Mikä on mittakaavan analyysi?
Skaala-alueanalyysi on tilastollinen tekniikka, jota käytetään analysoimaan aikasarjojen suuntauksia. Brittiläinen hydrologi Harold Edwin Hurst on kehittänyt sen ennustaakseen Niilin joen tulvat. Sijoittajat ovat käyttäneet sitä etsiessään suhdanteita, malleja ja osake- ja joukkovelkakirjalainan hintojen kehityssuuntauksia, jotka saattavat toistua tai kääntyä tulevaisuudessa.
Avainsanat
- Skaala-alueanalyysi tarkastelee tietosarjaa ja määrittää pysyvyyden tai keskiarvon palautumissuuntaukset kyseisissä tiedoissa.Skaalattua aluetta voidaan käyttää laskemaan Hurst-eksponentti, joka voi ekstrapoloida datan tulevaisuuden arvon tai keskiarvon. Hurst-eksponentti vaihtelee välillä nolla ja yksi.Kun Hurst-eksponentti on suurempi kuin 0, 5, datalla on vahva pitkän aikavälin trendi, ja kun H on alle 0, 5, trendi kääntyy todennäköisemmin.
Ymmärtäminen mittakaavan analyysi
Skaala-alueanalyysiä voidaan käyttää havaitsemaan ja arvioimaan pysyvyyden, satunnaisuuden tai keskimääräisen palautumisen määrää rahoitusmarkkinoiden aikasarjoissa. Valuuttakurssit ja osakehinnat eivät seuraa satunnaista kävelyä tai ennakoimatonta polkua, kuten ne tekisivät, jos hintojen muutokset olisivat riippumattomia toisistaan. Markkinat, toisin sanoen, eivät ole täysin tehokkaita, mikä tarkoittaa, että sijoittajilla on mahdollisuuksia hyötyä.
Jos tiedoissa esiintyy vahvaa trendiä, Hurst-eksponentti (H-eksponentti) tarttuu siihen, jota voidaan käyttää myös sijoitusrahastojen arviointiin. H-eksponentti, joka tunnetaan myös nimellä pitkän kantaman riippuvuuden indeksi, voi ekstrapoloida datan tulevaisuuden arvon tai keskiarvon.
Hurst-eksponentti on nollan ja yhden välillä, ja se mittaa pysyvyyttä, satunnaisuutta tai keskimääräistä käännöstä. Aikasarjoilla, jotka esittävät satunnaisen stokastisen prosessin, H-eksponentit ovat lähellä 0, 5. Kun H on suurempi kuin 0, 5, datalla on vahva pitkän aikavälin trendi, ja kun H on alle 0, 5, se todennäköisesti kääntää trendi tarkastelujakson aikana.
H-eksponentit, jotka ovat alle 0, 5, tunnetaan myös Joseph-ilmiönä viitaten raamatun kertomukseen seitsemän vuoden runsaudesta, jota seuraa seitsemän vuoden nälänhätä. Alhaisia arvoja seuraa todennäköisesti korkeat arvot, tai päinvastoin.
Rescaled Range ja Hurst-eksponentti
Skaala-alueanalyysi arvioi, kuinka aikasarjojen tietojen variaatio muuttuu tarkasteltavan ajanjakson pituuden kanssa. Skaalattu alue lasketaan jakamalla kumuloitujen keskimääräisten oikaistujen datapisteiden alue (suurin arvo miinus minimiarvo) (kunkin datapisteen summa vähennettynä tietosarjan keskiarvolla) arvojen keskihajonnalla saman osan Aikasarja.
Kun havaintomäärät aikasarjassa kasvaa, mitoitettu alue kasvaa. Piirrämällä nämä lisäykset R / S: n logaritmina verrattuna n: n logaritmiin, voidaan määrittää tämän viivan, joka on Hurstin eksponentti, H, kaltevuus.
Esimerkkejä siitä, kuinka käyttää mittakaavan analyysiä
Hurst-eksponenttia voidaan käyttää trendikaupan sijoitusstrategioissa. Sijoittaja etsisi osakkeita, jotka osoittavat vahvaa pysyvyyttä. Näiden kantojen H olisi suurempi kuin 0, 5. H-arvo alle 0, 5 voitaisiin yhdistää teknisiin indikaattoreihin hintojen kääntymisen havaitsemiseksi. Esimerkiksi sijoittamisen ajoittamiseksi arvo-sijoittaja voi etsiä osakkeita, joiden H on alle 0, 5 ja joiden hinnat ovat laskeneet jonkin aikaa.
Keskimääräinen palautuskaupankäynti näyttää hyödyntävän arvopaperihinnan äärimmäisiä muutoksia perustuen oletukseen, että arvo palaa aikaisempaan tilaansa. Algoritmiset kauppiaat käyttävät H-eksponenttia spekuloimaan keskimääräistä palauttavaa aikasarjastrategiaa, kuten parikauppaa, jossa kahden omaisuuden välinen erotus on keskiarvon palauttamista.
Seuraava taulukko näyttää Hurst Exponentin 15 jakson liukuvan keskiarvon (MA), joka perustuu SPDR S&P 500 (SPY) -hintakaavioon. MA voidaan säätää pidemmällä MA tasoittamalla vaihteluita.
Kauppiaille, jotka haluavat ostaa hinnannousun aikana, he voisivat etsiä mahdollisuuksia, joissa H on yli 0, 5 ja hinta nousee. Tällä tavoin käytetty indikaattori ei välttämättä tarjoa kauppasignaaleja, mutta se voisi auttaa antamaan vahvistusta muille kaupan signaaleille trendin perusteella.
TradingView
Indikaattori ei aina anna hyviä signaaleja. On myös tärkeää huomata, että korkeat H-arvot, kun hinta laskee, osoittavat hintojen edelleen laskua, mikä voi tehdä indikaattorista hieman hämmentävää, kun sitä käytetään ensimmäistä kertaa.
Ero skaalautuneen alueanalyysin ja regressioanalyysin välillä
Skaala-alueanalyysi tarkastelee tietosarjaa ja määrittelee pysyvyyden tai keskiarvon palautumissuuntaukset kyseisessä tiedossa. Lineaarinen regressio tarkastelee kahta muuttujaa, kuten hintaa ja aikaa, ja löytää keskipisteen tai viivan, joka sopii parhaiten datasarjoille. Sitten voidaan lisätä standardipoikkeuskanavia osoittamaan, milloin tietoturva on potentiaalisesti ylimääräinen tai ylimyyty tietosarjojen perusteella. Lineaarinen regressio on osa suurempaa regressioanalyysikenttää.
Mitattujen alueiden analyysin rajoitukset
Kaupankäyntitarkoituksiin mitoitettu alue on oikaistu alue jaettuna vakiopoikkeamalla. Nämä laskelmat perustuvat aiempiin tietoihin, eivätkä ole luontaisesti ennustavia. Elinkeinonharjoittajan on tulkittava tiedot, joita uudelleensuunniteltu alue tai Hurst-eksponentti tarjoaa.
Kaupankäyntitarkoituksiin skaalatuista alueista johdettu Hurst-indikaattori voi toimia toisinaan, mutta se ei toimi koko ajan. Vahva hintakehitys voitiin kääntää jyrkästi käänteiseen suuntaan, jota indikaattori ei ennakoinut. Indikaattorin ilmoittamat peruutukset eivät myöskään välttämättä kehitty.
