Discussão do artigo "Reconhecimento de Padrões Usando Dynamic Time Warping em MQL5"
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Novo artigo Reconhecimento de Padrões Usando Dynamic Time Warping em MQL5 foi publicado:
Neste artigo, discutimos o conceito de dynamic time warping como uma forma de identificar padrões preditivos em séries temporais financeiras. Veremos como ele funciona e também apresentaremos sua implementação em MQL5 puro.
Dynamic time warping é um algoritmo sofisticado projetado para medir a semelhança entre duas sequências de dados que evoluem ao longo do tempo, mesmo quando suas velocidades ou ritmos variam Ao contrário dos métodos tradicionais, que exigem um alinhamento rígido entre os pontos de dados, o DTW oferece uma abordagem mais flexível, permitindo a distorção ou expansão do tempo para encontrar a correspondência ideal entre as sequências. Imagine duas pessoas caminhando por uma floresta em caminhos diferentes. Ambas começam no mesmo lugar e terminam no mesmo lugar, mas uma pode andar mais rápido do que a outra e fazer paradas arbitrárias por qualquer motivo. O DTW ajuda a descobrir a melhor maneira de combinar os passos de ambos, mesmo que tenham seguido caminhos diferentes. O DTW pode efetivamente lidar com diferenças de velocidade de caminhada, aceleração ou desaceleração, fornecendo uma medida de semelhança. Essa versatilidade o torna aplicável a uma ampla variedade de tipos de dados, incluindo áudio, vídeo e gráficos. Qualquer dado que possa ser transformado em um formato sequencial é um candidato potencial para a análise DTW.
Autor: Francis Dube