← Zur Wissensbibliothek · Datenanalyse & Datenqualität
Wissen
Das Timeframe-Problem: 15m, 30m, 1H oder 4H?
15 Minuten, eine Stunde oder vier Stunden sind unterschiedliche Messraster. Ihre Grenzen beeinflussen die Daten, bevor irgendein Modell damit arbeitet.
Aggregation verändert die Beobachtung
Eine OHLC-Kerze speichert Eröffnung, Hoch, Tief und Schluss eines definierten Intervalls. Die Reihenfolge der Bewegungen innerhalb dieses Intervalls geht dabei verloren. Zwei unterschiedliche Preiswege können dieselbe Kerze ergeben. Eine gröbere Darstellung ist deshalb keine verlustfreie Zusammenfassung aller Analysefragen.
Auch der Startpunkt gehört zur Definition
Ein Stundenraster ab 9:00 ordnet Beobachtungen anders zu als eines ab 9:30. Liegt eine Veränderung nahe einer Grenze, kann sie in verschiedenen Kerzen erscheinen. Zusätzlich ist festzulegen, ob ein Zeitstempel genau auf der Grenze zum linken oder rechten Intervall gehört.
Die pandas-Dokumentation macht diese Entscheidungen explizit: closed steuert die eingeschlossene Intervallseite, label die Beschriftung; origin und offset beeinflussen bei passenden festen Frequenzen die Verankerung. Eine rechts beschriftete Kerze enthält nicht allein deshalb ihren rechten Grenzpunkt. Bei origin muss die Zeitzone zum Index passen.
Sessions vor dem Resampling klären
Ein Raster sollte mit dem vorgesehenen Handelskalender abgeglichen werden. Feiertage, verkürzte Sitzungen und Sommerzeit lassen sich nicht zuverlässig durch eine feste Zahl von Kerzen pro Kalendertag ersetzen. Soll ein Intervall eine Sitzung überschreiten, muss das eine bewusste Annahme sein.
Fehlende Daten sind keine ruhigen Märkte
Eine leere Kerze kann fehlende Beobachtungen bedeuten. Ein fortgeschriebener letzter Preis erzeugt dagegen den Eindruck einer beobachteten Nullbewegung. Welche Behandlung sinnvoll ist, hängt von der Fragestellung ab und sollte im Datensatz sichtbar bleiben.
- Zeitstempel sortieren, Duplikate und Lücken prüfen.
- Session, Zeitzone, Intervallbreite, Startpunkt und Grenzkonvention festhalten.
- OHLC-Werte aus denselben Grunddaten bilden und Extremwerte auf Plausibilität prüfen.
Parameter verändern und Unterschiede erklären
Für eine Sensitivitätsprüfung können benachbarte Raster und verschobene Startpunkte verglichen werden. Unterschiede sind zunächst ein Befund über die Abhängigkeit von Annahmen. Sie beweisen weder Robustheit noch Unbrauchbarkeit ohne Bezug zur Forschungsfrage.
Es gibt hier keine Empfehlung für das beste Tradingintervall. Der sinnvolle Zeitmaßstab ergibt sich aus dem untersuchten Vorgang, der verfügbaren Datenqualität und der Auswertungsmethode. Ein schönerer historischer Verlauf reicht als Begründung nicht aus.
Quellen und Einordnung
Dieser Beitrag erklärt Methoden und ihre Grenzen. Er berichtet keine eigene empirische Untersuchung. Quellenstand: 28. September 2026.
pandas development team: pandas.DataFrame.resample (3.0.6 documentation)