Google Trend

dak427

Oh oh, da hast du - ohne es zu wissen - in ein Wespennest gestochen, denn mit solchen Dingen habe ich mich vor längerer Zeit intensiver beschäftigt. Aber keine Sorge, ich will das hier jetzt nicht vertiefen (denn ich bin ganz schön raus aus der Materie und will keinen Unsinn erzählen). Einen kurzen Ausflug können wir aber schon machen.

Im erwähnten Thread habt ihr u.a. einen Random Walk mit unabhängigen und gleichverteilten Zuwächsen konstruiert:

Mit unabhängigen und normalverteilten Zuwächsen (und noch zwei weiteren Eigenschaften) erhält man einen Standard-Wiener-Prozess, oft auch brownsche Bewegung genannt:

Mit weiteren Zutaten wie einem konstanten deterministischen Trend (Drift), einer zeitunabhängigen Volatilität und der Exponentialfunktion wird daraus eine geometrische brownsche Bewegung:

Die geometrische brownsche Bewegung bildet auch die Grundlage des Black-Scholes-Modells zur Bewertung von Optionen.

Und dann geht's weiter. Man kann

• aus dem deterministischen Drift einen zufälligen machen mit wiederum eigenen Trend- und Volalatilitäts-Komponenten (Schweinezyklus, Margenexpansion und -kontraktion),
• einen Rückzugsparameter für den Drift-Prozess einführen (Stärke des Mean-Reversion-Effekts),
• aus der konstanten (zeitunabhängigen) Volatilität eine zeitlich veränderliche Volatilitätsfunktion machen (siehe VDAX-Entwicklung in der letzten Zeit),
• Sprung-Komponenten einbauen (Kurse machen sowas ja gelegentlich),
• Störungen berücksichtigen,
• und, und, und.

Dann kommt man z.B. auf Sachen wie Wurzel-Diffusionsprozesse,

Jump-Diffusionsprozesse,

jump-diff.png

uni- oder auch multivariate Ornstein-Uhlenbeck-Prozesse

usw.

Vieles davon wird heutzutage in der stochastischen Finanzmathematik auch tatsächlich eingesetzt (Aktien, Zinsen, Derivate), mal mit mehr Erfolg und mal mit weniger...

Jim Simons meinte mal auf die Frage, ob die Erkenntnisse seiner Firma von allgemeinen Wert oder Interesse seien: nein.

Demnach haben sie die Weltformel zur Berechnung des Chaos noch nicht gefunden, wenn er die Wahrheit sagte.

Hier meine zwei Cents aus meiner doch mittlerweile recht langen Erfahrung im Modellierungsbereich:

- Wie von anderen bereits erwähnt haben komplexe dynamische Systeme teils "Sprungstellen", wo sie von einem Glichgewicht (Attraktor) in eine anderes kippen.

Mathematisch wird das in der sog. Katastrophentheorie beschrieben.

- chaotische Systeme zeichnen sich grad dadurch aus dass auch die winzigsten Fehler in den Eingangsparametern zu großen Makroskopischen Abweichungen später führe (wurde ja schon genannt, Schmetterlingseffekt).

Somit muss man die Eingangsparameter EXAKT kennen, also auf unendlich viele Stellen genau. Wüßte nicht wie eine AI hier helfen soll. Außer eben bei deterministischen Chaos, was eben gewissen Gesetzmäßigkeiten folgt.

Soziale Prozesse sind aber wohl oft nicht deterministischer Natur (die Handlungsweisen änder sich on the fly).

- Je mehr Teilnehmer desto größer die Hoffnung dass sich die individuell zufällig anmutenden Handlungen per Gesetz der großen Zahlen ausgleichen.
Das Tool dazu ist wohl die Massenpsycholigie, die anhand langjähriger Beobachtung mehr oder weniger gut beschreibt wie das Gesamtsystem sich in Zukunft verhalten könnte.
Die Vorhersagen sind vage, aber letztlich basieren darauf alle Indikatoren die auf Sentiment, VDax, p/c ratio etc basieren.

