Diskussion zum Artikel "Anwendung von OLAP im Handel (Teil 1): Online-Analyse multidimensionaler Daten"

 

Neuer Artikel Anwendung von OLAP im Handel (Teil 1): Online-Analyse multidimensionaler Daten :

Der Artikel beschreibt, wie man einen Rahmen für die Online-Analyse von multidimensionalen Daten (OLAP) schafft, wie man diesen in MQL implementiert und wie man diese Analyse in der MetaTrader-Umgebung am Beispiel der Verarbeitung der Historie des Handelskontos anwendet.

Händler müssen oft riesige Datenmengen analysieren. Dazu gehören oft Zahlen, Kurse, Indikatorwerte und Handelsberichte. Aufgrund der Vielzahl von Parametern und Bedingungen, von denen diese Zahlen abhängen, betrachten wir sie in Teilen und betrachten den gesamten Prozess aus verschiedenen Perspektiven. Die gesamte Informationsmenge bildet eine Art virtuellen Hyperwürfel, in dem jeder Parameter seine eigene Dimension definiert, die senkrecht zum Rest steht. Solche Hyperwürfel können mit der gängigen OLAP ( Online Analytical Processing) Technologie verarbeitet und analysiert werden.

Das Wort "online" im Annäherungsnamen bezieht sich nicht auf das Internet, sondern bedeutet Schnelligkeit der Ergebnisse. Das Funktionsprinzip impliziert die Vorberechnung der Zellen des Hyperwürfels, woraufhin Sie schnell jeden beliebigen Querschnitt des Würfels in visueller Form extrahieren und betrachten können. Dies ist vergleichbar mit dem Optimierungsprozess in MetaTrader: Der Tester berechnet zunächst Handelsvarianten (die sehr lange dauern können, d.h. nicht zeitnah sind) und gibt dann einen Bericht aus, der die Ergebnisse in Verbindung mit den Eingabeparametern darstellt. Ab Build 1860 unterstützt die MetaTrader 5-Plattform dynamische Änderungen der betrachteten Optimierungsergebnisse durch Umschalten verschiedener Optimierungskriterien. Das ist nahe an der OLAP-Idee. Aber für eine vollständige Analyse benötigen wir die Möglichkeit, viele andere Bereiche des Hyperwürfels auszuwählen.

Wir werden versuchen, den OLAP-Ansatz im MetaTrader anzuwenden und die multidimensionale Analyse mit MQL-Tools zu implementieren. Bevor wir mit der Implementierung fortfahren, müssen wir die zu analysierenden Daten ermitteln. Dazu können Handelsberichte, Optimierungsergebnisse oder Indikatorwerte gehören. Die Auswahl an dieser Stelle ist nicht ganz so wichtig, da wir bestrebt sind, eine universelle objektorientierte Engine zu entwickeln, die auf alle Daten anwendbar ist. Aber wir müssen die Engine auf bestimmte Ergebnisse anwenden. Eine der gängigsten Aufgaben ist die Analyse des Handelsberichts. Wir werden diese Aufgabe berücksichtigen.

Autor: Stanislav Korotky