Diskussion zum Artikel "Selbstoptimierende Expert Advisors in MQL5 (Teil 10): Matrix-Faktorisierung"

[MetaQuotes]

Neuer Artikel Selbstoptimierende Expert Advisors in MQL5 (Teil 10): Matrix-Faktorisierung :

Die Faktorisierung ist ein mathematischer Prozess, der dazu dient, Erkenntnisse über die Eigenschaften von Daten zu gewinnen. Wenn wir die Faktorisierung auf große Mengen von Marktdaten anwenden – die in Zeilen und Spalten organisiert sind – können wir Muster und Merkmale des Marktes aufdecken. Die Faktorisierung ist ein mächtiges Werkzeug, und dieser Artikel zeigt Ihnen, wie Sie es im MetaTrader 5-Terminal über die MQL5-API nutzen können, um tiefere Einblicke in Ihre Marktdaten zu gewinnen.

Die Matrixfaktorisierung ist ein mathematisches Verfahren, mit dem eine große Matrix in ein Produkt aus kleineren, einfacheren Matrizen zerlegt werden kann. Diese Techniken bringen viele Vorteile mit sich. Bevor wir uns jedoch mit diesen befassen, sollten wir zunächst die Motivation dahinter verstehen.

Im täglichen Leben gibt es bestimmte gemeinsame Erfahrungen, die kulturübergreifend sind. Ich glaube, die meisten Leser sind mit dem Gedanken vertraut, dass wir eine Vorstellung davon bekommen können, wie ein Elternteil sein könnte, wenn wir mit einem Kind sprechen und hören, wie es seine Eltern beschreibt. Diese Beschreibungen können uns sogar dabei helfen zu erraten, wie die Eltern in Situationen handeln würden, die das Kind nicht direkt beschrieben hat. In ähnlicher Weise zerlegt die Matrixfaktorisierung eine große Matrix in kleinere Matrizen – ihre „Kinder“. Diese untergeordneten Matrizen beschreiben jeweils verschiedene Aspekte der ursprünglichen Matrix und helfen uns, die zugrunde liegende Struktur zu verstehen. Genauso wie die Perspektive eines Kindes das Wesen seiner Eltern offenbaren kann, können diese kleineren Matrizen tiefgreifende Erkenntnisse über den von uns analysierten Markt liefern.

Die Ergebnisse der Matrixfaktorisierung liefern häufig numerisch stabile Lösungen für die zuvor vorgestellten linearen Modelle. In diesem Artikel wird auch eine numerische Bibliothek namens OpenBLAS – kurz für Basic Linear Algebra Subprograms – vorgestellt. OpenBLAS ist ein Open-Source-Fork der BLAS-Bibliothek, der so umgestaltet wurde, dass er auf den heutigen Rechnerarchitekturen effizient läuft. BLAS wurde ursprünglich in Fortran und handgeschriebenem Assemblercode geschrieben. 

Autor: Gamuchirai Zororo Ndawana