Cómo elegir entre la medición estricta y la dinámica de la media móvil

Question

Estoy construyendo un modelo simple de acciones con Pandas y parte de eso es el cálculo de las medias móviles.

Me gustaría entender cuáles son y cómo medir las implicaciones de la exactitud de utilizar un tamaño de ventana de tiempo estricto frente a uno dinámico cuando se calculan las medias móviles a largo plazo.

He aquí un ejemplo de lo que quiero decir:

Tengo un archivo csv con el historial de acciones de TLSA entre el 1.1.2000 y el 28.2.2017

df = pd.read_csv('TSLA.csv', index_col=0, parse_dates=True)
# add new col to dataframe consisting of a 100 day moving avarage
df['100ma'] = df['Adj Close'].rolling(window=100, min_periods=0).mean()

min_periods=0 me permite calcular la media móvil para los primeros 100 días donde no hay 100 días usando la primera media móvil de 0, 1, 2, 3...

Mi alternativa a esto es llamar df.dropna() dejaría caer las primeras 100 filas que no tienen una media móvil de 100 días. La desventaja es que tendría una media exacta pero menos puntos de datos.

Estoy construyendo una herramienta que utiliza un gran número de medias móviles. ¿Cuál sería el método correcto para averiguar qué marco de datos utilizar? ¿Correlación con una media móvil de un índice bursátil representativo? También, ¿qué técnica se suele aplicar en el mundo cuántico?

Intuitivamente, creo que la versión dinámica es más representativa, pero ¿es eso cierto también con los datos de minutos y de plazos más cortos?

Answer 1

Lo que hago en mi código es calcular la MA para "cualquier número de días disponibles o 100, lo que sea menor". Pero eso es sólo un truco pragmático para asegurar que mi programa produce algún valor en lugar de morir por causas inexplicables, y coincide con los valores "correctos" una vez que T>= 100. Yo no diría que esta es la solución definitiva de ninguna manera. La rutina probablemente debería devolver un código de advertencia de que la MA completa no puede ser calculada todavía, de modo que el que llama puede ignorar esos valores falsos si quiere. Por supuesto, antes de la fecha de la salida a bolsa de TSLA, devuelvo un código de error duro que dice "no puedo hacerlo". Esto es un estilo de programación más que de Finanzas Cuánticas.