ฤดูกาลของความผันผวนระหว่างวัน: รูปแบบตามเวลาและข้อจำกัด

ฤดูกาลระหว่างวันหมายถึงขนาดของผลตอบแทนแตกต่างกันอย่างเป็นระบบตามช่วงเวลาของวันซื้อขาย การกระจายผลตอบแทนย้อนหลังในช่วง 30 นาทีใกล้เวลาเปิดตลาดอาจต่างจากช่วงเวลาเท่ากันตอนเที่ยง เนื้อหานี้เกี่ยวกับขนาดและการกระจายของผลตอบแทน ไม่ใช่โอกาสที่ราคาจะขึ้นหรือลง ณ เวลาหนึ่ง

นักวิจัยบันทึกรูปแบบความผันผวนระหว่างวันที่เกิดซ้ำในข้อมูลหุ้นและตลาดเงินตราต่างประเทศ Andersen และ Bollerslev แสดงว่าความเป็นคาบนี้มีผลต่อพลวัตของผลตอบแทนความถี่สูง การจำลองแบบจำลองช่วยแยกรูปแบบตามเวลาออกจากพลวัตความผันผวนที่คงอยู่นานกว่า (199700004-2)) ผลดังกล่าวสนับสนุนการปรับค่า แต่ไม่ได้ยืนยันเส้นโค้งเดียวที่คงที่สำหรับสินทรัพย์ สถานที่ซื้อขาย หรือช่วงเวลาใด ๆ

ควรมองปัจจัยตามฤดูกาลเป็นค่าพื้นฐานสำหรับการเปรียบเทียบ ปัจจัยนี้ช่วยอธิบายว่าผลตอบแทนผิดปกติเพียงใดเมื่อเทียบกับขนาดปกติในเวลานั้น หรือช่วยไม่ให้แบบจำลองความผันผวนเข้าใจรูปแบบปกติของช่วงตลาดเป็นการกระจุกตัวที่ยืดเยื้อ คู่มือความผันผวนที่เกิดขึ้นจริง อธิบายการรวมผลตอบแทนระหว่างวันยกกำลังสองเพื่อสร้างค่าระดับช่วงตลาด บทความนี้เน้นโปรไฟล์ตามเวลา

ในชุดข้อมูลหุ้นหลายชุด ความผันผวนเฉลี่ยใกล้เวลาเปิดและปิดสูงกว่าช่วงกลางของวันซื้อขายปกติ เส้นจึงอาจคล้ายตัว U การประมูลเปิดตลาด ข่าวข้ามคืน การเข้ามาของผู้ร่วมตลาด กิจกรรมปรับพอร์ตช่วงปลายวัน และกลไกปิดตลาดอาจเกิดพร้อมกับความผันผวนที่เปลี่ยนไป แต่รูปแบบในข้อมูลเพียงอย่างเดียวไม่ได้ระบุสาเหตุ

รูปร่างแตกต่างกันตามตลาดและนิยามช่วงซื้อขาย ตลาดเงินตราต่างประเทศซื้อขายข้ามเขตเวลาทั่วโลก ไม่ได้มีเวลาเปิดพร้อมกันเพียงเวลาเดียว สัญญาฟิวเจอร์สอาจซื้อขายเกือบตลอดวัน แต่ยังมีช่วงชำระราคา พักบำรุงระบบ หรือสภาพคล่องกระจุกตัวในเวลาของแต่ละภูมิภาค ตลาดคริปโตที่เปิดตลอด 24 ชั่วโมงไม่มีเวลาเปิดหรือปิดเดียว เว้นแต่นักวิเคราะห์กำหนดช่วงอ้างอิงขึ้นมา เวลาที่เหมาะสมขึ้นอยู่กับตราสาร สถานที่ซื้อขาย และวิธีสุ่มตัวอย่าง

Ederington และ Lee พบว่ารูปตัว U ที่คุ้นเคยหายไปในชุดข้อมูลตลาดเงินตราต่างประเทศของพวกเขา เมื่อพิจารณาประกาศเศรษฐกิจมหภาคที่มีกำหนดเวลาและข้อมูลความผันผวนอื่น ๆ (2001) นี่เป็นผลเฉพาะชุดข้อมูลดังกล่าว ไม่ใช่หลักฐานว่าตลาด FX ทุกแห่งไม่มีความเป็นคาบ แต่แสดงให้เห็นว่าไม่ควรมองเส้นค่าเฉลี่ยเชิงพรรณนาเป็นกฎที่ไม่เปลี่ยนแปลง