Massenpsychologie scharf beobachten und Spieltheorie scheint mir aktuell unabdingbar wenn man market timing machen will.

- Ein Algo ist ja nicht alleine in einem statischen Umfeld unterwegs.

Wenn also Google einen baut und wir irgendeine Idee haben wie der geht, bauen wir und andere was Neues was den austrickst. Das ist ja ein Grund warum der Markt nicht deterministisch ist.

Und warum Algos und allgemein alle Strategie/"Börsenregeln" nicht beliebig skalieren.

- bzgl random walk. Ich kenne noch die Methode wo aus den Korrelationsmatrizen der Vergangenheit eine Autokorrelation für die Zukunft berechnet und mit der brownian motion kombiniert wird. Das ist Industriestandard um z.B. zukünftige commodity prices zu simulieren und Optionen zu pricen.

In Summe:

Ich weiß dass auf Algo und AI irre Hoffnungen gerichtet werden.

Und die Branche schürt die auch kräftig, wäre sie ja doof wenn nicht

Das war in den 90ern auch schonmal so.

Ich denke diese Hoffnungen werden enttäuscht werden, weil prinzipielle Schwierigkeiten im Weg stehen, nämlich Chaostheorie und Katastrophentheorie und die sich dynamisch ändernden Handlungsregeln der Markteilnehmer.

Man wird also soziale Systeme niemals präzise vorhersagen können, und die Börse ist zu mind 50% ein soziales System.

Es ist auch unklar ob man das Gehirn jemals wird abbilden können. Falls es chaotische Elemente enthält könnte das prinzipiell unmöglich werden. Das Unvollständigkeitstheorem sagt solche Situationen bereits voraus.

Schaut die Wettervorhersage an.

KI, quantum, Rechenpower um mehrere Milliarden besser als in den 90ern.

Vorhersage zuverlässig aber immer noch nicht mehr als 3-4 Tage möglich, in komplexen Wetterlagen noch weniger.

Das liegt an der chaotischen Natur des Wettersystems, da hilft Rechenpower und Algos nicht wirklich. Und das ist noch einfach ggü einem sozialen System, weil die Regeln wie sich ein Luftmolekül physikalisch verhält immerhin gleich bleiben, aber nicht die wie sich Menschen verhalten.

Das ist eine recht unpopuläre Meinung weil viele Manager grade viel Hoffnung drauf setzte und / oder bereits ziemlich commited in dem Bereich sind.

Aber es wird hier noch viele Enttäuschungen geben, weil die Mathematik dahinter noch weniger verstanden wird als die Exponentialfunktion.
Unter mathematisch geschulten Leuten reden die Protagonisten übrigens auch bescheidener, aber eben nicht in ihrem pitch

wp

Wettervorhersage 3 Tage korrekt? Du machst Scherze.

Wettervorhersage ist übrigens das Paradebeispiel für etwas, was die Leute jeden Tag aufs Neue begierig aufsaugen, obwohl die Prognosen über mehr als 12 Std in die Zukunft nachweisbar mehrheitlich falsch sind.

In den 90ern erwartete man übrigens dass man, wenn die Rechner endlich ein paar Millionen mal schneller sind, das Wetter entsprechend über ein halbes Jahr vorhergesagt werden könne.

Kein Scherz. Und die Leute waren ja auch nicht "dumm" oder naiver als heute.

Nein, es ist einfach ein schönes Beispiel für "lineares Denken" (so arbeitet unser Gehirn).

Die damaligen Fortschritte in der Modellierung wurden linear in die Zukunft weiter extrapoliert.

Die Enttäuschung im 2.AI Winter Ende der 90er war entsprechend enorm.

Der 3.AI Winter steht uns nun m.E. unmittelbar bevor.

