Mit Catch22-Merkmalen Volatilitätsregime klassifizieren

Zusammenfassung

Der Artikel erläutert catch22, eine kompakte Gruppe von Zeitreihenmerkmalen, die aus einer deutlich größeren Bibliothek ausgewählt wurde, um Klassifikationsleistung bei geringer Redundanz zu erzielen. Die Merkmale beschreiben Verteilungsform, Autokorrelation, nichtlineare Abhängigkeit, symbolische Muster, Skalierung, Periodizität und Vorhersagbarkeit. Der Autor skizziert eine native MQL5-Implementierung, die den vollständigen Merkmalsvektor berechnet und mit der Python-Referenzimplementierung abgleicht.

Das vorgeschlagene Trading-Experiment klassifiziert bevorstehende Volatilitätsregime mit einem leakagefreien Datensatz, vergleicht catch22-Merkmale mit klassischen Indikatoren und ihrer Kombination und nutzt das daraus entstehende Modell als Filter für eine einfache Strategie. Der Artikel beschreibt Validierungs- und Auswertungsverfahren, doch der bereitgestellte Auszug lässt die meisten detaillierten Ergebnisse aus und stützt daher keine belastbare Schlussfolgerung zum Prognose- oder Trading-Nutzen. Die Klassifizierung von Regimen wird als geeigneterer Einsatz dargestellt als die direkte Vorhersage der Kursrichtung; die Ergebnisse können auch vom gewählten Markt, der Kennzeichnung, den Merkmalen und dem Testdesign abhängen.

Kernaussagen

• Catch22 bietet eine kompakte Auswahl von Zeitreihenmerkmalen, die Redundanz verringern und zugleich für Klassifikationen nützlich bleiben sollen.
• Die Merkmalsgruppen erfassen Verteilungs-, Abhängigkeits-, Spektral-, Symbol-, Skalierungs- und Vorhersagbarkeitseigenschaften.
• Die MQL5-Implementierung wird Merkmal für Merkmal mit einer Python-Referenz abgeglichen.
• Das Experiment prüft, ob catch22 bei der Klassifizierung von Volatilitätsregimen einen Mehrwert gegenüber herkömmlichen Indikatoren bietet.
• Ein Regimefilter lässt sich innerhalb einer Strategie testen, doch der Auszug liefert nur begrenzte Belege zu den Ergebnissen.

Schlagwörter

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