha.

Cálculos passo a passo

1. Fechamentos da janela completa (t=3..6 usando os últimos 4 fechamentos): [101, 102, 103, 102]
   • amplitude_completa = máx(101,102,103,102) − mín(101,102,103,102) = 103 − 101 = 2
2. Fechamentos da Metade A: [101, 102]
   • amplitude_metadeA = 102 − 101 = 1
3. Fechamentos da Metade B: [103, 102]
   • amplitude_metadeB = 103 − 102 = 1
4. Denominador para N: amplitude_metadeA + amplitude_metadeB = 1 + 1 = 2
5. Calcule N:
   • amplitude_completa / (amplitude_metadeA + amplitude_metadeB) = 2 / 2 = 1
   • ln(1) = 0
   • N = ln(1) / ln(2) = 0
6. Limite:
   • N_limitado = máx(0, mín(0, 1)) = 0
7. Calcule alpha:
   • alpha = 0,01 + (1 − 0) * (0,99 − 0,01)
   • alpha = 0,01 + 1 * 0,98 = 0,99
8. Atualize Frama:
   • Fechamento_6 = 104
   • Frama_5 = 102
   • Frama_6 = 0,99 * 104 + (1 − 0,99) * 102
   • Frama_6 = 103,0 + 0,01 * 102
   • Frama_6 = 103,0 + 1,02 = 104,02

Resultado deste exemplo prático específico: Frama_6 ≈ 104,02 dadas as premissas declaradas.

O que este exemplo demonstra

• Cada valor calculado depende das escolhas anteriores: particionamento da janela, definição de amplitude, transformação logarítmica, limitação e mapeamento de alpha.
• Com amplitudes iguais nas janelas completa e metades, este exemplo produziu N=0, que mapeou para um alpha muito alto (resposta rápida). Diferentes partições ou valores de preço mudariam o alpha.

Limitações e riscos

1. Diferenças de fórmula entre implementações

   • Frama nomeia uma família de médias móveis adaptativas. Implementações práticas podem variar em como calculam a dimensão fractal, lidam com casos extremos (como amplitudes zero) e mapeiam o fator adaptativo para alpha. Um exemplo prático só é tão transferível quanto sua fórmula declarada.

2. Sensibilidade a parâmetros

   • Tamanhos de janela e regras de limitação podem mudar fortemente o alpha calculado e, portanto, o nível de Frama. Se você alterar qualquer parâmetro assumido (por exemplo, comprimento da janela ou medida de amplitude), deve refazer os cálculos.