Quais dados são necessários para avaliar o Tema?

Definição e escopo: a que “Tema” se refere

Antes de coletar dados, defina em termos simples o que você quer dizer com Tema. Em muitas discussões sobre médias móveis, “Tema” é usado para descrever uma construção específica de média móvel baseada em múltiplos estágios de médias móveis. Seu primeiro requisito de dados é, portanto, a descrição exata do método que você testará: a fórmula, o número de estágios e os parâmetros (por exemplo, o comprimento do período de lookback ou outras configurações usadas na construção).

Em seguida, separe a mecânica estável das condições variáveis. A mecânica é a parte determinística: o algoritmo que recebe a série temporal de entrada e produz uma série de saída. As condições variáveis incluem os dados de mercado usados como entrada, a granularidade temporal, quaisquer ajustes de dados e o ambiente de execução se você posteriormente relacionar as saídas a resultados semelhantes a negociações. Neste artigo, focamos na avaliação da construção do indicador/série em si, e não na projeção de desempenho futuro.

Entradas de dados: a série temporal e os parâmetros que você deve especificar

Para avaliar o Tema, você precisa de pelo menos estas entradas:

1. A série de preços subjacente (série temporal de entrada). Decida qual campo de preço o método usa (geralmente o fechamento, mas a definição do método deve declarar isso). Você também precisa do universo de instrumentos (por exemplo, o par de FX específico), pois os valores dos dados diferem por instrumento.

2. A frequência de amostragem com carimbo de data/hora. Especifique o intervalo do candle (por exemplo, 1 minuto, 1 hora, diário) e a convenção de fuso horário usada no conjunto de dados. Sem isso, você não pode reproduzir os resultados.

3. Os valores dos parâmetros. Forneça o comprimento do lookback escolhido e quaisquer outras configurações internas exigidas pela definição de Tema que você adotou.

4. Regras de pré-processamento de dados. Documente como os valores ausentes são tratados, se há ajustes por ações corporativas (menos comuns em FX, mas os provedores de dados ainda diferem) e como os outliers são tratados. Essas escolhas podem alterar a saída mesmo quando o algoritmo é o mesmo.

Como isso funciona na prática? O Tema é calculado a partir de sua série de entrada por meio das etapas de cálculo do método. Se duas fontes discordarem sobre carimbos de data/hora, campos de preço de entrada ou pré-processamento, a série do Tema resultante será diferente mesmo que a fórmula permaneça inalterada.

Procedência e atualidade: de onde vieram os dados e quando eram válidos

A avaliação também exige a procedência dos dados. Você precisa saber:

• Identidade da fonte. Qual conjunto de dados ou provedor forneceu a série temporal de entrada.
• Tempo de aquisição vs. validade histórica. Mesmo para dados históricos, os provedores podem revisar backfills. Registre a data/acesso/versão, se disponível.
• Atualidade para quaisquer alegações “atuais”. Se você estiver avaliando os valores calculados mais recentes, a atualidade se torna parte do conjunto de dados: quando o snapshot dos dados foi obtido é importante.

Uma verificação de qualidade material é confirmar se as regras de formação de candles do conjunto de dados correspondem às expectativas do seu método. Por exemplo, diferentes provedores podem definir a abertura/máxima/mínima/fechamento do candle de maneiras ligeiramente diferentes ou aplicar limites de sessão diferentes. Essas diferenças podem alterar a série de entrada e, portanto, a saída do Tema.

Evidências e verificações de qualidade: como confirmar que a avaliação é consistente

Use uma abordagem de verificação que verifique tanto a mecânica quanto a qualidade dos dados:

• Teste de reprodutibilidade. Recalcule o Tema usando a mesma definição, parâmetros e conjunto de dados de entrada. Se você não conseguir reproduzir a saída dentro de uma pequena tolerância, a avaliação tem um problema de dados ou de implementação.
• Comparação entre provedores. Se você usar dois feeds de dados independentes, compare se as discrepâncias são consistentes com diferenças conhecidas (carimbos de data/hora, campo de preço, tratamento de dados ausentes). Grandes diferenças inexplicadas são uma bandeira vermelha.
• Verificação de condição de contorno. Confirme como o método se comporta perto do início da série, onde dados anteriores insuficientes podem forçar inicializações diferentes.
• Rastreamento do cálculo. Quando possível, capture as séries intermediárias (os estágios internos de média móvel do método) para que você possa localizar onde as diferenças entram.

Critério de clareza: você pode afirmar, com documentação clara, (1) a definição exata do Tema, (2) a série de entrada e as configurações de parâmetros precisas, (3) a procedência e o carimbo de data/hora do conjunto de dados e (4) as verificações de qualidade que você aplicou.

Limitações e riscos: o que pode dar errado e o que você não deve assumir

Uma limitação material é a sensibilidade: as saídas das médias móveis dependem fortemente dos dados de entrada escolhidos, do intervalo de amostragem e da inicialização do método. Portanto, relações históricas não estabelecem resultados futuros.

Outra limitação é a não estacionariedade. Os regimes de mercado podem mudar, e um algoritmo que descreve um período pode se comportar de maneira diferente em outro período, mesmo quando calculado corretamente.