ข้อมูลในอดีตควรเชื่อถือถึงระดับไหน?
บทความก่อนหน้าได้กล่าวว่า ACE Gold มุ่งเน้นที่จำนวนตัวอย่างเมื่อค้นหาช่องทางที่คล้ายกันในอดีต
หากมีตัวอย่างเพียงไม่กี่กรณี
แม้จะแสดงว่า “อัตราการเด้งกลับ 80%”
ก็ไม่ควรเชื่อถือเพียงเพราะเหตุนี้
แล้วตรงกันข้ามล่ะ
จำนวนตัวอย่างมากเท่าไหร่ถึงจะดี?
เมื่อพัฒนาต่อไป เราก็เริ่มตั้งคำถามที่นี่
ยิ่งมีข้อมูลมากก็มั่นใจมากขึ้นหรือไม่
ยกตัวอย่าง
ถ้า 21 ใน 30 กรณีในอดีตเกิดการเด้งกลับ
อัตราการเด้งกลับคือ 70%
ในทางกลับกัน
หาก 700 ใน 1,000 กรณีในอดีตเกิดการเด้งกลับ
อัตราการเด้งกลับก็ 70%
ถ้าเป็น 70% เหมือนกัน โดยทั่วไปแล้วดูเหมือนว่า 1,000 กรณีจะน่าเชื่อถือกว่า
ฉันก็คิดเช่นนั้น
เพราะฉะนั้นใน ACE เราจึงพัฒนาภายใต้แนวคิดใช้ข้อมูลย้อนหลังให้มากที่สุดเท่าที่จะทำได้ในการเก็บสถิติ
อย่างไรก็ตาม จุดหนึ่งที่เกิดปัญหาคือ
กรณี 1,000 กรณีนั้นเป็นข้อมูลเมื่อใด?
นี่คือปัญหา
ราคาก่อนหน้า 10 ปีกับราคาปัจจุบันเหมือนกันหรือไม่
GOLD ที่ ACE Gold สนใจ ก็มีการเปลี่ยนแปลงสภาพแวดล้อมตลาดตลอดระยะเวลายาว
ความผันผวนของราคาก็ต่างกัน
ทิศทางของเทรนด์ก็แตกต่างกัน
ระดับราคาก็เปลี่ยนแปลงมาก
ดังนั้นจึงเกิดข้อสงสัย
ยกตัวอย่าง
กรอบข้อมูล 100 กรณีล่าสุด 1 ปี
และ
กรอบข้อมูล 1,000 กรณีที่รวมข้อมูลจากหลายปีก่อนหน้า
สมมติว่า
ทางสถิติจำนวนตัวอย่างของ 1,000 กรณีจะมีมากกว่า
แต่
“จะมีคุณสมบัติตัดสินใจเกี่ยวกับสภาวะตลาดตอนนี้ด้วยหรือไม่ว่า 1,000 กรณีดีกว่า?”
ฉันคิดว่าไม่ใช่เรื่องง่าย
ACE ตอนนี้ทำอะไรอยู่
ปัจจุบัน ACE จะค้นหาช่องทางที่มีลักษณะคล้ายจากการเคลื่อนไหวของราคาย้อนหลัง
แล้วพฤติกรรมราคาถัดไปเป็นอย่างไร
ใช้เป็นข้อมูลสถิติ
และขณะนี้ข้อมูลย้อนหลังที่เป็นเป้าหมายถูกให้ค่าเท่ากันเป็นพื้นฐาน
กรอบที่เกิดขึ้นเมื่อ 1 ปีที่แล้วก็ยังเป็นกรอบที่คล้ายกัน
กรอบที่เกิดขึ้นเมื่อก่อนหน้านั้นก็เช่นกัน
ถ้าข้อกำหนดตรงกัน นับเป็น 1 กรณีสถิติ
นี่เป็นวิธีที่เข้าใจได้ง่ายมาก
อย่างไรก็ตาม เมื่อทำการตรวจสอบต่อไป
“จะถือว่าข้อมูลเก่าและข้อมูลใหม่ให้คะแนนเสียงเท่ากันจริงหรือไม่?”
จึงเกิดข้อสงสัย
การทิ้งข้อมูลเก่าไม่ใช่วิธีแก้ทั้งหมด
ถ้าเช่นนั้น
คิดว่า “ใช้ข้อมูลล่าสุดเท่านั้นพอ”
อาจคิดเช่นนั้น
แต่ก็ไม่ง่ายเช่นกัน
หากลดระยะเวลา จะใกล้เคียงตลาดปัจจุบันขึ้น
แต่ในทางกลับกัน
จำนวนตัวอย่างจะลดลง
กรอบที่หายากอาจไม่รวบรวมกรณีพอ
ในทางกลับกัน หากยาวระยะเวลามากขึ้น
จำนวนตัวอย่างจะเพิ่มขึ้น
แต่สภาพแวดล้อมตลาดในปัจจุบันอาจแตกต่างอย่างมาก
กล่าวคือ
หากให้ความสำคัญกับความใหม่ก็จะลดจำนวนตัวอย่าง
หากให้ความสำคัญกับจำนวนตัวอย่างก็จะเพิ่มข้อมูลเก่า
ตรงนี้มีปัญหาที่น่าสนใจในการสร้างระบบการเทรด