Datensätze sind strukturierte Sammlungen von Beobachtungen, die als Grundlage für Auswertungen dienen. Qualität und Umfang der Daten beeinflussen, wie zuverlässig Modelle funktionieren und wie klar Ergebnisse ausfallen.

Ein Algorithmus ist eine festgelegte Abfolge von Rechenschritten. In der quantitativen Analyse verarbeitet ein Algorithmus Daten nach einem klaren Muster, um aus Eingaben neue Informationen zu gewinnen.

Backtesting meint das Testen von Methoden mit historischen Daten. Ziel ist es zu erkennen, wie eine Strategie in der Vergangenheit abgeschnitten hätte und welche Stärken oder Schwächen auffallen.

Volatilität beschreibt die Schwankungsbreite von Zeitreihen oder Märkten. Sie zeigt, wie stark Werte um einen Durchschnitt pendeln und hilft, Unsicherheiten in Modellen abzuschätzen.

Überanpassung tritt auf, wenn ein Modell zu exakt an vergangene Daten angepasst ist. Das führt dazu, dass Vorhersagen für neue Fälle schlechter funktionieren als erwartet.

Validierung beschreibt das Überprüfen eines Modells anhand unabhängiger Daten. Ziel ist es, die Zuverlässigkeit und Praxistauglichkeit einer Methode realistisch einzuschätzen.

Korrelation gibt an, wie stark zwei Variablen zusammenhängen. Ein hoher Wert zeigt, dass sich Werte meist gemeinsam bewegen – ein niedriger Wert spricht für Unabhängigkeit.