|
|
ПРОБЛЕМА ЗАПАЗДЫВАНИЯ
Помимо способности снижать зашумленность временных рядов скользящие
средние обладают преимуществами понятности, простоты и многофункциональности.
При этом, как и любой мощный метод фильтрации
данных или сглаживания в реальном времени, они имеют недостаток —
запаздывание. Хотя сглаженные данные «чище» и, следовательно, более
подходят для анализа, возникает запаздывание между данными в исходной
серии и в сглаженной серии данных. Такое запаздывание может представлять
проблему при необходимости быстрой реакции на события, как
это бывает важно для трейдеров.
В некоторых случаях запаздывание — не проблема, например, когда
скользящее среднее одного временного ряда используется для прогнозирования
другого, т.е. исходный ряд достаточно «обгоняет» прогнозируемый,
чтобы компенсировать запаздывание. Такие модели возникают, например,
при прогнозировании влияния солнечных процессов и сезонных
событий. Кроме того, запаздывание может быть неопасным в моделях,
где линия цен пересекает скользящее среднее — фактически цена и должна
обгонять среднее, чтобы такая система работала. Запаздывание более
проблематично в моделях, где для принятия решений используются точки
разворота графика скользящего среднего или его наклон. В таких случаях запаздывание означает отсроченный ответ, что, скорее всего, приведет
к невыгодным сделкам.
Существует огромное разнообразие адаптивных скользящих средних
и других сложных методов сглаживания, разработанных в целях минимизации
запаздывания. Одна из таких методик основывается на стандартных
способах предсказания временных серий. По Маллой (Mulloy, 1994)
используется линейная рекурсивная схема с множественными скользящими
средними. Когда уровень движения на рынке достаточен для отключения
фильтра, запаздывание исчезает; впрочем, фильтры имеют тенденцию
недостаточно сглаживать данные и работают заметно хуже, когда рынок отклоняется от настроек этих фильтров. Чанд (Chande, 1992) применил нелинейный подход и разработал скользящее среднее, которое
адаптируется к рынку на основе волатильности. Иногда запаздывание
можно уменьшить или устранить путем сочетания нескольких скользящих
средних, образующих полосовой фильтр. Подобные полосовые
фильтры могут иметь практически нулевое запаздывание при сигнале с
периодичностью, примерно равной середине полосы пропускания; сглаженный
сигнал может совпадать с исходным зашумленным, если активность
процесса циклична и частота (период) этой циклической активности
близка к максимальной частоте, пропускаемой фильтром.
Важно: актуальная возможность выиграть $40–$250 реальных (не бонусных) средств в конкурсе на демо-счетах.
|
|
