Kroczące odchylenie standardowe w szeregach czasowych

Czym jest kroczące odchylenie standardowe?

Kroczące odchylenie standardowe (zwane również ruchomym odchyleniem lub zmiennością kroczącą) oblicza odchylenie standardowe w przesuwającym się oknie czasowym. W przeciwieństwie do statycznego odchylenia, które wykorzystuje wszystkie dane historyczne, kroczące odchylenie koncentruje się na najnowszych obserwacjach, co czyni je niezbędnym do wykrywania zmian zmienności w czasie.

Technika ta jest fundamentalna na rynkach finansowych, gdzie zmienność nie jest stała, lecz zmienia się w czasie. Akcja może być spokojna przez miesiące, a potem nagle stać się wysoce zmienną podczas ogłaszania wyników lub kryzysów rynkowych. Kroczące odchylenie uchwytuje tę dynamikę w czasie rzeczywistym.

Jak obliczyć kroczące odchylenie standardowe

Dla każdego punktu w czasie oblicz odchylenie standardowe z poprzednich n punktów danych. Przesuwając się do przodu, okno przesuwa się, zawsze wykorzystując najnowsze n wartości. Tworzy to szereg czasowy oszacowań zmienności.

import pandas as pd
import numpy as np

# Load your time series data
df = pd.read_csv('stock_prices.csv')

# 20-day rolling standard deviation
df['rolling_std_20'] = df['returns'].rolling(window=20).std()

# Annualized volatility (assuming daily returns)
df['annualized_vol'] = df['rolling_std_20'] * np.sqrt(252)

# Multiple windows for comparison
df['rolling_std_10'] = df['returns'].rolling(window=10).std()
df['rolling_std_50'] = df['returns'].rolling(window=50).std()

Pierwsze (okno-1) wartości będą miały wartość NaN, ponieważ do obliczenia potrzeba co najmniej n obserwacji. W praktyce można użyć parametru min_periods, aby zacząć obliczenia wcześniej z mniejszą liczbą obserwacji.

Wybór wielkości okna

Wielkość okna tworzy kompromis między szybkością reakcji a stabilnością:

• Krótkie okna (5–10 dni):Reagują szybko na zmiany zmienności, ale są zaszumione i mogą generować fałszywe sygnały
• Średnie okna (20–30 dni):Równowaga między szybkością reakcji a stabilnością; 20 dni to standard branżowy dla wstęg Bollingera
• Długie okna (50–100 dni):Gładkie i stabilne, ale wolno wykrywają zmiany reżimu; dobre do analizy trendów

Zastosowania w praktyce

Kroczące odchylenie standardowe jest szeroko stosowane w finansach i nauce o danych:

• Zarządzanie ryzykiem:Obliczanie wartości zagrożonej (VaR) na podstawie bieżącej zmienności zamiast średnich historycznych
• Wycena opcji:Szacowanie parametrów zmienności implikowanej dla modeli Blacka-Scholesa i innych
• Zarządzanie portfelem:Dostosowywanie wielkości pozycji na podstawie bieżącej zmienności; redukcja ekspozycji przy skokach zmienności
• Wykrywanie anomalii:Identyfikacja nietypowych okresów, gdy bieżąca zmienność znacząco odbiega od średniej kroczącej
• Analiza techniczna:Wstęgi Bollingera, kanały Keltnera i inne wskaźniki oparte na zmienności

Wstęgi Bollingera

Wstęgi Bollingera to najsłynniejsze zastosowanie kroczącego odchylenia standardowego. Opracowane przez Johna Bollingera w latach 80., tworzą dynamiczną obwiednię wokół ceny, która dostosowuje się do zmienności.

Wstęgi rozszerzają się w okresach zmiennych i zwężają w okresach spokojnych. Traderzy wykorzystują je do:

• Identyfikacji stanów wykupienia/wyprzedania, gdy cena dotyka wstęg
• Wykrywania “ściśnięć” (niskiej zmienności), które często poprzedzają wybicia
• Ustawiania dynamicznych zleceń stop-loss na podstawie aktualnych warunków rynkowych

Klasteryzacja zmienności

Jednym z najważniejszych empirycznych faktów w finansach jest klasteryzacja zmienności — wysoka zmienność ma tendencję do następowania po wysokiej zmienności, a niska po niskiej. Zjawisko to zostało sformalizowane przez Roberta Engle’a (Nagroda Nobla 2003) w modelu ARCH.

Kroczące odchylenie ujawnia tę klasteryzację wizualnie. Gdy wykreślisz zmienność kroczącą w czasie, zobaczysz wyraźne reżimy wysokiej i niskiej zmienności zamiast losowych wahań. Ma to głębokie implikacje:

• Przewidywalność:Jutrzejsza zmienność prawdopodobnie będzie podobna do dzisiejszej — możesz antycypować ryzyko
• Budżetowanie ryzyka:Zmniejsz pozycje przy wchodzeniu w reżim wysokiej zmienności
• Dobór strategii:Różne strategie handlowe działają lepiej w różnych środowiskach zmienności