# 1. создадим  вектор с рандомными значениями, это будут нашы "синтетические" цены
 
rnd <- cumsum(rnorm(100000))+1000
plot(rnd_1,t="l")  

# 2. нарежем нашы цены на  два "скользящие окна" но окна будут разной длинны
# сделаем это через матрицу генкеля или хенкеля, черт его знает ))

hankel <- function(data, r=10) {
  do.call(cbind,
          lapply(0:(r-1),function(i) { data[(i+1):(length(data)-(r-1-i))]}))} #hankel matrx

# У dat.5 размер окна, те размер самого отрезка с ценой будет 5 значений.
dat.5 <- hankel(rnd, r = 5) 
# У dat.13 размер окна, будет 13 значений
dat.13 <- hankel(rnd, r = 13) 

# 3. нормализируем нашы матрицы построчно

dat.5 <- t(apply(dat.5, 1,   function(x)  scale(x,T,T)))
dat.13 <- t(apply(dat.13, 1, function(x)  scale(x,T,T)))


# 4. создадим вектор для каждой матрицы в котором будем хранить посчитаню евклидому близость

dist.vector.5 <- rep(1:nrow(dat.13) ,0)
dist.vector.13 <- rep(1:nrow(dat.13) ,0)


install.packages("dtw") # установка пакета
library(dtw)            # запуск пакета


# 5. Создадим вектор-паттерн с которым мы и будем искать близость со всей выборкой
# длинна паттерна 8, те не совпадает размерами с выше созданых участков у них 5 и 13
# также сразу нормализирую паттерн, все сделаю в одной строчке, пусть не читабельно но зато коротко
pattern <- as.vector(   scale(   cumsum(rnorm(8))+1000   ,  T,T)   )  ; plot(pattern,t="l")


# приблуда для отображения прогресса так как процес медленный
pb <- winProgressBar(title = "progress bar", min = 0,max = nrow(dat.13), width = 300)


# 6. щитаем близость по всей выбрке в двух матрицах и записываем в соответсвующие вектора

for(i in 1:nrow(dat.13)){
  
  setWinProgressBar(pb, i, title=paste( round(i/nrow(dat.13)*100, 0),"% done"))
  
  dist.vector.5[i]  <- dtw(  pattern,  dat.5[i,],  distance.only  = T)$distance
  dist.vector.13[i] <- dtw(  pattern, dat.13[i,],  distance.only  = T)$distance
  
}
close(pb)

# 7. найдем индекс в векторе в котором была самая сильная близость с нашым паттерном - pattern
idx.5  <- which.min(dist.vector.5)
idx.13 <- which.min(dist.vector.13)

# 8.  сравним найденые близкие паттерны с нашым паттерном
layout(1:3)
plot(pattern,t="l" , main = "главный паттерн с размером 8", lwd=2)
plot(dat.5[idx.5,],  t="l" , main = "паттерн аналог с размером 5")
plot(dat.13[idx.13,],  t="l" , main = "паттерн аналог с размером 13")