Przeskalowana analiza zakresu

Co to jest przeskalowana analiza zakresu?

Przeskalowana analiza zakresu to technika statystyczna używana do analizy trendów w szeregach czasowych. Został opracowany przez brytyjskiego hydrologa Harolda Edwina Hursta w celu przewidywania powodzi na Nilu. Inwestorzy używali go do poszukiwania cykli, wzorców i trendów cen akcji i obligacji, które mogą się powtórzyć lub odwrócić w przyszłości.

Zrozumienie przeskalowanej analizy zakresu

Analiza przeskalowanego zakresu może służyć do wykrywania i oceny ilości trwałości, losowości lub średniego odwrócenia w danych szeregów czasowych rynków finansowych. Kursy walut i ceny akcji nie podążają losową lub nieprzewidywalną ścieżką, jak gdyby zmiany cen były od siebie niezależne. Innymi słowy, rynki nie są doskonale efektywne, co oznacza, że inwestorzy mają możliwości, by na nich zarobić.

Jeśli w danych występuje silny trend, zostanie on uchwycony przez wykładnik Hursta (wykładnik H), który można również wykorzystać do oceny funduszy inwestycyjnych. Wykładnik H, znany również jako wskaźnik zależności dalekiego zasięgu, może ekstrapolować przyszłą wartość lub średnią dla danych.

Wykładnik Hursta waha się od zera do jednego i mierzy trwałość, losowość lub odwrócenie średniej. Szeregi czasowe przedstawiające losowy proces stochastyczny mają wykładniki H zbliżone do 0,5. Gdy H jest większe niż 0,5, dane wykazują silny długoterminowy trend, a gdy H jest mniejsze niż 0,5, prawdopodobnie odwróci się trend w rozważanym przedziale czasowym.

Wykładniki H poniżej 0,5 są również znane jako efekt Józefa,. w odniesieniu do biblijnej historii siedmiu lat obfitości, po której następuje siedem lat głodu. Po niskich wartościach prawdopodobnie następują wysokie wartości lub odwrotnie.

Przeskalowany zasięg i wykładnik Hursta

Przeskalowana analiza zakresu ocenia, jak zmienia się zmienność danych szeregów czasowych wraz z długością rozważanego okresu. Przeskalowany zakres jest obliczany poprzez podzielenie zakresu (wartość maksymalna minus wartość minimalna) skumulowanych średnich skorygowanych punktów danych (suma każdego punktu danych minus średnia serii danych) przez odchylenie standardowe wartości w tej samej części szereg czasowy.

Wraz ze wzrostem liczby obserwacji w szeregu czasowym zwiększa się przeskalowany zakres. Wykreślając te wzrosty jako logarytm R/S w funkcji logarytmu n, można określić nachylenie tej linii, która jest wykładnikiem Hursta, H.

Przykłady użycia przeskalowanej analizy zakresu

Wykładnik Hursta może być wykorzystywany w strategiach inwestycyjnych związanych z trendami . Inwestor szukałby akcji, które wykazują silną trwałość. Te zapasy miałyby H większe niż 0,5. Wartość H mniejsza niż 0,5 może być łączona ze wskaźnikami technicznymi w celu odnotowania odwrócenia ceny. Na przykład, aby określić czas inwestycji, inwestor wartości może szukać akcji z H poniżej 0,5, których ceny spadają od jakiegoś czasu.

Handel Mean Reversion ma na celu wykorzystanie ekstremalnych zmian ceny papieru wartościowego, opierając się na założeniu, że powróci on do poprzedniego stanu. Wykładnik H jest używany przez handlowców algorytmicznych do spekulacji na temat strategii z odwracaniem średniej, takich jak handel parami, gdzie spread między dwoma aktywami jest odwracany.

Poniższy wykres przedstawia 15- okresową średnią ruchomą (MA) wykładnika Hursta opartą na wykresie cenowym SPDR S&P 500 (SPY). MA można regulować, przy czym dłuższe MA wygładza wahania.

Dla traderów, którzy chcą kupować podczas trendu wzrostowego ceny, mogą szukać okazji, w których H jest powyżej 0,5, a cena rośnie. Użyty w ten sposób wskaźnik niekoniecznie zapewniałby sygnały handlowe, ale mógłby pomóc w zapewnieniu potwierdzenia innych sygnałów handlowych opartych na trendzie.

Wskaźnik nie zawsze zapewni dobre sygnały. Należy również zauważyć, że wysokie wartości H, gdy cena spada, wskazują na dalsze spadki ceny, co może sprawić, że wskaźnik będzie nieco mylący przy pierwszym użyciu.

Różnica między analizą przeskalowanego zakresu a analizą regresji

Analiza zakresu przeskalowanego analizuje serie danych i określa trwałość lub tendencje do odwracania średniej w obrębie tych danych. Regresja liniowa analizuje dwie zmienne, takie jak cena i czas, i znajduje punkt środkowy lub linię najlepszego dopasowania serii danych. Następnie można dodać kanały odchylenia standardowego, aby pokazać, kiedy zabezpieczenie jest potencjalnie wykupione lub wyprzedane na podstawie serii danych. Regresja liniowa jest częścią większego pola analizy regresji.

Ograniczenia przeskalowanej analizy zakresu

Do celów handlowych zakres przeskalowany to zakres skorygowany podzielony przez odchylenie standardowe. Te obliczenia są oparte na danych z przeszłości i nie są z natury przewidywalne. Od tradera zależy, czy zinterpretuje informacje dostarczone przez przeskalowany zakres lub wykładnik Hursta.

W celach handlowych wskaźnik Hursta, który pochodzi z przeskalowanego zakresu, może czasami działać, ale nie działa cały czas. Silny trend cenowy może zostać gwałtownie odwrócony, czego wskaźnik nie przewidział. Odwrócenia sygnalizowane przez wskaźnik mogą również nie nastąpić.

Przegląd najważniejszych wydarzeń

• Wykładnik Hursta waha się od zera do jednego.

• Przeskalowany zakres można wykorzystać do obliczenia wykładnika Hursta, który może ekstrapolować przyszłą wartość lub średnią dla danych.

• Gdy wykładnik Hursta jest większy niż 0,5, dane wykazują silny długoterminowy trend, a gdy H jest mniejsze niż 0,5, bardziej prawdopodobne jest odwrócenie trendu.

• Przeskalowana analiza zakresu analizuje serie danych i określa trwałość lub tendencje do odwracania średniej w tych danych.