สภาพคล่องต่ำถ่วงน้ำหนักตามความยาวเส้นทางความผันผวนความถี่สูง
factor.formula
คำนวณความยาวของเส้นทางการผันผวนของ K-line เดี่ยว:
ปัจจัยสภาพคล่องต่ำถ่วงน้ำหนักความยาวเส้นทางความผันผวนรายวัน:
โดยที่:
- :
แสดงถึงความยาวเส้นทางการผันผวนของ K-line ที่ j ที่ความถี่ระหว่างวัน ซึ่งแสดงถึงช่วงความผันผวนของราคาในช่วงเวลา K-line โดยประมาณ โดยที่ $High_j$, $Low_j$, $Close_j$, $Open_j$ แสดงถึงราคาสูงสุด ราคาต่ำสุด ราคาปิด และราคาเปิดของ K-line ที่ j ตามลำดับ
- :
แสดงถึงปริมาณการซื้อขายภายใน K-line ที่ j ที่ความถี่ระหว่างวัน ค่านี้ในฐานะที่เป็นน้ำหนัก จะสะท้อนถึงผลกระทบของปริมาณการซื้อขายต่อสภาพคล่องต่ำ ยิ่งปริมาณการซื้อขายมากเท่าใด ผลกระทบของสภาพคล่องต่ำก็จะยิ่งน้อยลงเท่านั้น
- :
ระบุจำนวนส่วนของ K-line ต่อวัน ตัวอย่างเช่น หากใช้ข้อมูล K-line 5 นาที จะระบุจำนวน K-line 5 นาทีต่อวัน พารามิเตอร์นี้ขึ้นอยู่กับความถี่ของข้อมูลระหว่างวันที่เลือก
- :
ระบุพารามิเตอร์ช่วงเวลาของค่าเฉลี่ยเคลื่อนที่รายวัน นั่นคือ ค่าเฉลี่ยของจำนวนวันที่ผ่านมาจะถูกคำนวณ พารามิเตอร์นี้ใช้เพื่อปรับความผันผวนในระยะสั้นให้ราบรื่น และทำให้ปัจจัยมีเสถียรภาพมากขึ้น ตัวอย่างเช่น หาก d=20 หมายถึงการนำค่าเฉลี่ยของ 20 วันทำการที่ผ่านมา
factor.explanation
ปัจจัยนี้วัดสภาพคล่องต่ำของหุ้นได้อย่างมีประสิทธิภาพ โดยคำนวณความยาวเส้นทางความผันผวนของข้อมูล K-line ความถี่สูงรายนาที และถ่วงน้ำหนักด้วยปริมาณการซื้อขาย เมื่อเทียบกับปัจจัยสภาพคล่องต่ำแบบดั้งเดิม จะใช้ข้อมูลโครงสร้างจุลภาคที่สมบูรณ์ยิ่งขึ้นที่อยู่ในข้อมูลความถี่สูงเพื่อจับความเสี่ยงด้านสภาพคล่องที่เกิดจากต้นทุนผลกระทบระหว่างการซื้อขายหุ้นได้อย่างแม่นยำยิ่งขึ้น โดยเฉพาะอย่างยิ่ง:
-
ความยาวเส้นทางความผันผวน (Shortcut): พารามิเตอร์นี้ใช้รูปแบบ 2*(ราคาสูงสุด - ราคาต่ำสุด) - |ราคาปิด - ราคาเปิด| ซึ่งจับช่วงความผันผวนของราคาระหว่างวันได้ดีกว่า (ราคาสูงสุด - ราคาต่ำสุด) อย่างง่ายๆ ซึ่งสะท้อนถึงความยาวเส้นทางของความผันผวนของราคาได้อย่างแม่นยำยิ่งขึ้น และสามารถถือเป็นตัวบ่งชี้ตัวแทนความผันผวนตามข้อมูลความถี่สูง
-
การถ่วงน้ำหนักปริมาณการซื้อขาย: การใช้ปริมาณการซื้อขายเป็นน้ำหนักสามารถควบคุมผลกระทบของปริมาณการซื้อขายต่อแรงกระแทกสภาพคล่องได้อย่างมีประสิทธิภาพ ยิ่งปริมาณการซื้อขายสูงเท่าใด แรงกระแทกของสภาพคล่องต่ำก็จะยิ่งน้อยลงเท่านั้น
-
ค่าเฉลี่ยอนุกรมเวลา: โดยการหาค่าเฉลี่ยในช่วงเวลา ปัจจัยจะถูกทำให้ราบรื่น ทำให้มีเสถียรภาพมากขึ้น ลดสัญญาณรบกวน และสะท้อนความเสี่ยงด้านสภาพคล่องต่ำของหุ้นได้ดีขึ้น
ในสภาพแวดล้อมข้อมูลความถี่สูง ปัจจัยนี้สามารถจับโครงสร้างจุลภาคของตลาดได้อย่างมีประสิทธิภาพมากขึ้น และให้การวัดสภาพคล่องต่ำที่แม่นยำกว่าวิธีดั้งเดิม ซึ่งช่วยปรับปรุงประสิทธิภาพและความสามารถในการทำนายของกลยุทธ์การซื้อขายเชิงปริมาณ