![MQL5の圏論(第6回):単射的引き戻しと全射的押し出し](https://c.mql5.com/2/53/Category-Theory-p6_600x314.jpg)
MQL5の圏論(第6回):単射的引き戻しと全射的押し出し
圏論は、数学の多様かつ拡大を続ける分野であり、最近になってMQL5コミュニティである程度取り上げられるようになりました。この連載では、その概念と原理のいくつかを探索して考察することで、トレーダーの戦略開発におけるこの注目すべき分野の利用を促進することを目的としたオープンなライブラリを確立することを目指しています。
![ニューラルネットワークが簡単に(第29部):Advantage Actor-Criticアルゴリズム](https://c.mql5.com/2/49/Neural_Networks_Easy_021_600x314.jpg)
ニューラルネットワークが簡単に(第29部):Advantage Actor-Criticアルゴリズム
本連載のこれまでの記事で、2つの強化学習アルゴリズムを見てきました。それぞれに長所と短所があります。このような場合ではよくあることですが、次に、2つの方法の良いところを組み合わせてアルゴリズムにすることが考え出されます。そうすれば、それぞれの欠点が補われることになります。今回は、そのような手法の1つを紹介します。
![MQL5オブジェクト指向プログラミング(OOP)について](https://c.mql5.com/2/56/object-oriented-programming_600x314__1.jpg)
MQL5オブジェクト指向プログラミング(OOP)について
開発者として、私たちは、特に異なる動作をするオブジェクトがある場合に、コードを重複せずに再利用可能で柔軟なソフトウェアを作成し開発する方法を学ぶ必要があります。これは、オブジェクト指向プログラミングのテクニックと原則を使うことでスムーズにおこなうことができます。この記事では、MQL5オブジェクト指向プログラミングの基本を紹介し、この重要なトピックの原則とプラクティスをソフトウェアでどのように使用できるかを説明します。
![ニューラルネットワークが簡単に(第16部):クラスタリングの実用化](https://c.mql5.com/2/49/Neural_networks_made_easy_006_600x314.jpg)
ニューラルネットワークが簡単に(第16部):クラスタリングの実用化
前回は、データのクラスタリングをおこなうためのクラスを作成しました。今回は、得られた結果を実際の取引に応用するためのバリエーションを紹介したいと思います。
![一からの取引エキスパートアドバイザーの開発(第29部):おしゃべりプラットフォーム](https://c.mql5.com/2/49/Developing_a_trading_Expert_Advisor_009_600x314.jpg)
一からの取引エキスパートアドバイザーの開発(第29部):おしゃべりプラットフォーム
この記事では、MetaTrader 5プラットフォームをしゃべらせる方法を学びます。EAをもっと楽しくしたらどうでしょうか。金融市場の取引は退屈で単調すぎることがよくありますが、私たちはこの仕事の疲れを軽減することができます。依存症などの問題を経験している方にとってはこのプロジェクトは危険な場合があるのでご注意ください。ただし、一般的には、それは退屈を軽減するだけです。
![ニューラルネットワークの実験(第4回):テンプレート](https://c.mql5.com/2/52/neural_network_experiments-004_600x314.jpg)
ニューラルネットワークの実験(第4回):テンプレート
この記事では、実験と非標準的な方法を使用して収益性の高い取引システムを開発し、ニューラルネットワークがトレーダーに役立つかどうかを確認します。ニューラルネットワークを取引に活用するための自給自足ツールとしてMetaTrader 5を使用します。簡単に説明します。
![アルーン(Aroon)取引システムの構築とテスト](https://c.mql5.com/2/64/Building_and_testing_Aroon_Trading_Systems_600x314.jpg)
アルーン(Aroon)取引システムの構築とテスト
この記事では、指標の基本を学んだ後、どのようにアルーンの取引システムを構築できるかを学び、アルーンの指標に基づいた取引システムを構築するために必要なステップを紹介します。この取引システムを構築した後、利益が出るのかさらに最適化が必要なのかをテストします。
![リプレイシステムの開発—市場シミュレーション(第1回):最初の実験(I)](https://c.mql5.com/2/52/replay-p1_600x314.jpg)
