Kainz, C. (2009). Evaluation of interactive visualization methods to compare multivariate heterogeneous time series [Diploma Thesis, Technische Universität Wien]. reposiTUm. https://resolver.obvsg.at/urn:nbn:at:at-ubtuw:1-31136
information visualization; stock market; comparative study
en
Abstract:
Diese Diplomarbeit untersucht verschiedene Methoden zum Vergleich multivariater Zeitreihen für den Anwendungsbereich Aktienmärkte. Die Daten werden in der Regel durch Nebeneinanderlegung oder durch Überlagerung verglichen. Aber schon eine ausreichend große Differenz zwischen den Preisen kann selbst einen recht einfachen Vergleich erschweren.<br />Börsendaten sind nicht nur auf Aktien beschränkt. Sie umfassen auch Aktien (Markt-) Indizes wie den Dow Jones und NASDAQ. Aktienindizes besitzen eine eigene proprietäre Einheit, die der Einheit einer Aktie verschieden ist. Zeitreihen, die verschiedenen Einheiten haben werden auch als heterogen bezeichnet.<br />Heterogene Daten werden oft durch Überlagerung mittels mehreren y-Achsen verglichen. Aber in den meisten Fällen ist die Anordnung der Achsen völlig willkürlich und Vergleiche sind oft irreführend. Jacques Bertin, ein Pionier im Bereich der Visualisierung, hat dieses Problem studiert.<br />Ein Vorschlag ist, die Werte zu indizieren. Alle Werte werden entsprechend der prozentualen Veränderung bezogen auf den Basispunkt umgewandelt.<br />Der erste Teil der Forschung beschäftigt sich mit der Identifikation von relevanten Methoden zum Vergleich von multivariaten Zeitreihen. Der Forschungsschwerpunkt ist die Evaluierung der Methode zum Vergleichen, welche auf einer Indizierung basiert. Ein weiterer wichtiger Forschungsteil ist die Untersuchung der verwendeten Skala einer Achse.<br />Es werden die Unterschiede zwischen linearen und logarithmischen Skalen und deren Auswirkungen auf die Performance der Anwendungen analysiert.<br />Der wichtigste Teil dieser Arbeit ist die vergleichende Studie über drei Methoden (Visualisierungs-Typen) zum visuellen Vergleich multivariater Zeitreihen. Die drei getesteten Methoden sind Nebeneinanderlegung, Überlagerung und Indexierung. 24 Probanden nahmen an der Studie teil.<br />Jeder Teilnehmer mussten 14 Aufgaben für jede der drei Visualisierung-Typen ausführen. Die benötigte Zeit und die Richtigkeit wurden für jede Aufgabe gemes-sen und später für statistische Analysen verwendet.<br />Die vorliegende Arbeit präsentiert aktuelle Forschungsthemen zu weiteren geeigneten Visualisierungen für visuelle Vergleiche. Der begleitende Prototyp zu dieser Arbeit umfasst die Darstellung von üblichen Aktienmarkt Visualisierungen wie Liniendiagramme, OHLC-Diagrammen und Candlestick-Diagrammen. Simple Vergleichsmethoden wie Nebeneinanderstellung und Überlagerung sind verfügbar. Eine fortgeschrittene Methode zum Verglei-chen basierend auf Indizierung wurde ebenfalls implementiert.<br />Die Usability-Test Ergebnisse stützen die Annahme, dass die Indizierungs-Methode es dem Benutzer ermöglicht Vergleiche mit sehr viel weniger Fehlern bei der Schätzung von Werten durchzuführen. Die benötigte Zeit der Aufgabe wird dadurch nicht signifikant beeinflusst.<br />Die freie Wahl des Indexierungspunktes macht Vergleiche für einen bestimmten Zeitraum effizienter und liefert genauere Ergebnisse. Eine Post-Test-Umfrage ergab, dass die Mehrheit der Teilnehmer die Indizierungs-Methode gegenüber den beiden anderen Visualisierungs-Typen bevorzugt. Die Testergebnisse für die Nutzung der verschiedenen Skalen zeigen, dass die Aufgaben schneller abgeschlossen wurden wenn logarithmischen Skalen verwendet wurden. Die Richtigkeit war nicht signifikant unterschiedlich zwischen linearen und logarithmischen Skalen.<br />
de
This master thesis explores various comparison methods for multivariate time series in the application area of stock markets. The data is usually compared by juxtaposition or by superimposition. But even a large enough difference between the price ranges can make a simple comparison of the data difficult.<br />Stock market data is not limited to stocks. It also includes stock (market) indices such as the Dow Jones and NASDAQ. Stock indices have their own proprietary unit, which is different to the unit of a stock.<br />Time series which have different units are also called heterogeneous data.<br />To compare heterogeneous data by superimposition multiple y-axes are often used. But in most cases the arrangement of the axes makes comparisons between different variables completely arbitrary and comparisons are often misleading. The visualization pioneer Jacques Bertin has studied this problem. One suggestion is to index the values, which transforms all data into values which reflect the percent change compared to an indexing point.<br />The first part of the research is concerned with the identification of relevant comparison methods for multivariate time series. The major part of the research deals with the evaluation of an advanced comparison method based on indexing. Another important part is the investigation of the importance of the used axis scale. Differences between linear and logarithmic scale are analyzed for effects on user performance.<br />The major part of this work is a comparative study about three visual comparison methods (visualization types) for multivariate time series.<br />The three tested comparison methods are juxtaposition, superimposition and indexing. 24 test persons participated in the study. Each participant had to complete 14 tasks for each one of the three visualization types. The task completion time and the task correctness for every task were measured and later used for statistical analyses.<br />This work further presents state of the art research about other visualizations suited for visual comparison tasks. The prototype application incorporates several common stock market visualizations such as line charts, OHLC charts and candlestick charts. Basic comparison methods like juxtaposition and superimposition are available. A more advanced comparison method based on indexing was implemented. The usability test results support the assumption that the indexing method enables the user to perform comparison tasks with much less estimation errors. The task completion time is not significantly different. The free selection of the indexing point makes comparisons for a certain time period more effective and delivers more precise results. A post-test survey showed that the majority of the participants favor the indexing method over the two other visualization types. The test results for the usage of different scales indicate that tasks were faster completed when using logarithmic scales. The task correctness rate was not significantly different between linear and logarithmic scales.