24 juni 2021 23:30

Voert test uit

Wat is een run-test?

Een run-test is een statistische procedure die onderzoekt of een reeks gegevens willekeurig voorkomt uit een specifieke distributie. De run-test analyseert het voorkomen van gelijkaardige gebeurtenissen die worden gescheiden door gebeurtenissen die verschillend zijn.

Bij beleggen kan een looptest belangrijk zijn voor beleggers om te bepalen of de dataset die ze gebruiken willekeurig wordt gegenereerd of wordt beïnvloed door een onderliggende variabele. Handelaren die zich richten op technische analyse, kunnen een run-test gebruiken om de prijsactie van een effect te analyseren.

Belangrijkste leerpunten

  • Een looptest, ook wel bekend als de Wald-Wolfowitz-looptest, is ontwikkeld door wiskundigen Abraham Wald en Jacob Wolfowitz.
  • Een looptest is een statistische analyse die helpt bij het bepalen van de willekeurigheid van gegevens door variabelen te onthullen die van invloed kunnen zijn op gegevenspatronen.
  • Technische handelaren kunnen een run-test gebruiken om statistische trends te analyseren en winstgevende handelsmogelijkheden te ontdekken.
  • Een belegger die bijvoorbeeld geïnteresseerd is in het analyseren van de prijsbeweging van een bepaald aandeel, kan een looptest uitvoeren om inzicht te krijgen in mogelijke toekomstige prijsacties van dat aandeel.

Een run-test begrijpen

Een run is een reeks stijgende of dalende waarden, vaak weergegeven op een grafiek door plus (+) of min (-) symbolen. In statistieken helpt een run-test de willekeur van gegevens te bepalen door variabelen te ontdekken die van invloed kunnen zijn op gegevenspatronen.

Een lijst met echt willekeurige getallen van één cijfer zou bijvoorbeeld maar een paar gevallen moeten hebben waarin een reeks getallen numeriek oploopt. In veel gevallen is het echter moeilijk om de willekeurigheid van gegevens te beweren waarin een reeks gegevens duizenden reeksen bevat. De run-test is dus gemaakt als een objectieve methode om willekeur te bepalen.

Typen tests uitvoeren

De looptest is een verkorte versie van de volledige naam: de Wald-Wolfowitz runs test, zo genoemd naar wiskundigen Abraham Wald en Jacob Wolfowitz. De Wald-Wolfowitz-test is een niet- parametrische statistische test, wat betekent dat de gegevens die worden geanalyseerd niet aan bepaalde aannames of parameters hoeven te voldoen. Met de Wald-Wolfowitz-test kan de hypothese worden onderzocht dat de variabelen in de datastring onderling onafhankelijk zijn.

Sommige statistici zijn van mening dat een ander type run-test – de Kolmogorov-Smirnov-test – een beter hulpmiddel is dan de Wald-Wolfowitz-test voor het detecteren van verschillen tussen distributies. De Kolmogorov-Smirnov-test is een soort goodness-of-fit-test die aantoont of de te testen steekproefgegevens normale distributiepatronen vertegenwoordigen of dat de gegevens op de een of andere manier scheef zijn. De test stelt de discrepantie vast tussen de waarden in de steekproefgegevens en het normale distributiemodel.

Voordelen van een looptest

Het testmodel voor runs is belangrijk om te bepalen of een uitkomst van een studie echt willekeurig is, vooral in gevallen waarin willekeurige versus opeenvolgende gegevens implicaties hebben voor latere theorieën en analyses. Een looptest kan een waardevol hulpmiddel zijn voor beleggers die technische analyse gebruiken om hun handelsbeslissingen te nemen. Deze handelaren analyseren statistische trends, zoals prijsbewegingen en volume, om potentieel winstgevende handelsmogelijkheden te ontdekken. Het is belangrijk voor deze handelaren om de onderliggende variabelen te begrijpen die van invloed kunnen zijn op de prijsbeweging en een looptest kan hierbij helpen.

Twee krachtige manieren waarop handelaren een looptest kunnen gebruiken, zijn onder meer:

  1. Het testen van de willekeurigheid van de verdeling, door de gegevens in de gegeven volgorde te nemen en de gegevens groter dan de mediaan met een plus (+) te markeren, en met een min (-) de gegevens die kleiner zijn dan de mediaan (getallen die gelijk zijn aan de mediaan worden weggelaten. )
  2. Testen of een functie goed past bij een dataset, door de data die de functiewaarde overschrijden te markeren met + en de andere data met . Voor dit gebruik is de looptest, die rekening houdt met de borden maar niet met de afstanden, complementair aan de chikwadraattest, die wel rekening houdt met de afstanden maar niet met de borden.