![ビジュアルプログラミング言語DRAKON:MQL開発者と顧客のコミュニケーションツール](https://c.mql5.com/2/58/visual_programming_language_drakon_600x314.jpg)
ビジュアルプログラミング言語DRAKON:MQL開発者と顧客のコミュニケーションツール
DRAKONは、ロシアの宇宙プロジェクト(例えば、「Buran」再利用可能宇宙船プロジェクト)のプログラマーと、異なる分野の専門家(生物学者、物理学者、エンジニアなど)との対話を簡素化するために設計されたビジュアルプログラミング言語です。この記事では、DRAKONが、コードに触れたことがない人にとっても、アルゴリズムの作成にアクセスしやすく、直感的にし、また、顧客が取引ロボットを注文する際に自分の考えを説明しやすくし、複雑な関数でプログラマーのミスを少なくする方法についてお話します。
![DoEasyライブラリのグラフィックス(第94部): 複合グラフィカルオブジェクトの移動と削除](https://c.mql5.com/2/44/MQL5-avatar-doeasy-library3-2__6.png)
![DoEasyライブラリのグラフィックス(第94部): 複合グラフィカルオブジェクトの移動と削除](https://c.mql5.com/i/articles/overlay.png)
DoEasyライブラリのグラフィックス(第94部): 複合グラフィカルオブジェクトの移動と削除
本稿では、さまざまな複合グラフィカルオブジェクトイベントの開発を開始します。また、複合グラフィカルオブジェクトの移動と削除についても部分的に検討します。実際、ここでは、前の記事で実装したものを微調整します。
![多銘柄多期間指標の作成](https://c.mql5.com/2/59/multi-period_indicators_4_600x314.jpg)
多銘柄多期間指標の作成
この記事では、多銘柄、多期間の指標を作成する原則について見ていきます。また、エキスパートアドバイザー(EA)や他の指標から、このような指標のデータにアクセスする方法も紹介します。EAや指標でマルチ指標を使用する主な特徴について考察し、カスタム指標バッファを使用してそれらをプロットする方法を見ていきます。
![リプレイシステムの開発 - 市場シミュレーション(第8回):指標のロック](https://c.mql5.com/2/54/replay-p8_600x314.jpg)
リプレイシステムの開発 - 市場シミュレーション(第8回):指標のロック
この記事では、MQL5言語を使用しながら指標をロックする方法を見ていきます。非常に興味深く素晴らしい方法でそれをおこないます。
![DoEasy - コントロール(第26部):ToolTip WinFormsオブジェクトの最終確認とProgressBarの開発開始](https://c.mql5.com/2/50/doeasy_026_600x314.jpg)
DoEasy - コントロール(第26部):ToolTip WinFormsオブジェクトの最終確認とProgressBarの開発開始
今回は、ツールチップコントロールの開発を完了し、ProgressBar WinFormsオブジェクトの開発を開始します。オブジェクトで作業しながら、コントロールやそのコンポーネントをアニメーション化するための普遍的な機能を開発する予定です。
![MQL5入門(第4部):構造体、クラス、時間関数をマスターする](https://c.mql5.com/2/70/Introduction_to_MQL5_pPart_4c_Mastering_Structuresq_Classesf_and_Time_Functions_600x314.jpg)
MQL5入門(第4部):構造体、クラス、時間関数をマスターする
最新記事でMQL5プログラミングの秘密を解き明かしましょう。構造体、クラス、時間関数の本質に迫り、コーディングの旅に力を与えます。初心者から経験豊富な開発者まで、個のガイドは、MQL5をマスターするための貴重な洞察を提供し、複雑な概念を簡素化します。プログラミングのスキルを高め、アルゴリズム取引の世界で一歩先を行きましょう。
![多層パーセプトロンとバックプロパゲーションアルゴリズム(その3):ストラテジーテスターとの統合 - 概要(I)](https://c.mql5.com/2/51/Perceptron_Multicamadas_e_o_Algoritmo_Backpropagation_600x314.jpg)
多層パーセプトロンとバックプロパゲーションアルゴリズム(その3):ストラテジーテスターとの統合 - 概要(I)
多層パーセプトロンは、非線形分離可能な問題を解くことができる単純なパーセプトロンを進化させたものです。バックプロパゲーションアルゴリズムと組み合わせることで、このニューラルネットワークを効果的に学習させることができます。多層パーセプトロンとバックプロパゲーション連載第3回では、このテクニックをストラテジーテスターに統合する方法を見ていきます。この統合により、取引戦略を最適化するためのより良い意思決定を目的とした複雑なデータ分析が可能になります。この記事では、このテクニックの利点と問題点について説明します。
