Kapitel 3. Mit Finanzdaten arbeiten
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Daten sind eindeutig besser als Algorithmen. Ohne umfassende Daten erhältst du eher unvollständige Vorhersagen.
Rob Thomas (2016)
Im algorithmischen Handel hat man es in der Regel mit vier Arten von Daten zu tun, wie in Tabelle 3-1 dargestellt. Auch wenn dies die Welt der Finanzdaten vereinfacht, erweist sich die Unterscheidung zwischen historischen und Echtzeitdaten sowie zwischen strukturierten und unstrukturierten Daten im technischen Umfeld oft als nützlich.
| Strukturiert | Unstrukturiert | |
|---|---|---|
| Historisch | Schlusskurse am Ende des Tages | Finanznachrichten Artikel |
| Echtzeit | Geld-/Briefkurse für FX | Beiträge auf Twitter |
In diesem Buch geht es hauptsächlich um strukturierte Daten (numerische, tabellarische Daten), sowohl historische als auch Echtzeit-Daten. In diesem Kapitel geht es vor allem um historische, strukturierte Daten, wie z. B. die Tagesschlusswerte der SAP SE-Aktie, die an der Frankfurter Börse gehandelt wird. Zu dieser Kategorie gehören jedoch auch Intraday-Daten, wie z. B. 1-Minuten-Bar-Daten für die an der NASDAQ-Börse gehandelte Aktie von Apple, Inc. Die Verarbeitung von strukturierten Echtzeitdaten wird in Kapitel 7 behandelt.
Ein algorithmisches Handelsprojekt beginnt in der Regel mit einer Handelsidee oder -hypothese, die auf der Grundlage ...
Get Python für den algorithmischen Handel now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