ให้ r₍d,j₎ เป็นผลตอบแทนในช่วงระหว่างวัน j ของช่วงตลาด d การแยกองค์ประกอบเชิงแนวคิดที่มีประโยชน์คือ

r₍d,j₎ = sⱼ ε₍d,j₎ Var(r₍d,j₎ | ข้อมูลก่อนเริ่มช่วงเวลา) = sⱼ² h₍d,j₎

sⱼ คือปัจจัยขนาดบวกตามช่วงเวลา ส่วน h₍d,j₎ แทนความผันผวนที่เปลี่ยนตามข้อมูลและสภาวะตลาด sⱼ เป็นคำอธิบายทางสถิติของชุดข้อมูลและปฏิทินที่เลือก ไม่จำเป็นต้องเป็นผลเชิงสาเหตุจากนาฬิกา การแยกนี้ช่วยในการสร้างแบบจำลอง ไม่ได้กล่าวว่าสินทรัพย์ทุกชนิดมีตารางเวลาตายตัวที่ทราบแน่นอน

หากละ sⱼ ช่วงที่มีความแปรปรวนสูงและเกิดซ้ำในบางเวลาอาจทำให้ผลตอบแทนยกกำลังสองดูต่อเนื่อง แบบจำลอง GARCH อาจโยนทั้งความผันผวนระหว่างวันตามปกติและการกระจุกตัวของความผันผวนจริงเข้าไว้ในพารามิเตอร์พลวัตของตน คู่มือ GARCH อธิบายกระบวนการหลัง การปรับตามฤดูกาลช่วยแยกสองอย่างนี้ได้ แต่ไม่ได้ทดแทนการตรวจสอบส่วนเหลือ ความเสถียรของพารามิเตอร์ หรือแบบจำลองทางเลือก

อย่าสับสนระหว่างปัจจัยขนาดกับปัจจัยความแปรปรวน หากส่วนเบี่ยงเบนมาตรฐานของผลตอบแทนในช่วงหนึ่งเป็นสองเท่าของอีกช่วง ความแปรปรวนจะมากกว่าสี่เท่าเมื่อใช้หน่วยเดียวกัน ต้องระบุว่าปัจจัยใช้มาตราส่วนส่วนเบี่ยงเบนมาตรฐาน ความแปรปรวน หรือผลตอบแทนสัมบูรณ์ และใช้คำจำกัดความเดียวกันเมื่อปรับมาตรฐานข้อมูล

สมมติว่าชุดข้อมูลฝึกซึ่งสิ้นสุดก่อนเดือนประเมินแสดงขนาดผลตอบแทน 30 นาทีโดยทั่วไปที่ 0.40% ใกล้เวลาเปิด และ 0.20% ช่วงเที่ยง ตัวเลขนี้เป็นเพียงตัวอย่างสมมติสำหรับแสดงการคำนวณ อัตราส่วนส่วนเบี่ยงเบนมาตรฐานระหว่างเวลาเปิดกับเที่ยงคือ 2 ส่วนอัตราส่วนความแปรปรวนคือ 4 นี่ไม่ใช่การประมาณของสินทรัพย์หรือช่วงตลาดจริงในปัจจุบัน

เปรียบเทียบผลตอบแทน 0.40% ใกล้ตลาดเปิดกับ 0.20% ช่วงเที่ยง เมื่อนำขนาดผลตอบแทนสัมบูรณ์แต่ละค่าหารด้วยขนาดย้อนหลังของช่วงนั้น จะได้ 0.40% / 0.40% = 1 และ 0.20% / 0.20% = 1 แต่ละค่ามีขนาดหนึ่งหน่วยของช่วงเวลาตนเอง การเปลี่ยนแปลงดิบต่างกัน แต่ขนาดมาตรฐานเท่ากันตามโปรไฟล์ตัวอย่างนี้

การคำนวณนี้ไม่ได้หมายความว่าการเคลื่อนไหวอย่างใดอย่างหนึ่งพบได้น้อยทางสถิติ คาดว่าจะกลับทิศ หรือทำกำไรได้เมื่อนำไปเทรด ค่ามาตรฐานต้องตีความร่วมกับแบบจำลองการกระจาย ความไม่แน่นอนของการประมาณ บริบทเหตุการณ์ และคุณภาพการวัด อัตราส่วนขนาดไม่ใช่ความน่าจะเป็น การพยากรณ์ หรือสัญญาณทิศทาง

