Wpływ jednostki dyskretyzacji na efektywność modelowania kursu walutowego w reprezentacji binarnej

Kurs pary walutowej może zostać przedstawiony w postaci reprezentacji binarnej. Algorytm binaryzacji polega na zamianie kursu reprezentowanego przez dane tikowe na odpowiadający im ciąg binarny. Każdemu wzrostowi kursu o zadaną jednostkę dyskretyzacji jest przypisywana wartość binarna 1, natomiast spadkowi wartość 0. Właściwości oraz charakter kursu w reprezentacji binarnej, np. wpływ losowych fluktuacji (szum), poziom zależności pomiędzy aktualnymi zmianami i danymi historycznymi zależą od wartości przyjętej jednostki dyskretyzacji. W pracy przedstawiono analizę statystyczną kursu pary walutowej w reprezentacji binarnej, otrzymaną dla różnych jednostek dyskretyzacji. Analizę przeprowadzono pod kątem możliwości wykorzystania reprezentacji binarnej do budowy systemów predykcyjnych, opartych na modelu stanowym reprezentacji binarnej (MSRB). Do analizy wykorzystano dane tikowe kursu walutowego AUD/NZD z pięcioletniego przedziału 2012–2017.

Exchange rate course trajectory can be visualised in a binary representation. Binarization algorithm involves transformation of a course represented by tic data into a respective binary string. Each exchange rate increase by one discretization unit is assigned a binary value 1, and a respective decrease is assigned a 0. Properties and character of the exchange rate course in binary representation, that is, for example, influence of random fluctuations (noise) or relationship between current changes and historical data, are dependent on the appointed discretization unit. In the article a statistical analysis of an exchange rate trajectory for AUD/NZD currency pair in binary representation with different discretization units is presented. The analysis was performed in order to verify possible application of binary representation to create prediction systems based on binary representation state model (BRSM). Data used in performed research consisted of tick data for AUD/NZD from a five-year time period 2012–2017.