Zitat von Lando

Wettervorhersage ist übrigens das Paradebeispiel für etwas, was die Leute jeden Tag aufs Neue begierig aufsaugen, obwohl die Prognosen über mehr als 12 Std in die Zukunft nachweisbar mehrheitlich falsch sind.

ganz so schlimm ist es dann doch nicht.

Bitteschön, Prognosegüte Wettervorhersagen bei (un-)stabiler Großwetterlage hier.

Zitat von woodpecker

Schaut die Wettervorhersage an.

Passenderweise war der Herr Lorenz ja auch Meteorologe und der Lorenz-Attraktor sieht aus wie ein Schmetterling (aus der richtigen Perspektive betrachtet).

Ich bin beim Wetter auch skeptisch, aber der oben schon einmal von mir verlinkte Artikel hat mich wirklich überrascht. Dass die KI die Entwicklung eines (deterministischen) chaotischen Systems bereits so gut antizipieren kann, ohne überhaupt irgendetwas über das System an sich zu wissen, sondern nur anhand von "gesehenen" (oder gelernten) vergangenen Entwicklungen ist schon beeindruckend, für mich jedenfalls.

Noch was zum Thema Google Trends:

Google Trends für die Konjunkturanalyse (mit) zu nutzen, wie von MMI oben geschrieben, finde ich persönlich ziemlich sinnvoll.

Zum Thema Korrelationen mache ich gleich noch was, vielversprechend scheint es aber nicht.

Zitat von vanilla.ice

Ich bin beim Wetter auch skeptisch, aber der oben schon einmal von mir verlinkte Artikel hat mich wirklich überrascht. Dass die KI die Entwicklung eines (deterministischen) chaotischen Systems bereits so gut antizipieren kann, ohne überhaupt irgendetwas über das System an sich zu wissen, sondern nur anhand von "gesehenen" (oder gelernten) vergangenen Entwicklungen ist schon beeindruckend, für mich jedenfalls.

Ich hab jetzt den Artikel nur mal kurz überflogen, aber es ist wohl im Grunde so, dass es hier um ein dynamische System geht, dessen Verhalten für uns zwar chaotisch aussieht, welches aber sehr einfach beschrieben werden kann.

Das kann machine learning sehr gut: Für viele, hochdimensionale Datenpunke, die irgendwie zusammen, diesen Zusammenhang zun finden, wenn der durch eine Funktion einer bekannten Klassen mit nicht zu vielen Parametern gut (annähernd) beschrieben werden kann.

Ja, die Beschreibung ist einfach, das Verhalten aber chaotisch (wie beim Lorenz-Attraktor). Ich fand interessant, dass die KI dieses System trotz seines chaotischen Verhaltens "versteht", ohne die Beschreibung zu kennen.

Aber wenn du sagst, dass machine learning das sehr gut kann, ist es wohl nichts Neues. Wieder was dazu gelernt.

Zitat von vanilla.ice

Aber wenn du sagst, dass machine learning das sehr gut kann, ist es wohl nichts Neues

Was neu ist, ist das man a) mit der Rechenleistung (auch dank GPUs) in Bereiche vorgedrungen ist, die für viele Anwendungen interessant werden. Gesichter erkennen und klassifizieren konnte man vorher auch schon, nur macht das keinen Spaß, wenn man pro Bild einen Tag braucht.

Außerdem (b) haben wir erst jetzt die vielen Daten verfügbar (und zugreifbar) und es ist uns vielleicht auch erst bewusst geworden (wegen a)), dass wir sie haben und da vielleicht was interesantes mit machen können.

Aber letztlich behaupte ich, dass es aus theoretischer Sicht nicht neu ist und KI nicht besonders intelligent ist sonder nur (sehr gut) Korrelationen findet. Richtige Intelligenz (also wir) können das nicht besonders gut, dafür haben wir andere Wege durch die Modellierung von Kausalitäten die Zusammenhänge zu erklären.

Das mit den selbstfahrenden Autos erinnert ein wenig an die Kernfusion, die gibt es seit 50 Jahren auch immer erst in 50 Jahren.

