W
poprzedniej części przedstawiłem argumenty na
rzecz poszukiwania takich strategii, dla których sekwencje zysków
osiąganych w kolejnych interwałach czasowych będą charakteryzować
się możliwie
niskimi korelacjami wzajemnymi.
A najlepiej byłoby, gdyby stanowiły po prostu ciąg zmiennych
nieskorelowanych, zwany białym
szumem.
Ponieważ omawiane na tym blogu strategie są konstruowane na
zasadzie ogólnych formuł zawierających parametry sterujące ich
działaniem, jak to już wcześniej bywało, teraz przyjrzymy się
zależności poszukiwanego stopnia skorelowania od parametru metody.
Sposób
badania tej zależności jest bardzo prosty i chyba sam się narzuca
intuicyjnie. Skoro interesuje nas siła zależności korelacyjnej,
czy to dodatniej, określającej podobieństwo, czy też ujemnej –
decydującej o rozbieżnościach, to naturalne jest wyznaczenie
wskaźnika, który globalnie zmierzy wartości bezwzględne
wszystkich współczynników
autokorelacji. A w praktyce bardzo dobrze powinna się sprawdzić
długość
euklidesowa wektora autokorelacji
lub też jej kwadrat czyli po prostu suma drugich potęg wszystkich
współczynników. Prawie wszystkich, ponieważ pierwszy z nich jest
zawsze równy 1, zatem nie ma potrzeby jego uwzględniania przy
obliczaniu i porównywaniu wartości wskaźnika.
Realizacja
praktyczna jest prosta. Na bieżącej zakładce arkusza, na której
ostatnio wykonujemy robocze obliczenia, czyli FollCorrel
umieściłem formułę, która wyznacza iloczyn
skalarny
wektora autokorelacji przez niego samego, bo do tego się w istocie
sprowadza wyznaczenie interesującej nas wielkości. Oto fragment
arkusza z wypisaną formułą.
=SUMPRODUCT(B30:B47;B30:B47)
Natomiast
wykres przedstawiający
zależność siły autokorelacji w funkcji parametru odwrócenia
przedstawiam poniżej.
Można
na nim doszukać się lokalnego minimum omawianego wskaźnika dla
zakresu parametru od 15 do 24, jednak pamiętajmy że to tylko
przykładowy fragment charakterystyki zależności. Omawiane
obliczenia mają na celu wprowadzenie do problematyki badania
wewnętrznych zależności w obrębie sekwencji czasowych, ponieważ
ich liczbowa ocena będzie w przyszłości powracać przy omawianiu
kryteriów optymalizacji systemów transakcyjnych.
Natomiast
tutaj znajduje się bieżąca wersja arkusza
zawierająca omawiane wyliczenia sum kwadratów współczynników
autokorelacji wraz z wykresem obrazującym ich zależność od
parametru odwrócenia.
Przedział jako wynik znaczy tylko tyle, że dla danych wartości parametru algorytm zachował się identycznie - patrz kwadraty jedynek na przekątnej macierzy korelacji wzajemnych, co w sumie jest intuicyjne dla krótkiego zakresu notowań. Dlaczego zatem ten zakres jako przykład, minimum globalne jest zdaje się równe 50, chociaż tak superdokładnie nie sprawdzałem.
OdpowiedzUsuńOwszem, najmniejsze wartości ta suma osiąga w okolicach 50. Tutaj chciałem jedynie wskazać, że poszukiwać będziemy nie tylko pojedynczej minimalnej wartości, ale zakresów parametrów o powtarzalnych niskich wartościach.
Usuń