![ニューラルネットワークが簡単に(第30部):遺伝的アルゴリズム](https://c.mql5.com/2/49/Neural_Networks_Easy_022_600x314.jpg)
ニューラルネットワークが簡単に(第30部):遺伝的アルゴリズム
今日はちょっと変わった学習法を紹介したいと思います。ダーウィンの進化論からの借用と言えます。先に述べた手法よりも制御性は劣るでしょうが、非差別的なモデルの訓練が可能です。
![ニューラルネットワークが簡単に(第25部):転移学習の実践](https://c.mql5.com/2/49/Neural_Networks_Easy_017_600x314.jpg)
ニューラルネットワークが簡単に(第25部):転移学習の実践
前々回、前回と、ニューラルネットワークのモデルを作成・編集するためのツールを開発しました。いよいよ転移学習技術の利用可能性を実例で評価することになります。
![エキスパートアドバイザー(EA)に指標を追加するための既製のテンプレート(第1部):オシレーター](https://c.mql5.com/2/57/ready_made_templates_for_connecting_indicators_001_600x314.jpg)
エキスパートアドバイザー(EA)に指標を追加するための既製のテンプレート(第1部):オシレーター
この記事では、オシレーターカテゴリから標準的な指標を検討します。パラメータの宣言と設定、指標の初期化と初期化解除、EAの指標バッファからのデータとシグナルの受信など、EAですぐに使用できるテンプレートを作成します。
![Python、ONNX、MetaTrader 5:RobustScalerとPolynomialFeaturesデータ前処理を使用したRandomForestモデルの作成](https://c.mql5.com/2/61/Python_ONNX__MetaTrader_5____RandomForest__600x314.jpg)
Python、ONNX、MetaTrader 5:RobustScalerとPolynomialFeaturesデータ前処理を使用したRandomForestモデルの作成
この記事では、Pythonでランダムフォレストモデルを作成し、モデルを訓練して、データ前処理をおこなったONNXパイプラインとして保存します。その後、MetaTrader 5ターミナルでモデルを使用します。
![データサイエンスと機械学習(第20回):アルゴリズム取引の洞察、MQL5でのLDAとPCAの対決](https://c.mql5.com/2/70/Data_Science_and_Machine_Learning_Part_20_Algorithmic_Trading_Insightsx_A_Faceoff_Between_LDA_and_PC.jpg)
データサイエンスと機械学習(第20回):アルゴリズム取引の洞察、MQL5でのLDAとPCAの対決
MQL5取引環境での適用を解剖しながら、これらの強力な次元削減テクニックに隠された秘密を解き明かしていきます。線形判別分析(LDA)と主成分分析(PCA)のニュアンスを深く理解し、戦略開発と市場分析への影響を深く理解します。
![MQL5を使ったシンプルな多通貨エキスパートアドバイザーの作り方(第7回):オーサムオシレーターシグナルを持つジグザグ](https://c.mql5.com/2/73/How_to_create_a_simple_Multi-Currency_Expert_Advisor_using_MQL5__Part_7_600x314.jpg)
MQL5を使ったシンプルな多通貨エキスパートアドバイザーの作り方(第7回):オーサムオシレーターシグナルを持つジグザグ
この記事の多通貨エキスパートアドバイザー(EA)は、オーサムオシレーター(AO、Awesome Oscillator)でフィルタされたジグザグ(ZigZag)指標を使用するまたは互いのシグナルをフィルタするEA(自動売買)です。
![DoEasy-コントロール(第13部):WinFormsオブジェクトのマウスによる操作の最適化、TabControl WinFormsオブジェクトの開発開始](https://c.mql5.com/2/49/doeasy_013_600x314.jpg)
DoEasy-コントロール(第13部):WinFormsオブジェクトのマウスによる操作の最適化、TabControl WinFormsオブジェクトの開発開始
今回は、マウスカーソルを離した後のWinFormsオブジェクトの外観の処理を修正および最適化して、TabControl WinFormsオブジェクトの開発を開始します。
![StringFormat():レビューと既成の例](https://c.mql5.com/2/56/stringformatnw_600x314.jpg)
StringFormat():レビューと既成の例
この記事では、PrintFormat()関数のレビューを続けます。StringFormat()を使った文字列の書式設定と、そのプログラムでのさらなる使用法について簡単に説明します。また、ターミナル操作ログに銘柄データを表示するためのテンプレートも作成します。この記事は、初心者にも経験豊富な開発者にも役立つでしょう。