Es würde vmtl. mit heutigen Mitteln gehen, wenn alle Verkehrsteilnehmer zentral gemeinsam gesteuert wären, also nur selbstfahrende auf den Straßen. Das wäre aber dann sowas wie eine Eisenbahn ...

Zitat von woodpecker

Daher auch meine defätistische Bemerkung weiter oben, dass google trend wohl leider(!) auch nur einen weiteren weichen/anekdotischen Datenpunkt liefert und keineswegs hart verwertbare Indikatioren, auch wenn es wegen der schönen Graphen schnell so wirkt.

Ich hab's jetzt ausprobiert, nur mit einfachen Mitteln und zunächst noch ohne Lag.

Zusätzlich zu den Trenddaten von Google habe ich die Kursdaten von Yahoo herunter geladen. Dann habe ich zur Vereinheitlichung die Kursdaten auf 100 (=höchster Kurs) indexiert, also genauso wie Google es mit den Trenddaten macht. Für drei Beispiele habe ich anschließend verschiedene Korrelationen ausgerechnet.

In den oberen Diagrammen ist jeweils das Suchinteresse und der Aktienkurs samt eines gleitenden Durchschnitts dargestellt. In den unteren Diagrammen sieht man Korrelationen zwischen diesen gleitenden Durchschnitten, fortlaufend berechnet über 12, 24, 36 und 60 Monate.

amazon-1.png

amazon-2.png

Bei Amazon ist die Korrelation zwar über kürzere Zeiträume gelegentlich instabil, langfristig hingegen wird sie immer stabiler, was aber kein Wunder ist, weil sowohl Suchinteresse als auch Aktienkurs immer weiter steigen. Kurzum: Sehr stabile langfristige Trends. Das wussten wir aber schon vorher!

af-1.png

af-2.png

Ähh, ja, warum auch nicht?! Bei A&F sind Aktienkurs und Suchinteresse seit Jahren am Sinken. Eindeutige und stabile Korrelationen gibt's trotzdem nicht.

samsung-1.pngsamsung-2.png

Samsung ist interessant: Hier war die Korrelation von 2010 bis 2016 über alle Zeitfenster extrem stabil (sowohl bei steigenden als auch bei fallenden Kursen!), dann kam aber der totale Bruch. Es hätte also lange Zeit prima funktioniert und mit einem Mal überhaupt nicht mehr.

Da sich die Korrelationen schon ohne zeitliches Lag mitunter "chaotisch" verhalten, habe ich mit verschobenen Datenreihen gar nicht erst weiter gemacht. Ich vermute, dass es dabei nicht besser wird.

Ich denke, als einer von vielen weichen Faktoren kann ein Blick auf die Trenddaten von Google bestimmt nicht schaden. Zum Bau eines einfachen aber handfesten Indikators taugen sie für uns hingegen eher nicht. Soll sich die Google-KI dran abarbeiten. Vielleicht macht sie es ja bereits...

Zitat von vanilla.ice

Passenderweise war der Herr Lorenz ja auch Meteorologe und der Lorenz-Attraktor sieht aus wie ein Schmetterling (aus der richtigen Perspektive betrachtet).

[IMG: https://upload.wikimedia.org/wikipedia/commons/7/71/Lorenz_system_r28_s10_b2-6666.png]

Ich bin beim Wetter auch skeptisch, aber der oben schon einmal von mir verlinkte Artikel hat mich wirklich überrascht. Dass die KI die Entwicklung eines (deterministischen) chaotischen Systems bereits so gut antizipieren kann, ohne überhaupt irgendetwas über das System an sich zu wissen, sondern nur anhand von "gesehenen" (oder gelernten) vergangenen Entwicklungen ist schon beeindruckend, für mich jedenfalls.

Noch was zum Thema Google Trends:

Google Trends für die Konjunkturanalyse (mit) zu nutzen, wie von MMI oben geschrieben, finde ich persönlich ziemlich sinnvoll.