กำหนดตราสาร สถานที่ซื้อขาย ช่วงตลาด ความกว้างของแท่งข้อมูล แหล่งราคา และวิธีคำนวณผลตอบแทน จับคู่ช่วงเวลาเดียวกันเมื่อเทียบกับช่วงตลาดในแต่ละวันย้อนหลัง อย่าเปรียบเทียบแท่งเวลา 9:30–10:00 ตามเวลาท้องถิ่นของตลาดกับแท่ง UTC แบบสุ่มหลังการเปลี่ยนเวลาออมแสงโดยไม่รู้ตัว กำหนดล่วงหน้าว่าจะจัดการประมูล ช่องว่างข้ามคืน วันหยุด การปิดก่อนเวลา ราคาที่หายไป และวันซื้อขายผิดปกติอย่างไร

ประมาณขนาดทั่วไปของแต่ละช่วงโดยใช้เฉพาะวันที่ก่อนวันพยากรณ์หรือประเมิน จุดเริ่มต้นที่ใช้งานได้คือสถิติขนาดที่ทนทานในแต่ละกลุ่มเวลา เช่น มัธยฐานของผลตอบแทนสัมบูรณ์ หรือรากค่าเฉลี่ยกำลังสองแบบตัดค่าปลาย เนื่องจากวันที่ผันผวนอาจครอบงำค่าเฉลี่ยรวม นักวิเคราะห์อาจปรับแต่ละช่วงตลาดด้วยขนาดรายวันก่อน ประมาณโปรไฟล์ภายในวัน ปรับเส้นให้เรียบระหว่างช่วงใกล้กัน และปรับปัจจัยให้เป็นมาตรฐานอ้างอิงที่เลือกไว้ ควรบันทึกวิธีและกฎการปรับมาตรฐาน

ในการทดสอบย้อนหลัง ให้ตรึงปัจจัยโดยใช้เฉพาะข้อมูลฝึกที่มี ณ จุดเริ่มพยากรณ์แต่ละครั้ง อัปเดตด้วยหน้าต่างเลื่อนหรือหน้าต่างขยาย หากสอดคล้องกับวิธีใช้งานจริง การประมาณโปรไฟล์ครั้งเดียวจากข้อมูลทั้งชุดแล้วนำไปใช้กับข้อมูลก่อนหน้าเป็นการรั่วไหลของข้อมูลจากช่วงเวลาอนาคต และอาจทำให้ผลตอบแทนมาตรฐานดูเสถียรกว่าที่จะเห็นแบบเรียลไทม์

แยกโปรไฟล์ตามฤดูกาลออกจากการจัดการเหตุการณ์และการประมาณความผันผวนภายในวันเดียวกัน หากแบบจำลองใช้ความผันผวนที่สังเกตได้ก่อนหน้านั้นในช่วงตลาดปัจจุบัน ให้คำนวณจากแท่งข้อมูลที่พร้อมใช้ก่อนเวลาพยากรณ์เท่านั้น บันทึกว่าโปรไฟล์แยกตามวันในสัปดาห์ เดือนสัญญา สถานที่ซื้อขาย หรือภาวะตลาดหรือไม่ การแบ่งย่อยมากขึ้นอาจลดอคติแต่ทำให้มีข้อมูลต่อกลุ่มน้อยลง

บันทึกจำนวนข้อมูลและจำนวนช่วงตลาดที่อยู่เบื้องหลังค่าประมาณของแต่ละช่วง วันหยุด ข้อมูลหาย หรือการซื้อขายเบาบางในบางเวลาอาจทำให้ปัจจัยสะท้อนความครอบคลุมของข้อมูลแทนความเปลี่ยนแปลงของตลาด การแบ่งช่วงย่อยมากเกินไปทำให้ค่าประมาณไม่เสถียร กำหนดความกว้างแท่งข้อมูลและระยะฝึกก่อนเปรียบเทียบผล การทำให้เรียบอาจลดสัญญาณรบกวน แต่ก็อาจลบยอดช่วงเปิดหรือปิด จึงควรเทียบโปรไฟล์ดิบกับโปรไฟล์ที่ทำให้เรียบและบันทึกกฎไว้

หากประมาณโปรไฟล์ใหม่ตลอดการประเมินย้อนหลัง ให้เก็บรุ่นที่พร้อมใช้ ณ จุดเริ่มพยากรณ์แต่ละครั้ง บันทึกวันตัดข้อมูลฝึก จำนวนข้อมูลต่อกลุ่ม การแปลงค่า และวันที่ใช้แต่ละปัจจัย การเลือกโปรไฟล์หลังเห็นผลว่ารุ่นใดทำได้ดีที่สุดแล้วนำไปใช้กับวันก่อนหน้า ก็ทำให้เกิด look-ahead ผ่านกระบวนการเลือกเช่นกัน

