评估加权移动平均线 (WMA) 需要哪些数据？
评估 WMA 所需的数据
要评估加权移动平均线（WMA），您需要四类信息：（1）概念和计算定义，（2）输入的时间序列及其来源方式，（3）数据与时间戳的及时性和对齐情况，以及（4）确认输入数据一致且可用的质量检查。如果没有这些信息，两个人即使计算“相同的 WMA”，也可能因采用不同的计算惯例而得出不同的结果。
机制与定义：WMA 计算所需的内容
WMA 是一种移动平均线，其中较近的观测值通常比更早的观测值具有更高的权重。要计算它，您必须指定数据序列（例如价格序列）、窗口长度（周期数）和加权方案（权重分配的具体规则）。
关键输入项：
- 基础时间序列：您所平均的数据（通常为一系列价格）。需确定使用的是收盘价、中间价还是其他字段。
- 窗口长度 (N)：包含多少个过去的周期。
- 权重规则：在 N 个周期内如何分配权重（例如线性加权方案，即越新的观测值权重越高）。“加权”可能意味着多种具体惯例，因此必须明确规则。
- 计算惯例：权重是否归一化（使其总和为 1），以及如何处理舍入或小数位。
稳定机制与可变条件：
- 稳定机制：一旦 N、权重规则和序列确定，计算过程就是确定性的。
- 可变条件：结果会因市场状态、所选时间框架、数据源的字段定义以及任何数据处理步骤（例如时间戳的记录方式）而变化。
证据或示例：在信任 WMA 前应检查的内容
实际的“评估”不仅仅是生成一个数值；更重要的是验证该数值是否基于明确且一致的输入得出。
您应验证的内容（独立检查）：
- 输入序列的来源：您使用的历史价格数据是否来自同一金融工具定义？如果数据提供商拆分/滚动合约或更改工具定义，时间序列可能不具备可比性。
- 及时性与时间对齐：所有观测值是否对齐到同一时区和K线边界？不一致的时间戳可能导致落入窗口内的数值发生变化。
- 字段的一致性：如果一个工作流使用“收盘价”，而另一个使用“最新价”或“中间价”，即使 N 和权重相同，WMA 的值也会不同。
- 缺失或不规则数据的处理：如果某些周期的数据缺失，您必须明确这些数据是被忽略、前向填充还是以其他方式处理。每种方法都会改变实际计算结果。
- 参数披露：必须准确记录 N 和权重规则。“较短的窗口”和“不同的加权方式”并非微小调整；它们会改变平均线的响应速度。
您必须声明的假设示例：
- 如果您在 10 周期窗口上使用特定权重规则计算 WMA，则您假设每个计算点都有完整的 10 周期序列。如果您的数据集存在缺口，则该示例将不再符合实际情况。
局限性与风险：WMA 评估可能失败的地方
一个重要的局限性是，WMA 对其选定的输入非常敏感。如果您更改窗口长度、权重规则或价格字段，WMA 可能会发生显著变化。这种敏感性并非错误，而是其预期特性。
常见失败模式：
- 参数不匹配：有人可能使用不同的权重惯例（或归一化方式），得到不同的曲线，但仍声称其为 WMA。
- 数据质量问题：异常值、缺失值或不一致的金融工具定义可能会扭曲加权平均值。
- 解释风险：移动平均线反映的是对历史数据的平滑处理；历史关系并不能确定其未来表现。
更广泛的不确定性： 即使计算正确，结果仍取决于市场状况、交易成本和执行机制，以及信号的解读方式。因此，WMA 数值应被视为历史数据的计算摘要，而非独立的预测指标。