Zum Thema Korrelationen mache gleich noch was, vielversprechend scheint es aber nicht.

Alles anzeigen

Zum machine learning:

1) Machine Learning ist der bessere Begriff.

Denn intelligent ist da nichts, Intelligenz kann abstahieren, übertragen, kreativ sein. Das ist bei machine learning nicht der Fall, das ist in erster Linie Mustererkennung. Sehr schnell, sehr mächtig, sehr spannend auch, mit immensen Möglichkeiten, und jenseits dessen was Menschen leisten können.

Aber immer nur auf ein extrem enges Feld begrenzt.

Außerhalb dessen Flatline, nada, nichts, versagen, weniger Intelligenz als ein Kleinkind.

Der deep thought kann nicht mau-mau spielen mit meinen kids. Ein Schachspieler würde zwar gegen deep thought verlieren, würde aber in 1 Minute Mau-mau kapieren und nach 2 Spielen gewinnen gegen meine kids, weil er das System durchschauen kann und seine kombinatorischen Fähigkeiten auf ein neues Problem übertragen.

Das ist Intelligenz.

Davon sind Maschinen Äonen entfernt, wird jeder hinter verschlossener Tür zugeben. (Das wird aktuell unter "generalized AI" gepushed, wenn jemand ein cooles Schlagwort braucht. Nur leider geht da nix voran

AI / KI ist eigentlich nur ein Mode und Marketingwort.

Das klingt cool, das habe ich in den Neunzigern auch auf meine Diplomarbeit mit neuronalen Netzen geschrieben, hat bei Bewerbungsgesprächen immer immens Eindruck geschunden .

Damit kann man deutlich leichter Millionen bei unwissenden Investoren lockermachen.

Schaut man genau hin, werden teils simple OLR Modelle (regression) als "AI" verkauft. Weil das sind sie auch. OLR ist eine machine learning technik, so wie random forest oder neuronale netze auch, also ist das so viel oder wenig gelogen als wenn jemand sein neuronales Netz als "Intelligenz" verkauft.

2) Der Artikel beschreibt ja warum man mit machine learning hier weiter kam:

Zitat

It took years to strike upon the straightforward solution. “What we exploited was the locality of the interactions” in spatially extended chaotic systems, Pathak said. Locality means variables in one place are influenced by variables at nearby places but not by places far away. “By using that,” Pathak explained, “we can essentially break up the problem into chunks.

Es ist die Lokalität.

Und ich schätze auch die Selbstähnlichkeit der Muster.

Charts zB sind auch selbstähnlich, da könnte man das schon mal versuchen.

Ist aber die Frage ob die lokal sind. Ich fürchte nicht.

Denn die Anleger haben Events aus der Vergangenheit im Kopf, kramen z.B. beim Corona-Crash plötzlich den Chart von der Finanzkrise raus usw.

3) Selbstfahrende Autos:

10 Jahre sind sehr optimistisch.

Ich habe vor 5 Jahren oder so diese Meinung mal im beruflichen Umfeld vertreten, als autonomes Fahren grade der ultra hot shit war. Kam nicht so toll an. Die Leute WOLLEN an Wunder glauben. Mittlerweile lass ich sie, das ist viel besser für die Karriere

Daher schreib ich es lieber hier:

Es ist durchaus wahrscheinlich dass autonomes Fahren in komplexen Situationen (die Baustelle mit spielenden Kindern in der Altstadt-Gasse bei Regen, die Tiefgarage mit flackerndem Licht) NIE funktionieren wird.

Weil man all diese ganz spezielle Situation eben nicht in exakt dieser Konstellation trainieren kann und besagte Intelligenz, also Übertragungsfähigkeit, der Maschine fehlt.

In einfachen Situationen (Autobahn), klar, da wird es gehen, das ist pillepalle.

