Запаздывание скользящих средних
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.
Статья размещена в рубрике: Модели торговых систем
|