Diskussion zum Artikel "Datenwissenschaft und ML (Teil 41): Mustererkennung mit YOLOv8 im Forex und den Aktienmärkten"

[MetaQuotes]

Neuer Artikel Datenwissenschaft und ML (Teil 41): Mustererkennung mit YOLOv8 im Forex und den Aktienmärkten :

Die Erkennung von Mustern auf den Finanzmärkten ist eine Herausforderung, denn dazu muss man sehen, was auf dem Chart zu sehen ist, und das ist in MQL5 aufgrund der Bildbeschränkungen schwierig zu bewerkstelligen. In diesem Artikel werden wir ein anständiges Modell in Python besprechen, das uns hilft, mit minimalem Aufwand Muster im Chart zu erkennen.

Die Erkennung von Mustern auf den Finanzmärkten ist eine anspruchsvolle Aufgabe im Bereich des maschinellen Lernens und der KI. So mühelos es uns Menschen auch erscheinen mag, für eine Maschine erfordert es einige Arbeit, diese Muster zu erkennen und zu interpretieren, denn im Gegensatz zu den zweidimensionalen (tabellarischen) Daten, die wir im Handel häufig verwenden, erstreckt sich die Mustererkennung auf zweidimensionale Bilddaten, die in der Regel in Formaten wie .png, .jpg usw. gespeichert sind.

Es gibt eine große Anzahl von Händlern mit Strategien, die sich auf Preisaktionen und bestimmte Chartmuster auf den Märkten stützen, wie z.B.:

• Aufsteigende und absteigende Stufen
• Aufsteigendes Dreieck
• Absteigendes Dreieck
• Symmetrisches Dreieck
• Fahne 
• Keil
• Doppelspitze
• Doppelter Boden
• Kopf und Schultern
• Runde Spitze oder Boden
• Tasse und Henkel
• und viele mehr.

Wenn es um die Programmierung von Mustern wie Kerzen-Mustern und Indikatorreaktionen geht, die auch ohne ausgefeilte Codezeilen identifiziert werden können, sind die oben genannten Chartmuster recht komplex.

Es bedarf eines ausgeklügelten, gut geschriebenen und optimierten Codes, um selbst ein einfaches Muster wie das W unten zu erkennen. Warum also nicht KI einsetzen, um uns bei dieser langweiligen Aufgabe zu helfen?

Autor: Omega J Msigwa