Es ist also eher eine Frage mit wieviel % Verfügbarkeit gibt man sich zufrieden. Denke 90-95% sind ganz gut machbar aber dannach wird es echt haarig.

4) Aktien gehören m.E. in die ultra-hart zu knackende Kategorie.

Wenn man das packt, dann kann man auch eine KI-gesteuerte Planwirtschaft bauen und man braucht den Firlefanz von Märkten zur effizienten Steuerung der Produktion nicht mehr. Who knows, vielleicht ist das tatsächlich wie der Kapitalismus enden wird eines Tages?

wp

Zitat von vanilla.ice

Ich hab's jetzt ausprobiert, nur mit einfachen Mitteln und zunächst noch ohne Lag.

Zusätzlich zu den Trenddaten von Google habe ich die Kursdaten von Yahoo herunter geladen. Dann habe ich zur Vereinheitlichung die Kursdaten auf 100 (=höchster Kurs) indexiert, also genauso wie Google es mit den Trenddaten macht. Für drei Beispiele habe ich anschließend verschiedene Korrelationen ausgerechnet.

In den oberen Diagrammen ist jeweils das Suchinteresse und der Aktienkurs samt eines gleitenden Durchschnitts dargestellt. In den unteren Diagrammen sieht man Korrelationen zwischen diesen gleitenden Durchschnitten, fortlaufend berechnet über 12, 24, 36 und 60 Monate.

amazon-1.png

amazon-2.png

Bei Amazon ist die Korrelation zwar über kürzere Zeiträume gelegentlich instabil, langfristig hingegen wird sie immer stabiler, was aber kein Wunder ist, weil sowohl Suchinteresse als auch Aktienkurs immer weiter steigen. Kurzum: Sehr stabile langfristige Trends. Das wussten wir aber schon vorher!

af-1.png

af-2.png

Ähh, ja, warum auch nicht?! Bei A&F sind Aktienkurs und Suchinteresse seit Jahren am Sinken. Eindeutige und stabile Korrelationen gibt's trotzdem nicht.

samsung-1.pngsamsung-2.png

Samsung ist interessant: Hier war die Korrelation von 2010 bis 2016 über alle Zeitfenster extrem stabil (sowohl bei steigenden als auch bei fallenden Kursen!), dann kam aber der totale Bruch. Es hätte also lange Zeit prima funktioniert und mit einem Mal überhaupt nicht mehr.

Da sich die Korrelationen schon ohne zeitliches Lag mitunter "chaotisch" verhalten, habe ich mit verschobenen Datenreihen gar nicht erst weiter gemacht. Ich vermute, dass es dabei nicht besser wird.

Ich denke, als einer von vielen weichen Faktoren kann ein Blick auf die Trenddaten von Google bestimmt nicht schaden. Zum Bau eines einfachen aber handfesten Indikators taugen sie für uns hingegen eher nicht. Soll sich die Google-KI dran abarbeiten. Vielleicht macht sie es ja bereits...

Alles anzeigen

Super Arbeit! Mega Daumen hoch!

Ich seh schon du bist fit da drin.

Vor 10 Jahren hätte ich das auch so schnell fertig gehabt, aber mittlerweile roste ich etwas ein....das ist der Nachteil wenn man Dinge irgednwann delegieren kann im Job

Samsung ist der wohl interessanteste deiner Fälle.

Eigentlich würde es reichen das Verhalten um das Top (oder Tief) rum anzusehen, als Einstiegs oder Ausstiegsindikator.

Aber da sehe ich bei Samsung beim Top 2013 keinerlei Lag, beim Top 2018 nichtmal korrelation, also bringt das nix, man hat keinen Vorsprung wenn man auf die Trends schaut.

Bei den anderen sehe ich erst recht nix. Das Hoch bei Abercrombie hätte man nicht erkannt.

Und wie du sagst, da ist kaum stabile Korrelation, also braucht man auch nicht nach dem optimalen lag zu suchen (bei Stata gabs da mal eine Routine, die automatisch nach dem besten lag maximiert, das war sehr cool...ich würds aber heute eh nicht mehr hinbekommen auf die Schnelle).

