Diskussion zum Artikel "Singuläre Spektralanalyse in MQL5"

[MetaQuotes]

Neuer Artikel Singuläre Spektralanalyse in MQL5 :

Dieser Artikel ist als Leitfaden für diejenigen gedacht, die mit dem Konzept der Singulärspektralanalyse (SSA) nicht vertraut sind und ein ausreichendes Verständnis erlangen möchten, um die in MQL5 verfügbaren integrierten Werkzeuge anwenden zu können.

In den letzten Iterationen von MetaTrader 5 wurden die ersten OpenBLAS-Methoden in die zentralen Vektor- und Matrix-Datentypen integriert. Von besonderem Interesse sind eine Reihe von Methoden im Zusammenhang mit der Singular Spectrum Analysis (SSA). In diesem Artikel untersuchen wir die neuen Werkzeuge, die in MQL5 im Zusammenhang mit SSA zur Verfügung stehen, und erläutern, wie sie bei Analysen und Prognosen eingesetzt werden können. Dieser Leitfaden soll ein Hilfsmittel für Händler sein, die das volle Potenzial der SSA ausschöpfen wollen. Wir werden uns mit der SSA-Methode befassen und ihren zweistufigen Zerlegungs- und Rekonstruktionsprozess entmystifizieren. Vor allem aber werden wir erörtern, was die einzelnen neuen SSA-Vektormethoden bewirken, und zeigen, wie man ihre Ergebnisse interpretiert und optimal kombiniert, um verwertbare Erkenntnisse zu gewinnen.

Die Singularspektralanalyse ist ein nichtparametrisches Verfahren, das für die Analyse und Vorhersage von Zeitreihendaten entwickelt wurde. Ihr Ziel ist es, eine Zeitreihe in einige wenige additive Komponenten zu zerlegen, zu denen in der Regel ein sich langsam verändernder Trend, verschiedene Zyklen und Restrauschen gehören. Die SSA zeichnet sich dadurch aus, dass sie sich nur in geringem Maße auf vorher festgelegte Annahmen über den zugrunde liegenden Datenerzeugungsprozess stützt. Die konzeptionelle Grundlage von SSA integriert Elemente aus Statistik und Signalverarbeitung. SSA basiert im Wesentlichen auf der spektralen Zerlegung, die es ermöglicht, die Frequenzmerkmale einer Zeitreihe durch die Analyse ihrer Hauptkomponenten in einem rekonstruierten Einbettungsraum aufzudecken. Sie kann effektiv als eine Form der Hauptkomponentenanalyse (PCA) betrachtet werden, die speziell für Zeitreihendaten angepasst wurde und die Prinzipien der Dimensionenreduktion nutzt, um verborgene Strukturen und Muster aufzudecken, die durch Rauschen oder komplexe Interaktionen verdeckt werden könnten.

Autor: Francis Dube

[Stanislav Korotky]

Es ist schon seltsam, in so kurzer Zeit so eng verwandte Artikel zum selben Thema zu sehen (auch wenn einer von ihnen ursprünglich auf Russisch geschrieben wurde).

Artikel

Eindimensionale singuläre Spektralanalyse

Evgeny Chernish, 23.04.2025 11:23

Der Artikel untersucht die theoretischen und praktischen Aspekte der Methode der Singularspektrumsanalyse (SSA), einer effektiven Methode zur Analyse von Zeitreihen, die es ermöglicht, die komplexe Struktur einer Reihe als Zerlegung in einfache Komponenten wie Trend, saisonale (periodische) Schwankungen und Rauschen darzustellen.