<!-- learn:illustration -->

ประกาศเศรษฐกิจมักเผยแพร่ในเวลาที่กำหนดไว้ การพุ่งขึ้นซ้ำ ๆ รอบเวลาประกาศจึงอาจดูเหมือนฤดูกาลตามปกติ ทั้งที่สาเหตุโดยตรงคือข่าวตามกำหนดการ Ederington และ Lee ศึกษาความผันผวนล่าสุด ประกาศที่กำหนดเวลา และความเป็นคาบร่วมกัน ในชุดข้อมูลอัตราดอกเบี้ยและ FX การประกาศสำคัญเป็นพิเศษในช่วงที่ความผันผวนสูงมาก และการคำนึงถึงข้อมูลเหล่านี้ทำให้ค่าความต่อเนื่องที่ประมาณได้เปลี่ยนไป (2001)

หากคำถามวิจัยเกี่ยวกับรูปแบบเวลาทั่วไป นักวิเคราะห์อาจแยกช่วงประกาศออก เพิ่มตัวแปรเหตุการณ์ที่กำหนดไว้ล่วงหน้า หรือรายงานผลทั้งที่รวมและไม่รวมเหตุการณ์ ทางเลือกขึ้นอยู่กับว่าการพยากรณ์เป้าหมายรวมประกาศที่ทราบอยู่แล้วหรือไม่ การลบแท่งข้อมูลของทุกเหตุการณ์อาจประเมินความเสี่ยงต่ำไปสำหรับกลยุทธ์ที่ถือสถานะจริงระหว่างการประกาศ

อย่าสร้างปฏิทินเหตุการณ์จากข้อมูลที่ยังไม่มีในวันพยากรณ์ย้อนหลัง เก็บเวลาเผยแพร่และการแก้ไขประกาศเมื่อเกี่ยวข้อง แยกข่าวตามกำหนดการกับข่าวที่ไม่คาดคิดหากข้อมูลเอื้อ และระบุว่าครอบคลุมตลาดและประกาศใด ปัจจัยตามเวลาอย่างเดียวอธิบายเหตุการณ์ไม่คาดคิดหรือผลกระทบของมันไม่ได้

กลุ่มเวลาต้องใช้คำนิยามนาฬิกาที่สม่ำเสมอ สำหรับตลาดที่มีช่วงซื้อขายปกติ เวลาท้องถิ่นของตลาดมักตรงกับเวลาเปิด เที่ยง และปิดได้เป็นธรรมชาติ หากข้อมูลบันทึกเป็น UTC ให้แปลงด้วยกฎเขตเวลาย้อนหลังของแต่ละวัน การใช้ค่า UTC คงที่อาจเลื่อนแท่งเปิดไปหนึ่งชั่วโมงเมื่อกฎเวลาออมแสงเปลี่ยน และสร้างความแตกต่างตามฤดูกาลเทียม

ปฏิทินตลาดยังมีวันหยุด ช่วงซื้อขายสั้น การประมูล การหยุดซื้อขาย และช่วงพักเฉพาะสัญญา แท่งสุดท้ายของวันที่ปิดก่อนเวลาไม่ได้อยู่ตำแหน่งเดียวกันกับแท่งปิดปกติ กำหนดว่าจะจับคู่ข้อมูลเหล่านี้เข้ากับโปรไฟล์อย่างไร หรือประมาณโปรไฟล์แยกตามชนิดช่วงตลาด สำหรับฟิวเจอร์ส ให้บันทึกรูปแบบช่วงซื้อขายและการจัดการการเปลี่ยนสัญญา สำหรับคริปโต ให้ระบุขอบเขตวันและเขตเวลาอ้างอิงอย่างชัดเจน

ปัจจัยควรอธิบายข้อมูลที่เปรียบเทียบกันได้ อย่าเปรียบเทียบแท่งหุ้นในช่วงเวลาปกติกับแท่งฟิวเจอร์สข้ามคืนเพียงเพราะติดป้ายชั่วโมง UTC เหมือนกัน รักษาเวลา วิธีสร้างแท่งข้อมูล และแหล่งราคาให้สอดคล้องกัน รวมทั้งตรวจสอบราคาเสนอเก่า การซื้อขายที่ไม่พร้อมกัน และกฎประมูลที่ต่างกัน การจัดแนวเวลาเป็นส่วนหนึ่งของข้อกำหนดแบบจำลอง ไม่ใช่แค่การเตรียมข้อมูลเพื่อความสวยงาม