![DoEasyライブラリのグラフィックス(第95部):複合グラフィカルオブジェクトコントロール](https://c.mql5.com/2/44/MQL5-avatar-doeasy-library3-2__7.png)
![DoEasyライブラリのグラフィックス(第95部):複合グラフィカルオブジェクトコントロール](https://c.mql5.com/i/articles/overlay.png)
DoEasyライブラリのグラフィックス(第95部):複合グラフィカルオブジェクトコントロール
本稿では、複合グラフィカルオブジェクトを管理するためのツールキット(拡張された標準グラフィカルオブジェクトを管理するためのコントロール)について検討します。今日は、複合グラフィカルオブジェクトの再配置から少し脱線して、複合グラフィカルオブジェクトを特徴とするチャートに変更イベントのハンドラを実装します。さらに、複合グラフィカルオブジェクトを管理するためのコントロールに焦点を当てます。
![DoEasy-コントロール(第14部):グラフィック要素に名前を付けるための新しいアルゴリズム。TabControl WinFormsオブジェクトへの作業の継続](https://c.mql5.com/2/49/doeasy_014_600x314.jpg)
DoEasy-コントロール(第14部):グラフィック要素に名前を付けるための新しいアルゴリズム。TabControl WinFormsオブジェクトへの作業の継続
この記事では、カスタムグラフィックを構築するためのすべてのグラフィック要素に名前を付けるための新しいアルゴリズムを作成し、TabControl WinFormsオブジェクトの開発を継続する予定です。
![MQL5の圏論(第21回):LDAによる自然変換](https://c.mql5.com/2/58/Category-Theory-p21_600x314.jpg)
MQL5の圏論(第21回):LDAによる自然変換
連載21回目となるこの記事では、自然変換と、線形判別分析を使ったその実装方法について引き続き見ていきます。前回同様、シグナルクラス形式でその応用例を紹介します。
![データサイエンスと機械学習(第18回):市場複雑性を極める戦い - 打ち切りSVD v.s. NMF](https://c.mql5.com/2/64/Data_Science_and_Machine_Learning_oPart_18v_Truncated_SVD_Versus_NMF_600x314.jpg)
データサイエンスと機械学習(第18回):市場複雑性を極める戦い - 打ち切りSVD v.s. NMF
打ち切り特異値分解(Truncated SVD)と非負行列因子分解(NMF)は次元削減技法です。両者とも、データ主導の取引戦略を形成する上で重要な役割を果たしています。次元削減、洞察の解明、定量分析の最適化など、複雑な金融市場をナビゲートするための情報満載のアプローチをご覧ください。
![DoEasyライブラリのグラフィックス(第98部):拡張された標準グラフィカルオブジェクトのピボットポイントの移動](https://c.mql5.com/2/49/doeasy_098_600x314.jpg)
DoEasyライブラリのグラフィックス(第98部):拡張された標準グラフィカルオブジェクトのピボットポイントの移動
本稿では、拡張された標準グラフィカルオブジェクトの開発を継続し、グラフィカルオブジェクトのピボットポイントの座標を管理するためのコントロールポイントを使用して、複合グラフィカルオブジェクトのピボットポイントを移動する機能を作成します。
![リプレイシステムの開発 - 市場シミュレーション(第16回):新しいクラスシステム](https://c.mql5.com/2/55/replay-p16_600x314.jpg)
リプレイシステムの開発 - 市場シミュレーション(第16回):新しいクラスシステム
もっと仕事を整理する必要があります。コードはどんどん大きくなっており、今やらなければ不可能になります。分割して征服しましょう。MQL5では、このタスクを実行するのに役立つクラスを使用することができますが、そのためにはクラスに関する知識が必要です。おそらく初心者を最も混乱させるのは継承でしょう。この記事では、これらのメカニズムを実用的かつシンプルな方法で使用する方法を見ていきます。
![GUI:MQLで独自のグラフィックライブラリを作成するためのヒントとコツ](https://c.mql5.com/2/58/gui_tips_and_tricks_600x314.jpg)
GUI:MQLで独自のグラフィックライブラリを作成するためのヒントとコツ
GUIライブラリの基本的な使い方を説明し、GUIライブラリがどのように機能するのかを理解し、さらには自分自身のライブラリを作り始めることができるようにします。
![知っておくべきMQL5ウィザードのテクニック(第10回):型破りなRBM](https://c.mql5.com/2/64/MQL5_Wizard_Techniques_you_should_know_6Part_10i_The_Unconventional_RBM_600x314.jpg)
知っておくべきMQL5ウィザードのテクニック(第10回):型破りなRBM
