Ich müsste zuweit ausholen um das breit zu erklären da du keine spezifische Frage gestellt hast...
Aber kurz und knapp: stock market Kurse sind
nicht rein zufällig. Ein rein zufälliges Signal wäre z.B. ein stationärer white noise Prozess. White noise sieht so aus:
https://upload.wikimedia.org/wikipedia/commons/c/c1/White_noise.svg
White noise ist in der Tat "fully random" und daher nicht vorhersagbar. In einem white noise Prozess steckt auch keine Information, keine memory, etc. Es ist quasi ein "sinnloses" Signal. Wobei "sinnlos" auch nicht in jedem Kontext stimmt; Tageslicht entspricht in der spektralen Zusammensetzung z.B. white noise, daher auch der Name.
Wie du weißt sind stock market Zeitreihen etwas völlig anderes. Stock market time-series sind fast immer non-stationary, d.h. insbesondere der Mittelwert ändert sich laufend signifikant, dazu kann sich die variabilität bzw. Varianz ändern etc.
Stock market time-series bestehen in der Regel aus aneinandergereihten trends. D.h. sie haben mitunter eine sehr hohe Autokorrelation etc pp. U.a. deshalb lassen sich hier eher Vorhersagen machen da ihre Entwicklung nicht rein zufällig ist. Auch Market Analysten nutzen das, die nutzen je nach Anwendung verschiedene Modelle. Aber ich will hier gar große weitere Diskussion starten da sicher 80% des Threads eh gegen mich wären. Also nicht falsch verstehen, jeder hat seine Meinung.
Es ist auch richtig dass stock market vorhersagen sehr schwer sind und es darauf ankommt was genau wie wo man vorhersagen will, man müsste sich also den spezifischen Einzelfall ansehen und DANN weiter diskutieren. So fallen wir nur in eine allgemeine philosophische Diskussion in der jeder behaupten kann was er will. Wenn müsste man ein konkretes Problem diskutieren. Dann könnte man schauen was man machen kann, so wie ich es anhand deiner Daten eine oder zwei Seiten zuvor gezeigt habe.
Ich bin aber auch kein Experte für prediction von stock market Zeitreihen. Ich kenne da nur nen bisschen da es Überlappungen gibt mit dem was ich mache. Aber speziell für stock market gibt es Leute die viel mehr Ahnung haben als ich. Es gibt auch viel komplexere Modelle als das AR Modell jenes ich beispielhaft für deine Daten genutzt habe. Das AR ein ganz "billiges" Modell. Und wenn man bedenkt dass ich dazu nur 11 Datenpunkte hatte und den 12 trotzdem genau vorhergesagt habe war das wie gesagt schon super. Und nein, das war kein Zufallstreffer, das lag daran da deine Daten einen nahezu linearen Trend aufweisen, den siehst du wenn du die Daten mal als Kurs plottest. Hier hatte das AR Model also "einfaches" Spiel. Hinter dem AR steckt eine lineare Regression die nur time lags der eigenen time-series nutzt. D.h. es nutzt eine lineare Regression ohne unabhängige Variable als Prädkiktor, es nimmt stattdessen die eigenen Werte (gelaggten) Werte der Vergangenheit als Prädiktor. Daher "autoregression" – lineare Regression anhand der eigenen Vergangenheitswerte. Und warum sind die eigenen Vergangenheitswerte ein Stück weit prädiktiv? Weil stock market Kurse eben häufig klare Trends aufweisen und nicht random ala white noise sind.