Schade.

Aber somit bestätigt sich denke ich meine These von eingangs, nicht wahr?

->

Google-Trends sind sicher ein schönes weiteres weiches Signal, leider offen für Interpretation.

Aber sie liefern keineswegs irgendeinen statistischen proof, wenn zB im Fall HB die Trends jetzt fallen.

Vorsicht, in scheinbar aussagekräftige Bilchen zu viel rein zu interpretieren!

Für Makro-Trends, vielleicht funktioniert es da besser?

Aber vielleicht auch nicht.

Ich denke das wäre irgendeinem Ökonomen aufgefallen und man hätte davon gelesen.

wp

woodpecker

Danke auch dir! Ich hab's gestern schon bigA geschrieben, ist immer wieder spannend, wenn die Leute anfangen aus dem Nähkästchen zu plaudern.

Zitat von woodpecker

1) Machine Learning ist der bessere Begriff.

Denn intelligent ist da nichts, Intelligenz kann abstahieren, übertragen, kreativ sein. Das ist bei machine learning nicht der Fall,

Zum Glück würde ich sagen, sonst hätten wir womöglich ein Problem...

Zitat von woodpecker

Charts zB sind auch selbstähnlich, da könnte man das schon mal versuchen.

Ist aber die Frage ob die lokal sind. Ich fürchte nicht.

Denn die Anleger haben Events aus der Vergangenheit im Kopf, kramen z.B. beim Corona-Crash plötzlich den Chart von der Finanzkrise raus usw.

Ich denke auch, dass sie nicht-lokal sind, einerseits wegen der Erinnerungen, Erfahrungen usw. und andererseits wegen solcher Effekte:

g222_stocks_fell.png

und "Rückkopplungen" (wenn man das so nennen darf) der Art:

- Was denken andere Marktteilnehmer?

- Was denken andere Marktteilnehmer, was ich denke?

- Was denken andere Marktteilnehmer, was ich denke, was sie denken?

usw.

-> also diese ganze Geschichte der "Erwartungen" (die auch wieder auf Erfahrungen beruhen).

Das machen wir ja selbst auch. Manchmal werden wir überrascht und manchmal nicht...

Zitat von woodpecker

Schade.

Aber somit bestätigt sich denke ich meine These von eingangs, nicht wahr?

->

Google-Trends sind sicher ein schönes weiteres weiches Signal, leider offen für Interpretation. Aber sie liefern keineswegs irgendeinen statistischen proof, wenn zB im Fall HB die Trends jetzt fallen. Vorsicht, in scheinbar aussagekräftige Bilchen zu viel rein zu interpretieren!

So ist es! Wenn da wirklich "was zu holen ist", dann wäre es schon ein dummer Zufall, wenn wir die ersten sind, denen das auffällt, erst recht nachdem es Google Trends jetzt schon deutlich länger als 10 Jahre gibt.

meine Güte , soviel geballte (mathematische) Information in ein paar Stunden

vanilla.ice , hattest du das zum Random Walk eben alles aus dem Hut gezaubert oder nur aus einem Ordner hervorgezogen.

zum Random Walk Thema

ich fand es interessant, dass man schon durch einen "Random Walk mit unabhängigen und gleichverteilten Zuwächsen" Charts zaubern kann, die man optisch kaum von echten Charts unterscheiden kann.

"geometrische brownsche Bewegung bildet auch die Grundlage des Black-Scholes-Modells zur Bewertung von Optionen" - wusste ich auch nicht.

