Matrix Profile zur Erkennung wiederkehrender und ungewöhnlicher Kursmuster

Zusammenfassung

Dieser Artikel entwickelt eine MQL5-Bibliothek für das Matrix Profile, eine Zeitreihenmethode, die jedes Fenster fester Länge mit seinem nächsten nicht überlappenden Nachbarn vergleicht. Geringe Abstände kennzeichnen wiederkehrende Formen, sogenannte Motifs; große Abstände kennzeichnen ungewöhnliche Fenster, sogenannte Discords. Die Z-Normalisierung macht Vergleiche unabhängig von Kursniveau und Skala; eine Ausschlusszone verhindert triviale Übereinstimmungen zwischen benachbarten, stark überlappenden Fenstern. Gleitende Mittelwerte und Standardabweichungen werden mithilfe von Präfixsummen berechnet, während gleitende Skalarprodukte auf Basis von FFT und ein STOMP-Self-Join die Abstandsberechnung ermöglichen.

Die Implementierung wird mit direkten Berechnungen und der unabhängigen Bibliothek stumpy verglichen. Der Artikel beschreibt außerdem einen Indikator, der das Profil darstellt und Discords markiert, sowie einen Demonstrations-Expert-Advisor, der Einstiege anhand von Anomaliewerten freigibt. Ein EURUSD-Beispiel nennt Profilwerte und Laufzeit für ein ausgewähltes Fenster und eine Stichprobe. Diese Prüfungen belegen rechnerische Korrektheit und Umsetzbarkeit, nicht Trading-Profitabilität. Der Autor stellt den EA als Demonstration vor und weist darauf hin, dass Anomaliewerte sorgfältig zu interpretieren sind: Das Profil erkennt neue oder wiederkehrende Formen, gibt aber nicht selbst an, ob eine Bewegung gekauft, verkauft, gegenläufig gehandelt oder fortgesetzt werden sollte.

Kernaussagen

• Ein Matrix Profile speichert für jedes Fenster den Abstand zum nächsten Nachbarn und macht wiederkehrende Motifs sowie ungewöhnliche Discords sichtbar.
• Die Z-Normalisierung vergleicht Formen unabhängig vom Kursniveau; eine Ausschlusszone entfernt triviale Übereinstimmungen zwischen nahegelegenen Fenstern.
• Präfixsummen liefern gleitende Statistiken; FFT-basierte MASS und STOMP berechnen die benötigten Abstände effizient.
• Die Implementierung wird mit direkten Berechnungen und stumpy gegengeprüft, was die numerische Validierung unterstützt.
• Ein Indikator und ein Beispiel-EA zeigen mögliche Anwendungen; die Anomalieerkennung allein belegt keine profitable Handelsrichtung.

Schlagwörter

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.