在很久以前,金融市场形成初期,没有计算机,且在实际市场中进行实际商品交易时,将价格序列表示为时间间隔(或时间帧)的经典方法既已出现。 一天内的所有价格变化太多,很难加以存储。 甚至,它并没啥用,因为价格没有快速变化。 因此,显而易见的解决方案是按规则时间间隔记录价格值。 听起来合乎逻辑:“今天小麦的价格为 90 分,而昨天的价格为 80 分” 。一切都非常清晰:需求增长,价格上涨。 与今天的市场交易相比,成交并不多,这就是为什么价格重新定义很罕见的原因。
随着价格数据分析的出现和发展,它目标是更好地预测价格行为,并随着交易操作数量的增加,人们了解特定时间段最高价和最低价就变得很重要。 也就是说,昨天 80 分、今天 90 分的有关价格信息已不再足够。 人们想知道在指定时间段内,最高价和最低价触及何处。 那就是发明著名的烛条和柱线的时候。
随着交易操作数量的增加,价格序列的离散化变得越来越准确。 现在,赫兹股票量化已经用到分钟离散化,甚至有时更小的帧率,例如一秒和十秒。
价格序列按时间离散化的主要优点如下:
-
方便。 赫兹股票量化能确切地知道下一分钟将形成下一根柱线,并且赫兹股票量化将收到新的开盘价、收盘价、最高价和最低价。
-
资源效率。 如果不需要更高的精度,则烛条表示法在一个时间段内只能存储 4 位数字。 如果您打算存储出价、要价和最终价格的每次变化,那么一年的历史记录数量将非常庞大,高达数 GB。 如果您需要下载和存储 10-20 年的价格历史记录,且您关注的不只一个,而是 200-500 个品种,那么这将是一个真正麻烦。 甚或,需要庞大的计算机资源来处理 GB 字节的历史记录。 这就是为什么烛条分析和处理如今看起来更具吸引力的原因。
-
易于缩放和z直观分析。 当需要查看大图时,可以将离散化比例增加到数周甚至数月,并且在显示时可根据需要显示多个年份的数据。 如果需要更高的精度,则可以减小比例,甚至查看一分钟内正在发生的情况。
-
时间线性。 在此演绎中,最方便的事情可能是每年间隔的历史记录在视觉上占用大约相同的屏幕空间。 在图表上查找前一年或前一小时既简单又直观。 直观上,时间的线性似乎是一个非常重要的参数,但有时候“正确”的决定是违反直觉的。
-
易于比较不同产品的价格。
信号离散化功能
数据离散化不仅在交易中需要,而且在许多其他信号处理领域中也需要。 例如,在音乐中,原始的连续信号被数字化。 在进行编码时会利用时间离散。 按规则的时间间隔将信号幅度值写入存储器。 然后可以利用某些操作将该信号转换回连续信号。 连续信号离散化是一个经过充分研究的领域。 例如,遵循 Kotelnikov(Nyquist-Shannon 奈奎斯特)定理的规则指出:“如果离散频率是信号频率的 2 倍或更多,则可以完全恢复信号”。 因此,如果信号频率为 1 赫兹,则读取其幅度值时必须每秒至少 2 次(即频率为 2 赫兹)。 只有在这种情况下,才能在离散化后重获其原始形式。 图例 1 示意如果我们以 2 赫兹的采样率离散 1 赫兹的正弦波会发生什么。 信号显示为绿色,离散化的结果显示为红色。
编辑
添加