如何验证分形维度指标的信息？
在验证语境中“分形维度指标”的含义
“分形维度指标”（FDI）是人们可能用于描述源自分形维度概念的某个量的标签：即一条曲线在不同尺度下表现出的复杂性或“粗糙度”。由于不同作者可能对FDI有不同的定义，验证的第一步是确认你所查阅的具体定义（而不仅仅是名称）。
要验证关于FDI的信息，应将“它是什么”视为两个独立的问题：
- 概念基础（分形维度 / 与尺度相关的粗糙度）。
- 具体指标公式和流程，即你在阅读的资料中所使用的具体实现方式。
用于检查准确性的信息来源层级
使用从最稳定到最不稳定的信息源层级：
- 原始方法论资料：定义指标公式、所需数据、预处理步骤和参数选择的文档。
- 学术或技术参考资料：描述该指标所基于的底层分形维度方法的论文或教科书。
- 实现文档：说明该方法在实践中如何计算的软件或平台文档（包括输入格式、窗口处理和边界处理）。
- 提供商或营销页面：可用于提供背景信息，但在技术验证方面最不可靠，因为它们可能省略关键假设。
在验证时，应寻找在多个来源中重复出现的内容：确切的计算方法、所需输入和参数选择。如果这些信息缺失，则无法重现结果。
可重现的验证步骤（无需实时数据）
以下是一种实用方法，你可以使用任意选择的历史价格序列重复执行。
1) 锁定定义
写下你信任来源中FDI的确切定义：公式、每个符号的含义，以及该指标的输出形式（每个窗口一个数值、单个数值等）。如果来源未明确说明，则应视为信息不完整。
2) 列出假设和预处理
大多数FDI类指标需要以下假设：
- 如何将价格转换为曲线（例如使用原始序列或收益率），
- 是否进行归一化或去趋势处理，
- 如何处理缺失数据，
- 窗口长度（如果在滚动区间上计算），
- 采样频率和间隔。
验证意味着检查你的预处理是否与来源中声明的预处理一致。
3) 选择计算协议并匹配
如果该方法使用尺度拟合（分形维度方法中的典型做法），请确认：
- 使用哪些尺度，
- 尺度范围，
- 拟合如何执行，
- 包含多少数据点。
然后使用相同参数进行重现。如果你无法匹配来源的输出，通常意味着定义不同，或预处理/参数不同。
4) 确认单位一致性与舍入行为
检查指标值是否依赖于数值设置，例如浮点精度、舍入方式，或是否使用对数。微小的实现差异可能对基于拟合的度量产生影响。
你可以自行验证的证据和示例
一个简单的自我检查方法是使用至少两个具有可控差异的数据集运行该方法：
- 一个行为相对平滑，另一个更“粗糙”，使用相同的预处理。
- 第二个数据集中仅改变一个假设（例如窗口长度），其余保持不变。
你并非试图证明FDI“预测”任何结果。你是在验证计算是否与定义一致：如果来源声称该度量反映尺度相关的粗糙度，那么你的结果应对尺度和预处理变化以可重复的方式作出响应。
实际限制和失效模式
类似FDI的指标常因以下原因而失效或变得模糊：
- 定义不匹配：相同名称可能指代不同公式。
- 对窗口处理的敏感性：短窗口可能导致不稳定值；长窗口可能掩盖局部结构。
- 噪声和微观结构效应：微小的数据变化可能强烈影响基于分形/拟合的计算。
- 对预处理的依赖性：将价格转换为收益率、应用去趋势或归一化可能改变结果。
- 边界效应：滚动计算在序列的起始和结束处通常有特殊处理。
还需记住：历史关系不能确立未来结果，且结果会因执行成本、数据质量和司法管辖区而异。即使你成功重现了FDI的计算，也不应将其视为独立的交易信号。