制限ボルツマンマシン(Restrictive Boltzmann Machine、RBM)は、基本的なレベルでは、次元削減による教師なし分類に長けた2層のニューラルネットワークです。その基本原理を採用し、常識にとらわれない方法で設計し直して訓練すれば有用なシグナルフィルタが得られるかどうかを検証します。
![母集団最適化アルゴリズム:微小人工免疫系(Micro-AIS)](https://c.mql5.com/2/64/Population_optimization_algorithms_Micro-AIS_600x314.jpg)
母集団最適化アルゴリズム:微小人工免疫系(Micro-AIS)
この記事では、身体の免疫系の原理に基づいた最適化手法、つまりAISを改良した微小人工免疫系(Micro Artificial Immune System:Micro-AIS)について考察します。Micro-AISは、より単純な免疫系のモデルと単純な免疫情報処理操作を用います。また、この記事では、従来のAISと比較した場合のMicro-AISの利点と欠点についても触れています。
![DoEasyライブラリのグラフィックス(第74部): CCanvasクラスを使用した基本的グラフィック要素](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library3-2__1.png)
![DoEasyライブラリのグラフィックス(第74部): CCanvasクラスを使用した基本的グラフィック要素](https://c.mql5.com/i/articles/overlay.png)
DoEasyライブラリのグラフィックス(第74部): CCanvasクラスを使用した基本的グラフィック要素
本稿では、前の記事からのグラフィカルオブジェクトを構築するという概念を作り直し、標準ライブラリCCanvasクラスを利用したライブラリのすべてのグラフィカルオブジェクトの基本クラスを準備します。
![時系列マイニングのためのデータラベル(第1回):EA操作チャートでトレンドマーカー付きデータセットを作成する](https://c.mql5.com/2/57/data-label-for-time-series-mining_600x314.jpg)
時系列マイニングのためのデータラベル(第1回):EA操作チャートでトレンドマーカー付きデータセットを作成する
この連載では、ほとんどの人工知能モデルに適合するデータを作成できる、いくつかの時系列のラベル付け方法を紹介します。ニーズに応じて的を絞ったデータのラベル付けをおこなうことで、訓練済みの人工知能モデルをより期待通りの設計に近づけ、モデルの精度を向上させ、さらにはモデルの質的飛躍を助けることができます。
![ニューラルネットワークが簡単に(第64回):ConserWeightive Behavioral Cloning (CWBC)法](https://c.mql5.com/2/60/Neural_networks_made_easy_mPart_64s_CWBC_600x314.jpg)
ニューラルネットワークが簡単に(第64回):ConserWeightive Behavioral Cloning (CWBC)法
以前の記事でおこなったテストの結果、訓練された戦略の最適性は、使用する訓練セットに大きく依存するという結論に達しました。この記事では、モデルを訓練するための軌道を選択するための、シンプルかつ効果的な手法を紹介します。
![リプレイシステムの開発 - 市場シミュレーション(第13回):シミュレーターの誕生(III)](https://c.mql5.com/2/54/replay-p13_600x314.jpg)
リプレイシステムの開発 - 市場シミュレーション(第13回):シミュレーターの誕生(III)
ここでは、次回以降の仕事に関連するいくつかの要素を簡略化します。シミュレーターが生成するランダム性を視覚化する方法も説明しましょう。
![MVCデザインパターンとその可能なアプリケーション(第2部): 3つのコンポーネント間の相互作用の図](https://c.mql5.com/2/44/MVC.png)
![MVCデザインパターンとその可能なアプリケーション(第2部): 3つのコンポーネント間の相互作用の図](https://c.mql5.com/i/articles/overlay.png)
MVCデザインパターンとその可能なアプリケーション(第2部): 3つのコンポーネント間の相互作用の図
本稿は、前の記事で説明したMQLプログラムのMVCパターンのトピックの続きです。この記事では、パターンの3つのコンポーネント間の可能な相互作用の図を検討します。
![ニューラルネットワークが簡単に(第66回):オフライン学習における探索問題](https://c.mql5.com/2/61/Neural_networks_are_easy_Part_66_600x314.jpg)
ニューラルネットワークが簡単に(第66回):オフライン学習における探索問題
モデルは、用意された訓練データセットのデータを使用してオフラインで訓練されます。一定の利点がある反面、環境に関する情報が訓練データセットのサイズに大きく圧縮されてしまうというマイナス面もあります。それが逆に、探求の可能性を狭めています。この記事では、可能な限り多様なデータで訓練データセットを埋めることができる方法について考えます。
