Discusión sobre el artículo "Desarrollo de asesores expertos autooptimizables en MQL5 (Parte 10): Factorización de matrices"

[MetaQuotes]

Artículo publicado Desarrollo de asesores expertos autooptimizables en MQL5 (Parte 10): Factorización de matrices:

La factorización es un proceso matemático que se utiliza para obtener información sobre las características de los datos. Cuando aplicamos la factorización a grandes conjuntos de datos de mercado —organizados en filas y columnas—, podemos descubrir patrones y características del mercado. La factorización es una herramienta muy potente, y en este artículo te mostraremos cómo puedes utilizarla en la plataforma MetaTrader 5, mediante la API de MQL5, para obtener una visión más profunda de tus datos de mercado.

La factorización de matrices es una técnica matemática que se utiliza para descomponer una matriz grande en un producto de matrices más pequeñas y sencillas. Estas técnicas aportan numerosas ventajas. Sin embargo, antes de analizarlas, veamos primero cuál es la motivación que hay detrás de ellas.

En la vida cotidiana, hay ciertas experiencias compartidas que trascienden las culturas. Por ejemplo, creo que la mayoría de los lectores están familiarizados con la idea de que, al hablar con un niño y escuchar cómo describe a su madre o a su padre, podemos hacernos una idea de cómo es ese progenitor. Estas descripciones pueden incluso ayudarnos a imaginar cómo actuaría el progenitor en situaciones que el niño no ha descrito directamente. Del mismo modo, la factorización de matrices descompone una matriz grande en otras más pequeñas: sus «matrices hijas». Cada una de estas matrices hijas describe un aspecto diferente de la matriz original, lo que nos ayuda a comprender su estructura subyacente. Del mismo modo que la perspectiva de un niño puede revelar la esencia de sus padres, estas matrices más reducidas pueden ofrecer una visión profunda del mercado que estamos analizando.

Los resultados de la factorización de matrices suelen proporcionar soluciones numéricamente estables para los modelos lineales que hemos presentado anteriormente. En este artículo, también presentaremos una biblioteca numérica llamada OpenBLAS, abreviatura de «Basic Linear Algebra Subprograms». OpenBLAS es una variante de código abierto de la biblioteca BLAS, rediseñada para funcionar de manera eficiente en las arquitecturas computacionales actuales. BLAS se escribió originalmente en Fortran y en código ensamblador escrito a mano. 

Autor: Gamuchirai Zororo Ndawana