Aber interessant an dem einfachen Modell mit den gleichverteilten Zuwächsen war, wenn man mehrmals probiert hat entstand auch mal ein Chart mit einem langfristigem ( Aufwärts-) Trend. Und das heisst ja eigentlich auch, dass langfriste Trends auch reiner Zufall sein könnten. ( natürlich nicht müssen )

Wie auch immer, egal auf welchem Gebiet , KI, Modellierung, Statistik, Korrelation , Regression, Bilanzierung, DCF, was auch immer, es gibt wohl immer Leute die einem meilenweit voraus sind, und die alles mögliche auf ihrem Gebiet auch schon gemacht haben, so dass man selbst kaum eine Chance eines Vorteils hat.

Früher hatte ich mal intensiver Bilanzen und dutzende Kennwerte studiert, hat aber ehrlich gesagt nicht viel gebracht, machen andere Leute ja auch, inzwischen kauf / verkauf ich mal dies und das eher schon "aus dem Bauch heraus" und schaue nur kurz mal drüber..

zu Charts und Fraktale, ich denke da gibt es etwas von B. Mandelbrot

Fraktale und Finanzen

Zitat von dak427

meine Güte , soviel geballte (mathematische) Information in ein paar Stunden

vanilla.ice , hattest du das zum Random Walk eben alles aus dem Hut gezaubert oder nur aus einem Ordner hervorgezogen.

Ich habe mich während meines Studiums intensiver damit beschäftigt und ein bisschen was ist noch hängen geblieben. Wenn man so will, habe ich also einen kleinen "Heimvorteil". Die Bilder habe ich fast alle von Wikipedia, das war die einfachste und schnellste Lösung. Die Grundlagen sind gerade noch so vorhanden. Die Differentialgleichungen hinschreiben oder gar damit rumrechnen könnte ich aus dem Stehgreif aber nicht mehr, da müsste ich mich erst tage- oder wohl eher wochenlang wieder einlesen und -denken.

Zitat von dak427

Aber interessant an dem einfachen Modell mit den gleichverteilten Zuwächsen war, wenn man mehrmals probiert hat entstand auch mal ein Chart mit einem langfristigem ( Aufwärts-) Trend. Und das heisst ja eigentlich auch, dass langfriste Trends auch reiner Zufall sein könnten. ( natürlich nicht müssen )

Im Normalfall modelliert man die langfristigen Trends gezielt mit rein, aber du hast recht, auch bei dem einfachen Random Walk (ohne Trendkomponente) können im Modell rein zufällig sehr langfristige Trends entstehen.

Zitat von dak427

Wie auch immer, egal auf welchem Gebiet , KI, Modellierung, Statistik, Korrelation , Regression, Bilanzierung, DCF, was auch immer, es gibt wohl immer Leute die einem meilenweit voraus sind, und die alles mögliche auf ihrem Gebiet auch schon gemacht haben, so dass man selbst kaum eine Chance eines Vorteils hat.

Früher hatte ich mal intensiver Bilanzen und dutzende Kennwerte studiert, hat aber ehrlich gesagt nicht viel gebracht, machen andere Leute ja auch, inzwischen kauf / verkauf ich mal dies und das eher schon "aus dem Bauch heraus" und schaue nur kurz mal drüber..

So viel wie ich die Mathematik hier in den letzten Wochen für Corona und andere Dinge genutzt habe, so wenig nutze ich sie bei meinen Anlageentscheidungen. Ich verwende keine technischen Indikatoren o.ä. und ich durchdringe die Bilanzen und Kennzahlen oft auch nicht in der Tiefe, wie andere das hier machen, wofür ich sie bewundere!

Auch bei mir spielt der "Bauch" eine Rolle. In meinem Depot-Thread schrieb ich dazu:

Zitat von vanilla.ice

Ich muss oft ein "Gefühl" für eine Aktie, in die ich investiere, entwickeln. Ich kann das nicht wirklich beschreiben und setze es deshalb mal in Anführungszeichen.

Ich steige in vielen Fällen auch nicht in der Tiefe in das Zahlenwerk eines Unternehmens ein [...]. Mein "Gefühl" kann manchmal fast noch wichtiger sein als die nackten Zahlen, insbesondere im Bereich der Sondersituationen.