Discusión sobre el artículo "Reconocimiento de patrones mediante deformación dinámica del tiempo (Dynamic Time Warping, DTW) en MQL5"
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Artículo publicado Reconocimiento de patrones mediante deformación dinámica del tiempo (Dynamic Time Warping, DTW) en MQL5:
En este artículo, analizamos el concepto de deformación dinámica del tiempo como medio para identificar patrones predictivos en series de tiempo financieras. Veremos cómo funciona y presentaremos su implementación en MQL5.
La deformación dinámica del tiempo es un sofisticado algoritmo diseñado para medir la similitud entre dos secuencias de datos que evolucionan en el tiempo, incluso cuando sus velocidades o ritmos varían. A diferencia de los métodos tradicionales, que exigen una alineación estricta entre los puntos de datos, DTW ofrece un enfoque más flexible al permitir deformar o estirar el tiempo para encontrar la coincidencia óptima entre las secuencias. Imagina a dos personas caminando por un bosque por senderos diferentes. Ambos empiezan en el mismo lugar y terminan en el mismo lugar, pero uno puede caminar más rápido que el otro y hacer paradas arbitrarias por cualquier motivo. DTW ayuda a encontrar la mejor manera de hacer coincidir los pasos de ambos, aunque hayan tomado caminos diferentes. DTW puede tener en cuenta eficazmente las diferencias de velocidad de marcha, aceleración o desaceleración, proporcionando una medida de similitud. Esta versatilidad lo hace aplicable a una amplia gama de tipos de datos, incluidos audio, vídeo y gráficos. Cualquier dato que pueda transformarse a un formato secuencial es un candidato potencial para el análisis DTW.
Autor: Francis Dube