Koersdata op de beurs: van prijs tot handelssignaal

Waarom kan dezelfde beursdag bij twee handelssystemen tot een ander signaal leiden, terwijl beide naar dezelfde markt kijken? Omdat de koers die je op een scherm ziet maar één deel van de gegevensstroom is. Een handelssysteem werkt met een reeks waarnemingen: prijzen, tijdstippen, handelsvolume en soms ook bied- en laatprijzen. Daarna volgen keuzes over tijdsinterval, berekening en handelsregel.

Neem een aandeel dat aan het einde van de dag op €58,40 sluit. Voor een belegger is dat één duidelijk getal. Voor software is die slotkoers slechts één datapunt in een langere reeks. Het systeem kan ook bekijken hoe de koers gedurende de dag bewoog, waar het hoogste en laagste punt lagen en hoeveel stukken werden verhandeld. Pas nadat die gegevens zijn geselecteerd en bewerkt, kan er een indicator of handelssignaal ontstaan.

Welke koersdata gebruikt een handelssysteem?

Koersdata bestaat uit meer dan de laatst verhandelde prijs. Een beurs registreert ook biedingen, aanbiedingen en uitgevoerde transacties. De real-time marktdata van Euronext laat dat verschil duidelijk zien: Euronext onderscheidt pre-tradegegevens, zoals bied- en laatorders, en post-tradegegevens, zoals uitgevoerde prijzen en hoeveelheden. Voor aandelen bevat de marktdata onder meer open-, hoogste, laagste en slotkoersen.

Welke gegevens een handelsmethode daadwerkelijk gebruikt, hangt af van het doel. Een systeem dat alleen aan het einde van de handelsdag een beslissing neemt, heeft niet dezelfde datadiepte nodig als een strategie die binnen enkele seconden reageert. Meer data is daarom niet automatisch beter. De relevante vraag is of de gebruikte gegevens passen bij het tijdsinterval en de regels van de methode.

Van losse transacties naar een koersreeks

Ruwe marktgegevens komen binnen als afzonderlijke gebeurtenissen. Om ze te kunnen analyseren, worden ze meestal samengevoegd tot een vaste tijdsindeling. Dat kan een handelsdag zijn, maar ook een uur, vijf minuten of een veel korter interval.

Open, high, low en close

Een koersbar vat een gekozen periode samen met vier waarden: de openingskoers, de hoogste koers, de laagste koers en de slotkoers. Vaak worden hiervoor de Engelse termen open, high, low en close gebruikt. Dezelfde onderliggende transacties kunnen daardoor verschillende grafieken opleveren wanneer de ene analyse dagdata gebruikt en de andere bijvoorbeeld uurdata.

Dat verschil is technisch belangrijk. Een koersbeweging die op een daggrafiek nauwelijks opvalt, kan binnen een korter interval uit meerdere duidelijke bewegingen bestaan. Een indicator rekent dus niet alleen met ‘de markt’, maar met een specifieke voorstelling van die markt.

Volume en bied-laatinformatie

Naast prijzen kan een dataset handelsvolume bevatten: hoeveel effecten binnen een bepaalde periode zijn verhandeld. Ook bied- en laatprijzen kunnen worden gebruikt. Die geven informatie over de prijzen waartegen marktpartijen op dat moment willen kopen of verkopen.

Niet ieder systeem gebruikt al deze velden. Een eenvoudige methode kan uitsluitend met slotkoersen werken, terwijl een andere methode ook volume of orderboekgegevens verwerkt. Daardoor kunnen twee modellen naar hetzelfde effect kijken en toch met verschillende invoer werken.

Hoe koersdata verandert in een indicator

Een indicator is geen extra stukje marktinformatie dat los van de koers ontstaat. Het is een berekening op basis van geselecteerde gegevens. Een voortschrijdend gemiddelde gebruikt bijvoorbeeld een reeks eerdere koersen om een gemiddelde over een gekozen periode te bepalen. Andere indicatoren kunnen koersverandering, spreiding of handelsvolume bewerken.

Daarbij zijn de instellingen onderdeel van de methode. Een gemiddelde over twintig waarnemingen reageert anders dan een gemiddelde over honderd waarnemingen. Hetzelfde geldt voor de keuze tussen dag-, uur- en minutendata. Wie alleen naar de naam van een indicator kijkt, weet dus nog niet hoe het onderliggende signaal precies is berekend.

Dit verklaart ook waarom technische systemen reproduceerbaar kunnen zijn zonder identiek te zijn. Wanneer twee systemen verschillende invoer, perioden of rekenregels gebruiken, is het logisch dat hun uitkomst uiteenloopt.

Wanneer wordt een berekening een handelssignaal?

Een indicator wordt pas een handelssignaal wanneer er een beslisregel aan is gekoppeld. Een systeem kan bijvoorbeeld vastleggen dat pas actie volgt wanneer meerdere voorwaarden tegelijk zijn vervuld. De berekening beschrijft dan een toestand van de markt; de regel bepaalt wat het systeem met die toestand doet.

