Обсуждение статьи "Теория категорий в MQL5 (Часть 15): Функторы с графами"

[MetaQuotes]

Опубликована статья Теория категорий в MQL5 (Часть 15): Функторы с графами:

Статья продолжает серию о реализации теории категорий в MQL5, рассматривая функторы как мост между графами и множеством. Мы вновь обратимся к календарным данным и, несмотря на их ограничения в использовании тестера стратегий, обоснуем использование функторов в прогнозировании волатильности с помощью корреляции.

Я уже говорил об экономическом календаре MQL5, когда рассматривал теорию категорий в контексте схем баз данных, поэтому не буду повторяться. Чтобы представить его в виде графа, последовательности ребер и узлов, сначала необходимо предварительно выбрать подмножество новостей, которые мы включим в нашу категорию. Как видно на сайте экономического календаря, нам есть из чего выбирать, однако, если мы решим выбрать, скажем, только четыре вида данных на основе их предполагаемой взаимосвязи, как показано ниже:

Тогда наша гипотеза будет заключаться в том, что показатели розничных продаж (retail sales) являются функцией индекса PMI, который, в свою очередь, является производным от индекса потребительских цен (CPI), а тот зависит от проведения казначейских аукционов (10-year yield auction), результаты которых также основаны на показателях розничных продаж. Итак, это простой цикл, достоверность которого не является предметом статьи, а скорее призвана проиллюстрировать возможный состав графа на основе данных экономического календаря.

Графы позволяют упростить сложные взаимосвязанные системы за счет создания двух простых таблиц, одна из которых представляет собой пары вершин, а другая служит индексом вершин. Граф можно рассматривать как категорию, поскольку вершины можно рассматривать как объекты (домены), а это означает, что ребра служат морфизмами. Отличие от линейного порядка, рассмотренного в предыдущей статье, заключается (как и следует из названия) в линейности. Графы имеют тенденцию образовывать более сложные связи, когда объект/домен может быть связан с более чем одним объектом.

Поэтому вместо того, чтобы объединять отдельные объекты в этой категории с объектами из категории волатильности S&P, как мы это делали в предыдущей статье о линейных порядках, мы соединим строки пар вершин с категорией S&P. Это означает, что она не может быть изоморфной, поскольку несколько строк привязаны к одному объекту (точке данных) в S&P, учитывая, что S&P основана на времени. Это также означает, что наши объекты домена будут состоять из четырех элементов (последние значения каждого из четырех элементов цикла).

Автор: Stephen Njuki