![DoEasyライブラリのグラフィックス(第99部):単一のコントロールポイントを使用した拡張グラフィックオブジェクトの移動](https://c.mql5.com/2/49/doeasy_099_600x314.jpg)
DoEasyライブラリのグラフィックス(第99部):単一のコントロールポイントを使用した拡張グラフィックオブジェクトの移動
前回の記事では、コントロールフォームを使用して拡張グラフィックオブジェクトのピボットポイントを移動する機能を実装しました。次に、単一のグラフィックオブジェクトコントロールポイント(フォーム)を使用して複合グラフィックオブジェクトを移動する機能を実装します。
![母集団最適化アルゴリズム:魚群検索(FSS)](https://c.mql5.com/2/50/Fish_School_cover_600x314.jpg)
母集団最適化アルゴリズム:魚群検索(FSS)
魚群検索(FSS)は、そのほとんど(最大80%)が親族の群落の組織的な群れで泳ぐという魚の群れの行動から着想を得た新しい最適化アルゴリズムです。魚の集合体は、採餌の効率や外敵からの保護に重要な役割を果たすことが証明されています。
![データサイエンスと機械学習(第16回):決定木を見直す](https://c.mql5.com/2/62/midjourney_image_13862_46_406_3_600x314.jpg)
データサイエンスと機械学習(第16回):決定木を見直す
連載「データサイエンスと機械学習」の最新作で、決定木の複雑な世界に飛び込みましょう。戦略的な洞察を求めるトレーダーのために、この記事は包括的な総括として、市場動向の分析において決定木が果たす強力な役割に光を当てています。これらのアルゴリズム木の根と枝を探り、取引の意思決定を強化する可能性を解き明かします。決定木について新たな視点から学び、複雑な金融市場をナビゲートする上で、決定木をどのように味方にできるかを発見しましょう。
![母集団最適化アルゴリズム:等方的焼きなまし(Simulated Isotropic Annealing、SIA)アルゴリズム(第2部)](https://c.mql5.com/2/62/midjourney_image_13870_45_399_2_600x314.jpg)
母集団最適化アルゴリズム:等方的焼きなまし(Simulated Isotropic Annealing、SIA)アルゴリズム(第2部)
第1部では、よく知られた一般的なアルゴリズムである焼きなまし法について説明しました。その長所と短所を徹底的に検討しました。第2部では、アルゴリズムを抜本的に改良し、新たな最適化アルゴリズムである等方的焼きなまし(Simulated Isotropic Annealing、SIA)法を紹介します。
![知っておくべきMQL5ウィザードのテクニック(第11回):ナンバーウォール](https://c.mql5.com/2/66/MQL5_Wizard_Techniques_you_should_know_0Part_11w_Number_Walls_600x314.jpg)
知っておくべきMQL5ウィザードのテクニック(第11回):ナンバーウォール
ナンバーウォールは、リニアシフトバックレジスタの一種で、収束を確認することにより、予測可能な数列を事前にスクリーニングします。これらのアイデアがMQL5でどのように役立つかを見ていきます。
![母集団最適化アルゴリズム:焼きなまし(SA)アルゴリズム(第1部)](https://c.mql5.com/2/62/Population_optimization_algorithms_Simulated_Annealing_algorithm_600x314.jpg)
母集団最適化アルゴリズム:焼きなまし(SA)アルゴリズム(第1部)
焼きなましアルゴリズムは、金属の焼きなまし過程にヒントを得たメタヒューリスティックです。この記事では、このアルゴリズムを徹底的に分析し、この広く知られている最適化方法を取り巻く多くの一般的な信念や神話を暴露します。この記事の後半では、カスタムの等方的焼きなまし(Simulated Isotropic Annealing、SIA)アルゴリズムについて説明します。
![DoEasy-コントロール(第21部):SplitContainerコントロール。パネルセパレータ](https://c.mql5.com/2/49/doeasy_021_600x314.jpg)
DoEasy-コントロール(第21部):SplitContainerコントロール。パネルセパレータ
この記事では、SplitContainerコントロールの補助パネルセパレータオブジェクトのクラスを作成します。
![MQL5を使ったシンプルな多通貨エキスパートアドバイザーの作り方(第4回):三角移動平均 — 指標シグナル](https://c.mql5.com/2/60/rj-article-images_600x314.jpg)
MQL5を使ったシンプルな多通貨エキスパートアドバイザーの作り方(第4回):三角移動平均 — 指標シグナル
この記事の多通貨エキスパートアドバイザー(EA)は、1つの銘柄チャートからのみ複数の銘柄ペアの取引(注文を出す、注文を決済する、トレーリングストップロスとトレーリングプロフィットなどで注文を管理するなど)ができるEAまたは自動売買ロボットです。今回は、多時間枠または単一時間枠の「三角移動平均」という1つの指標のみを使用します。