Dat proces kan grotendeels worden geautomatiseerd. Een AI trading bot die analyses automatisch verwerkt kan bijvoorbeeld gegevens inlezen, berekeningen uitvoeren en op basis van vooraf bepaalde of aangeleerde beslislogica een uitkomst produceren. Automatisering verandert echter niet de basisvolgorde: data komt eerst, daarna de analyse en pas vervolgens de beslissing.

Een bruikbare manier om de keten te bekijken is daarom: marktgebeurtenis, ruwe data, tijdsindeling, berekening, beslisregel en uiteindelijk signaal. Bij iedere stap worden keuzes gemaakt. Wie een handelssignaal wil begrijpen, moet dus niet alleen naar het eindresultaat kijken, maar ook naar de weg ernaartoe.

Wat voegt AI toe aan koersdata?

Kunstmatige intelligentie kan grotere aantallen variabelen tegelijk verwerken en verbanden onderzoeken die met een paar handmatig gekozen regels moeilijker te beschrijven zijn. Een model kan bijvoorbeeld combinaties van koersbewegingen, volatiliteit en volume onderzoeken. Dat maakt de verwerking complexer, maar de kwaliteit van de invoer blijft bepalend voor wat het model kan analyseren.

Bij AI gebruiken bij beleggen en handelen op de beurs komt dezelfde technische basis terug: AI kan koersgegevens en indicatoren verwerken en daar signalen uit afleiden, maar het systeem beschikt niet over zekerheid over de volgende marktbeweging.

AI verandert dus vooral de manier waarop patronen en relaties uit gegevens worden gehaald. Het maakt van onvolledige, vertraagde of verkeerd geïnterpreteerde data geen betrouwbare informatie. Een geavanceerd model kan hooguit zo zorgvuldig werken als de data en de methode waarmee het wordt gevoed.

Waar kan de dataketen vertekenen?

Een eerste aandachtspunt is timing. Real-time gegevens, vertraagde gegevens en slotkoersen zijn niet uitwisselbaar. Voor een methode die één keer per dag na de slotkoers rekent, hoeft een kleine vertraging tijdens de handelsdag weinig uit te maken. Voor een intradaystrategie kan dezelfde vertraging de berekening wel veranderen.

Ook ontbrekende of verkeerd gesorteerde waarnemingen kunnen een probleem vormen. Een computer behandelt data letterlijk. Als een tijdstempel verkeerd staat of een reeks een gat bevat, kan een berekening toch keurig worden uitgevoerd terwijl de invoer niet klopt.

Bij historische analyse komt daar nog een extra vraag bij: was alle gebruikte informatie op het betreffende moment werkelijk beschikbaar? Wanneer een test onbedoeld gegevens gebruikt die pas later bekend werden, ontstaat een te gunstig beeld van wat een systeem destijds had kunnen weten. Dit staat bekend als look-ahead bias.

De algemene regel is eenvoudig: een handelssysteem moet niet alleen correcte formules hebben, maar ook een consistente dataketen. De herkomst, timing, frequentie en bewerking van de gegevens zijn onderdeel van de methode.

Hoe controleer je wat achter een signaal zit?

Een handelssignaal zegt op zichzelf weinig over de technische onderbouwing. Om de werking beter te begrijpen, zijn een paar vragen nuttiger dan alleen kijken naar koop of verkoop. Welke marktgegevens worden gebruikt? Over welk tijdsinterval worden ze samengevoegd? Welke indicatoren of modelvariabelen worden daarvan afgeleid? En welke regel zet die analyse om in een signaal?

Ook de uitvoerfrequentie is belangrijk. Een model dat op dagkoersen is ontworpen, moet niet worden beoordeeld alsof het continu op iedere koersbeweging reageert. Anders worden eigenschappen aan het systeem toegeschreven die niet bij de gebruikte data passen.

Voor een gebruiker hoeft de volledige broncode niet zichtbaar te zijn om dit onderscheid te kunnen maken. Wel moet duidelijk zijn of een methode hoofdzakelijk met dagdata, intradaydata, prijsinformatie, volume of andere marktgegevens werkt. Dat bepaalt mede wat een signaal betekent en wanneer het kan veranderen.

Koersdata geeft structuur, geen zekerheid

Koersdata maakt marktanalyse meetbaar. De gegevens kunnen worden geordend, omgerekend tot indicatoren en volgens vaste regels worden vertaald naar een handelssignaal. Daardoor kan een methode consequenter en beter controleerbaar worden uitgevoerd dan wanneer iedere beslissing volledig los van eerdere regels wordt genomen.

De belangrijkste beperking blijft echter dezelfde: uit een nauwkeurige dataketen volgt niet automatisch een nauwkeurige voorspelling. Koersdata beschrijft wat in de markt is gebeurd en, afhankelijk van het datatype, wat er op dat moment in het orderboek staat. Een indicator, algoritme of AI-model kan die informatie verwerken, maar kan daarmee de onzekerheid over toekomstige koersen niet wegnemen.