Kapitel 14. Finanzielle Anwendungen
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Die Finanzmärkte sind der Großvater aller Zeitreihendaten. Wenn du für proprietäre Handelsdaten an einer Hightech-Börse bezahlst, erhältst du Datenfluten im Terabyte-Bereich, deren Verarbeitung selbst mit Hochleistungsrechnern und peinlich paralleler Verarbeitung Tage dauern kann.
Hochfrequenzhändler gehören zu den neuesten und berüchtigtsten Mitgliedern der Finanzwelt. Sie handeln mit Informationen und Erkenntnissen, die sich aus der Zeitreihenanalyse auf Mikrosekunden-Ebene ergeben. Auf der anderen Seite sind traditionelle Handelsunternehmen, die längerfristige Zeitreihen über Stunden, Tage oder sogar Monate betrachten, nach wie vor erfolgreich an den Märkten tätig. Dies zeigt, dass die Zeitreihenanalyse von Finanzdaten auf unzählige erfolgreiche Arten und auf Zeitskalen von Millisekunden bis zu Monaten durchgeführt werden kann.
Hinweis
Peinlich parallel beschreibt Datenverarbeitungsaufgaben, bei denen die Ergebnisse der Verarbeitung eines Datensegments in keiner Weise von den Werten eines anderen Datensegments abhängig sind. In solchen Fällen ist es peinlich einfach, Datenanalyseaufgaben so umzuwandeln, dass sie parallel und nicht nacheinander ausgeführt werden, um die Vorteile von Multicore- oder Multimaschinen-Rechnern zu nutzen.
Nehmen wir zum Beispiel die Aufgabe, den Tagesdurchschnitt der minütlichen Renditen ...
Get Praktische Zeitreihenanalyse 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.