ปัจจัยตามฤดูกาลแบบคงที่ตั้งสมมติฐานว่ารูปแบบความผันผวนสัมพัทธ์คงที่ ซึ่งอาจไม่จริง Andersen, Thyrsgaard และ Todorov ทดสอบความเป็นคาบที่เปลี่ยนตามเวลา และรายงานหลักฐานจากผลตอบแทนดัชนี S&P 500 ว่ารูปแบบเปลี่ยนบางส่วนตามระดับความผันผวนปัจจุบัน ในช่วงที่ความผันผวนสูง ช่วงก่อนปิดตลาดมีสัดส่วนของความผันผวนรวมรายวันมากกว่าช่วงที่ความผันผวนต่ำ (2019)

ไม่ได้หมายความว่าตลาดทุกแห่งจะผันผวนมากขึ้นใกล้เวลาปิดทุกครั้งที่ตลาดตื่นตัว หลักฐานนี้ขึ้นอยู่กับข้อมูล วิธีการ และชุดข้อมูลของงานวิจัย แต่ค่าเฉลี่ยระยะยาวอาจทำให้การเปลี่ยนแปลงสำคัญดูเรียบลง ให้เปรียบเทียบค่าประมาณโปรไฟล์ในช่วงย่อยและภาวะความผันผวนต่างกัน ทดสอบความเสถียรของปัจจัย และรายงานความไม่แน่นอน แทนการนำเส้นเดียวเสนอว่าเป็นค่าถาวร

การประมาณแบบเลื่อนไปตามเวลาอาจปรับตัวได้ แต่มีสัญญาณรบกวนมากขึ้นและอาจไล่ตามเหตุการณ์เพียงไม่กี่ครั้ง โปรไฟล์แยกตามภาวะตลาดต้องมีข้อมูลย้อนหลังเพียงพอในแต่ละภาวะและมีกฎจัดประเภทที่ไม่ใช้ข้อมูลอนาคต หากทำไม่ได้ ปัจจัยคงที่ที่เรียบง่ายพร้อมตัวควบคุมเหตุการณ์ที่ชัดเจนอาจตีความได้ง่ายกว่า คู่มือกรวยความผันผวน กล่าวถึงการเปรียบเทียบการกระจายตามกรอบเวลาและชุดข้อมูลต่าง ๆ แยกต่างหาก

การปรับมาตรฐานตามเวลาอาจทำให้เปรียบเทียบความผันผวนข้ามช่วงตลาดได้ยุติธรรมขึ้น ช่วยวินิจฉัยรูปแบบของส่วนเหลือ และสนับสนุนแบบจำลองพยากรณ์ที่ต้องการค่าความคลาดเคลื่อนที่เปรียบเทียบกันได้ นอกจากนี้ยังช่วยแสดงว่าการเคลื่อนไหวใกล้เวลาเปิดที่ดูสุดโต่งอาจเป็นเรื่องปกติเมื่อเทียบกับขนาดย้อนหลังของช่วงนั้น แต่ไม่ได้บอกว่าผลตอบแทนถัดไปจะเป็นบวกหรือลบ

การปรับมาตรฐานไม่ได้พิสูจน์ว่ากลยุทธ์ทำกำไรได้ กลยุทธ์ต้องกำหนดสัญญาณและกฎส่งคำสั่งให้ครบ แล้วทดสอบนอกชุดข้อมูลฝึกโดยรวมส่วนต่างราคา ค่าธรรมเนียม slippage ผลกระทบต่อตลาด ความหน่วง และความจุ โปรไฟล์เวลาย้อนหลังอาจช่วยจำลองความเสี่ยงหรือสภาวะการส่งคำสั่ง แต่ตัวปัจจัยไม่ใช่กฎเข้าซื้อขายหรือหลักฐานว่าตลาดไม่มีประสิทธิภาพ คู่มือความแปรปรวนเทียบกับความผันผวน อธิบายเหตุผลที่ต้องแยกหน่วยกำลังสองกับหน่วยส่วนเบี่ยงเบนมาตรฐาน

รายงานที่ทำซ้ำได้ควรระบุตราสารและสถานที่ซื้อขาย เขตเวลา ปฏิทินช่วงตลาด ระยะสุ่มตัวอย่าง แหล่งข้อมูล ตัวประมาณ ช่วงฝึก วิธีจัดการประกาศและช่วงผิดปกติ กฎปรับมาตรฐาน การตรวจสอบเสถียรภาพ และจุดตัดข้อมูล ณ เวลาเริ่มพยากรณ์ แสดงความไม่แน่นอนของโปรไฟล์และผลบนข้อมูลที่ไม่ได้ใช้ประมาณค่า รายละเอียดเหล่านี้ทำให้ตรวจสอบการปรับค่าได้และป้องกันไม่ให้รูปแบบเชิงพรรณนากลายเป็นคำกล่าวอ้างการเทรดที่ไม่มีหลักฐาน