Astrologische Daten als Prognosefaktoren für EUR/USD-Kurse testen

Zusammenfassung

Der Artikel untersucht, ob Planetenpositionen, Mondphasen, Sonnenaktivität und Planetenaspekte helfen können, EUR/USD-Bewegungen vorherzusagen. Er beschreibt, wie tägliche astronomische Daten erhoben, mit der Markthistorie abgeglichen und mithilfe von Korrelationsanalysen sowie Regressions- und Klassifikationsmodellen ausgewertet werden. Die angegebenen Ergebnisse sind schwach: Die Regression erklärt nur wenig von den künftigen Kursen, verzögerte Kursinformationen schneiden besser ab als Planetenvariablen, und die Klassifikation der Richtung liegt nur knapp über dem Zufall.

Der Autor kommt zu dem Schluss, dass die getesteten astronomischen Eingaben keine nützliche Prognosekraft zeigten, und räumt ein, dass die Analyse nicht alle Gann-bezogenen Merkmale prüft. Die Schlussfolgerung ist im Rahmen des Studiendesigns zu lesen: Der Auszug beschreibt einen bestimmten Datenzeitraum, eine bestimmte Merkmalskonstruktion und einen bestimmten Modellierungsansatz und belegt nicht, dass alternative Spezifikationen zum selben Ergebnis führen würden. Dennoch zeigt er, wie sich eine ungewöhnliche Markthypothese quantitativ untersuchen und ein negatives Ergebnis berichten lässt, statt sich auf anekdotische Korrelationen zu verlassen.

Kernaussagen

• Die Studie kombiniert astronomische Beobachtungen mit der EUR/USD-Historie, um vermutete Zusammenhänge zwischen Himmelszyklen und Marktpreisen zu prüfen.
• Sie untersucht Korrelationen und bewertet den Prognosewert mithilfe von Regression und Klassifikation.
• Die berichtete Regressionsleistung ist schwach; frühere Kursinformationen sind wichtiger als Planetenpositionen.
• Der berichtete Richtungs-Klassifikator schneidet nur geringfügig besser ab als der Zufall.
• Die Ergebnisse gelten für die getesteten Merkmale und den Modellierungsansatz; andere von Gann abgeleitete Eingaben wurden nicht untersucht.

Schlagwörter

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.