Due movimenti possono seguire un percorso simile a velocità diverse. La loro somiglianza dipende quindi dalla proprietà che il metodo di confronto cerca di misurare.
Che cosa misura Pearson
La correlazione di Pearson misura la relazione lineare tra osservazioni appaiate. Il coefficiente varia da −1 a +1. Quando confronti due sequenze, conta il modo in cui i loro punti vengono abbinati.
Immagina due discese seguite da un recupero. Se una riparte prima, i punti nella stessa posizione possono divergere anche quando il disegno complessivo sembra familiare. Una correlazione elevata tra livelli di prezzo non dimostra da sola causalità o capacità predittiva.
Pearson · Punto per punto
- A₁ ↔ B₁; A₂ ↔ B₂; …
Che cosa aggiunge DTW
Dynamic Time Warping permette di allineare sequenze con differenze locali di velocità. Una pausa breve può così essere confrontata con una più lunga senza imporre la stessa posizione a ogni svolta.
Questa flessibilità richiede limiti. Un allineamento troppo permissivo può avvicinare episodi che sarebbe meglio distinguere. I vincoli scelti cambiano il significato della somiglianza. Usare DTW non rende automaticamente un risultato valido per operare.
DTW · Allineamento temporale
- Allineamento temporale
- La distanza tra curve non è probabilità dell’esito.
Non confondere misure diverse
Confrontare livelli di prezzo e confrontare variazioni tra candele sono operazioni differenti. Nel primo caso conta la traiettoria; nel secondo, la successione dei passi. Anche il trattamento della scala e dell'ampiezza influisce sull'interpretazione.
Un coefficiente di correlazione, una distanza DTW e la percentuale di passi coincidenti sono grandezze diverse. Non equiparare punteggi di strumenti differenti senza conoscerne la definizione. «Somiglianza del 90%» non significa «probabilità di rialzo del 90%».
Leggi anche i grafici
Confronta gli inizi, le ultime candele, l'ampiezza, la durata e il contesto. Esamina poi più sviluppi storici, compresi quelli contrari alla tua idea.
Vedi perché conta la parte finale. Fonti: Pearson nella documentazione SciPy, DTW in tslearn.