Bitcoin

[maki]

@Marco13

Das ist ja schon eine Aggregation, die man irgendwie rechtfertigen müßte. Wenn dort auf der verlinkten Seite von „open/close“ die Rede ist, ist das ja mindestens eine Tages-Aggregation (könnte auch länger sein), und flapsig gesagt ist das einzige, was dann über einen LineChart hinausgeht gerade die senkrechte Linie, die ~„die Volatilität an diesem Tag“ beschreibt.

Die Rechtfertigung fuer die sog. OHCL Werte ist wie sie interpretiert werden.
Investopedia ist nett fuer einen kurzen Ueberblick, aber sehr tief geht es da nicht.
Als Alternative zur Candlesticks gibt es ja die OHCL Bars.

Die „senkrechte Linie“ ist nicht der einzige Unterschied und es geht gar nicht um Volatilität dabei.
OHCL oder Candlesticks wenn man versuchen moechte rauszulesen wie die interaktion zwischen Kaeufern und Verkaeufern verlief, da ist es nuetzlich zu sehen wo der open, das low und der close war um das dann zu beurteilen (versuchen). Interessanterweise sind viele nuetzliche Details in den echten extremen zu finden, aber auch dort wo der Preis oeffnet und schliesst.
Man sieht das recht schnell dass das meiste Volumen (>85%) in den ersten und letzten 30 Minuten einer Session stattfinden, speziell die allerletzte Minute ist meist da wo am meisten passiert.
Hier mal ein ganz typisches Beispiel, SP500 Futures, traden 23 Stunden am Tag:
https://i.imgur.com/L4Forlj.png
wenn du unten auf das Volumen guckst (rote und gruene Balken), erkennt man eigentlich sehr deutlich wann der Markt oeffnet (9:30) und wann er schliesst (16:00).
Mit dem open und close kann ich die jetztige Kerze leicht in Relation zu der vorherigen setzen (also zu deren high/low/open/close).

Kurz: Linecharts nimmt man wenn die Praezision egal ist oder man nicht vorhat TA zu betreiben bzw. man auf viele Werte verzichten will. Fuer Durchschnittswerte nimmt man zB. MA in der einen anderen Form in charts. BoxPlots habe ich genutzt um die „seasonality“ der Wochentage darzustellen, weil da die Praezision nicht so wichtig war und es um Mittelwerte ging, da macht es auch keinen Sinn Stimmung bzw. interaktionen zwischen Kaeufern und Verkaeufern zu untersuchen.

@Marco13

Deswegen hat mich auch gewundert, dass z.B. bei der „ta4j“-Lib diese Aggregation schon festgetackert zu sein scheint, und es da von vornherein nur eine BarSeries gibt(inklusive solcher Spezialsachen wie Bar#isBullish… na gut - ist schon klar, dass das auf die Domäne ausgerichtet ist - mit Generizität macht man sich nur das Leben schwer… ).

Ja das ist eigentlich die Norm in diesem Bereich, und generisch wollten die das sowieso nicht loesen, wozu auch wenn es um Assetpreise geht?
Genaugenommen machen die meisten libs IMO den „Fehler“ floats einzusetzen, einige Datenlieferanten allerdings nutzten ints und dann sowas wie einen Faktor um dann den Preis zur Darstellung anzupassen.
So naiv das "isBullish/isBearish auch sein mag, es zeigt worum es dabei geht, den Versuch zu interpretieren was da passiert ist.

@Marco13

Deswegen war die Frage auf TA ausgerichtet, und eben nicht auf „TA, wo man noch einen Haufen Weltwissen mit reinstecken muss, damit es funktioniert“, sondern auf das, was man mit „dummer, domänen-unspezifischer Statistik“ aus einer großen Datenbasis ableiten könnte. Ich suche doch nur eine Möglichket, ohne Arbeit schnell reich zu werden - ist das zu viel verlangt?!?

Das ist ganz einfach: Kaufe das was hoch gehen wird, verkaufe das was runtergehen wird, nicht umgekehrt!!!

Ansonsten hat Python und R einen riesen Vorsprung was Timeseries Analyse betrifft, scheint wohl einfacher zu implemetieren zu sein in dynamischen Sprachen , also Python pandas/dataframes fuer Java scheint es die eine oder andre zu geben aber keine kommt auch nur annaeherend an echte Dataframes ran: https://medium.com/@thijser/doing-cool-data-science-in-java-how-3-dataframe-libraries-stack-up-5e6ccb7b437