Wie der Trend für Steam-Artikel berechnet wird

Einführung

Dieser Artikel erklärt die Grundlagen, damit Sie entscheiden können, ob Sie den Trend für Ihre eigenen Zwecke nutzen möchten.

Die Grundlagen

Zuerst müssen wir verstehen, was unter "Trend" zu verstehen ist. Dazu betrachten wir etwas, das als lineare Regression bezeichnet wird. Bei der linearen Regression versuchen wir, eine Linie zu finden, die am besten zu den Datenpunkten passt. Basierend auf dieser Linie können wir sehen, ob der beobachtete Artikel im Preis für einen bestimmten Zeitraum steigt oder fällt. Betrachten Sie das folgende Beispiel:

Wenn wir dies auf den Preisgraphen eines Steam-Artikels übertragen, würden wir sagen, dass die x-Achse die Zeit und die y-Achse den Preis darstellt.

Ein einzelner Punkt auf dem Diagramm würde den Preis eines Artikels darstellen, zu dem er zu einem bestimmten Zeitpunkt verkauft wurde (später zeigen wir, dass dies tatsächlich mehr als ein einzelner Artikel sein könnte). Die blaue Linie ist das, was wir suchen. Sie repräsentiert den Preistrend des Artikels.

Besonderheiten von Steam

Wenn wir einen Artikel auf Steam öffnen, können wir die Preishistorie des Artikels sehen, wie im folgenden Bild dargestellt:

• Beachten Sie, dass jeder Punkt auf Steam eine unterschiedliche Anzahl verkaufter Artikel haben kann. Dies liegt daran, dass Steam alle Marktransaktionen innerhalb einer Stunde gruppiert und dann den Medianpreis für diese Stunde berechnet. Dies ist wichtig zu verstehen, da dies bedeutet, dass das Preishistoriendiagramm auf Steam keine 1:1-Darstellung der tatsächlichen Preishistorie des Artikels ist. Das Diagramm zeigt die Transaktionen so, als ob jede von ihnen die Menge 1 hätte.

• Aufgrund von Betrügern und Personen, die Geld zwischen Accounts überweisen, kann das Preishistoriendiagramm einige Ausreißer aufweisen. Das bedeutet, dass einige Punkte deutlich höher oder niedriger sein können als der Rest der Punkte. Dies ist wichtig zu verstehen, da dies bedeutet, dass der Trend durch diese Ausreißer beeinflusst werden kann.

  Offensichtlich wollen wir diese Ausreißer bei der Berechnung des Trends nicht berücksichtigen und müssen sie herausfiltern. (Siehe Bild unten)

Berechnung des Trends

Jetzt, da wir die Grundlagen und die Besonderheiten von Steam verstehen, können wir den Trend berechnen. Dafür nehmen wir zunächst die Preishistorie des Artikels von Steam für einen bestimmten Zeitraum (sagen wir die letzten 24 Stunden) und formatieren sie in folgendem Format:

1[
2  { date: 1708902000000, price: 48.724, amount: 1 },
3  { date: 1708905600000, price: 84.237, amount: 2 },
4  { date: 1708909200000, price: 47.906, amount: 1 },
5  { date: 1708930800000, price: 48.724, amount: 2 },
6  { date: 1708934400000, price: 21642.498, amount: 1 },
7  { date: 1708938000000, price: 83.425, amount: 1 },
8  { date: 1708945200000, price: 62.989, amount: 1 },
9  { date: 1708959600000, price: 84.907, amount: 3 },
10  { date: 1708970400000, price: 84.253, amount: 1 },
11  { date: 1708977600000, price: 61.371, amount: 1 },
12]

Zuerst filtern wir Zeile 6 heraus, da sie ein Ausreißer ist. Dann berechnen wir den Trend mit gewichteter linearer Regression (wir verwenden die Menge jeder Transaktion als Gewicht). Auf der x-Achse zählen wir von 0 bis n-1, wobei n die Anzahl der Transaktionen ist. Auf der y-Achse haben wir den Preis der Transaktion. Dies führt zu folgender linearer Regression:

1{
2  equation: [ 0.6264977099236582, 63.62731755725193 ],
3  points: [
4    [ 0, 63.62731755725193 ],
5    [ 1, 64.25381526717558 ],
6    [ 2, 64.88031297709924 ],
7    [ 3, 65.5068106870229 ],
8    [ 4, 66.13330839694656 ],
9    [ 5, 66.75980610687022 ],
10    [ 6, 67.38630381679388 ],
11    [ 7, 68.01280152671754 ],
12    [ 8, 68.6392992366412 ]
13  ],
14  string: 'y = 0.63x + 63.63'
15}

Jetzt haben wir zwei Optionen, welche Informationen wir dem API-Verbraucher weitergeben.

• Die Gleichung zurückgeben ([ 0.6264977099236582, 63.62731755725193 ]). Der erste Wert wird als Steigung bezeichnet und zeigt den Anstieg oder Abfall des Preises (x > 0 bedeutet Anstieg, x < 0 Abfall). Der zweite Wert wird als y-Achsenabschnitt bezeichnet und zeigt den Preis zu Beginn des Zeitraums.
• Den letzten Punkt der resultierenden linearen Regression nehmen, durch den ersten Punkt teilen und den prozentualen Anstieg oder Abfall zurückgeben. (In diesem Fall wäre das 68.63 / 63.62 = 1.0787) Das bedeutet, dass der Preis in den letzten 24 Stunden um etwa 7.87% gestiegen ist.

Fazit

Dieser Artikel erklärte die Grundlagen der Trendberechnung für Steam-Artikel. Es werden nur die Grundlagen behandelt und nicht alle Sonderfälle berücksichtigt. Fühlen Sie sich frei, zu kommentieren und Fragen zu stellen, wenn Sie welche haben, auf unserem Discord-Server.