评估 Rmi 需要哪些数据？
直接答案
要评估 Rmi，仅有一个数值是不够的。你需要：(1) Rmi 使用的确切定义和计算输入项；(2) 每个输入项的来源（数据来源及其生成方式）；(3) 数据的及时性和一致性（时间框架、采样方式，以及输入是否与你评估的周期匹配）；(4) 质量检查（数据缺口、异常值、缩放/归一化选择）。由于你可能无法获得实时数据，应重点关注其底层机制是否定义清晰且可验证，而不是期望其具备预测准确性。
机制或定义
首先明确你要评估的概念。“Rmi”应被视为一个依赖其公式的命名指标/度量。因此，评估 Rmi 所需的最低“输入”包括：
- 公式和命名范围：用于计算 Rmi 的具体表达式，包括每个组成部分。
- 提供这些组件的原始数据：通常指价格序列或衍生指标（例如从价格序列计算出的数值和差值）。需明确使用的是哪种价格类型（如收盘价、开盘价或其他字段），以及这些组件是直接观测到的还是计算得出的。
- 窗口和参数设置：回溯长度、平滑方法以及任何缩放规则。
- 时间对齐规则：计算是使用当前K线收盘价、仅使用前序K线，还是使用偏移值。
数据“如何工作”是直接的：一旦你知道了公式，就可以从指定的输入中复现 Rmi。其敏感性则取决于输入数据的构建方式——尤其是采样时间框架和任何转换步骤。
一种实用的评估结构是将稳定机制与可变条件分开：
- 稳定机制：已声明的公式、参数定义和对齐规则。
- 可变条件：市场周期、波动率状态、交易成本/成交质量（如果你后续研究结果），以及数据提供商的实现选择。
证据或示例
使用可复现性检查作为“证据”来验证评估的正确性。
- 从已知数据集复现：取一个精确时间范围的历史价格序列，应用所声明的参数，并确认中间组件值是否符合方法的预期（在公开文档允许的范围内）。
- 记录你的假设：如果你使用示例，请写下假设的时间框架（例如，K线代表1小时图）、参数值和对齐规则。
- 谨慎比较不同实现：如果两个来源声称计算“Rmi”，请比较它们是否使用相同的输入字段、回溯窗口和归一化/平滑方法。这些方面的任何差异都会破坏可比性。
如果你无法复现结果，请将其视为一种失败模式：评估不完整，因为定义和输入未完全明确。
局限性和风险
至少应将一个实质性局限性纳入你的评估中：
- 实现模糊性：最大的风险是假设“Rmi”具有统一的定义。如果公式、参数化或时间对齐方式不同，相同的标签可能产生不同的数值。
- 输入数据质量问题：缺失K线、异常值、公司行为调整或时区处理不一致，都可能改变衍生值，从而影响 Rmi。
- 历史到未来的不确定性：即使 Rmi 在某一时期与结果相关，历史关系也不能保证未来表现。波动率、流动性、执行质量和成本的变化都可能改变任何关系。
- 无实时假设：如果你仅使用历史数据，则不应推断实时表现。仅凭过去的快照无法验证及时性和执行细节。
验证或下一步问题
为验证你的评估是否完整，请检查以下“可审计”标准：
- 你是否拥有确切的 Rmi 公式以及每个参数的含义？
- 你能否识别输入数据类型及生成衍生组件的方法？
- 时间框架和K线对齐是否明确说明？
- 是否定义了数据质量检查（如何处理缺失值、如何处理异常值、如何进行归一化）？
- 如果你比较不同提供商，是否确认了其实现细节一致？
如果你想更进一步，下一个需要回答的问题是：你使用的是哪个精确的 Rmi 定义（公式、参数和对齐方式），以及哪些原始数据字段作为输入？