Ich werde mich als Nächstes mit DBSCAN für das statistische Dashboard beschäftigen und auch Snapshots für einen Entscheidungsbaum speichern, der nach 5-6 Stunden Laufzeit aktiviert wird (2-3 Tage werden mir statistisch relevantere Daten liefern, die ich teilen kann). Mein Hauptziel dabei ist es, idiosynkratische Verhaltensweisen und Ausreißer über 545 Binance-Ticker auf einen Blick zu identifizieren. DBSCAN findet Gruppen basierend auf Dichte, d.h. Punkte, die nahe beieinander liegen, bilden einen Cluster und isolierte Punkte werden als Ausreißer markiert. Der entscheidende Unterschied zu k-means: k-means zwingt jedes Asset in eine Gruppe, egal was passiert. DBSCAN segregiert und identifiziert idiosynkratische Ausreißer in diesem Format tatsächlich besser. Im Dashboard wird derzeit jedes erweiterte Asset gleichzeitig durch 7 Dimensionen beschrieben: > wie erweitert, wie lang/kurz, Geschwindigkeit, Seltenheit, Volumen, BTC-Korrelation und Volatilitätsregime. Hier werde ich es vorerst belassen. Ich sammle einige Daten und werde sie in dem Artikel teilen, an dem ich arbeite.

TLDR: in den Statistikgräben