リプレイシステムの開発—市場シミュレーション(第1回):最初の実験(I)
市場がしまっているときに研究したり、市場の状況をシミュレーションしたりできるシステムを作成してはどうでしょうか。ここで、このトピックを扱う新しい連載を開始します。
![チャイキンオシレーター(Chaikin Oscillator)による取引システムの設計方法を学ぶ](https://c.mql5.com/2/49/learnhow_chaikin_oscillator_600x314.jpg)
チャイキンオシレーター(Chaikin Oscillator)による取引システムの設計方法を学ぶ
最も人気のあるテクニカル指標に基づいて取引システムを設計する方法を学ぶための連載の新しい記事にようこそ。この新しい記事を通して、チャイキンオシレーター指標による取引システムを設計する方法を学びます。
![データサイエンスと機械学習(第14回):コホネンマップを使って市場で自分の道を見つける](https://c.mql5.com/2/52/data_science_ml_kohonen_maps_014_600x314.jpg)
データサイエンスと機械学習(第14回):コホネンマップを使って市場で自分の道を見つける
複雑で変化し続ける市場をナビゲートする、最先端の取引アプローチをお探しですか。人工ニューラルネットワークの革新的な形態であるコホネンマップは、市場データの隠れたパターンやトレンドを発見するのに役立ちます。この記事では、コホネンマップがどのように機能するのか、そして、より賢く、より効果的な取引戦略を開発するために、どのように活用できるのかを探ります。経験豊富なトレーダーも、これから取引を始める人も、このエキサイティングな新しいアプローチを見逃す手はありません。
![ニューラルネットワークが簡単に(第63回):Unsupervised Pretraining for Decision Transformer (PDT)](https://c.mql5.com/2/60/Neural_networks_are_easy_aPart_63n_600x314.jpg)
ニューラルネットワークが簡単に(第63回):Unsupervised Pretraining for Decision Transformer (PDT)
引き続き、Decision Transformer法のファミリーについて説明します。前回の記事から、これらの手法のアーキテクチャの基礎となるTransformerの訓練はかなり複雑なタスクであり、訓練のために大規模なラベル付きデータセットが必要であることにすでに気づきました。この記事では、ラベル付けされていない軌跡をモデルの予備訓練に使用するアルゴリズムについて見ていきます。
![DoEasyライブラリでの価格(第63部): 板情報とその抽象リクエストクラス](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library__1.png)
![DoEasyライブラリでの価格(第63部): 板情報とその抽象リクエストクラス](https://c.mql5.com/i/articles/overlay.png)
DoEasyライブラリでの価格(第63部): 板情報とその抽象リクエストクラス
本稿では、板情報を使用するための機能の開発を開始します。また、板情報抽象注文オブジェクトとその子孫のクラスも作成します。
![一からの取引エキスパートアドバイザーの開発(第20部):新規受注システム(III)](https://c.mql5.com/2/49/Developing_a_trading_Expert_Advisor_from_scratch_011_600x314.jpg)
一からの取引エキスパートアドバイザーの開発(第20部):新規受注システム(III)
新しい受注システムの導入を継続します。このようなシステムを作るには、MQL5を使いこなすだけでなく、MetaTrader 5プラットフォームが実際にどのように機能し、どのようなリソースを提供しているかを理解することが必要です。
![DoEasyライブラリの時系列(第54部): 抽象基本指標の子孫クラス](https://c.mql5.com/2/49/doeasy_054_600x314.jpg)
DoEasyライブラリの時系列(第54部): 抽象基本指標の子孫クラス
本稿では、基本抽象指標の子孫オブジェクトのクラスの作成について検討しています。このようなオブジェクトは、指標EAを作成し、さまざまな指標と価格のデータ値統計を収集および取得する機能へのアクセスを備えています。また、プログラムで作成された各指標のプロパティとデータにアクセスできる指標オブジェクトコレクションを作成します。
![DoEasyライブラリの時系列(第55部): 指標コレクションクラス](https://c.mql5.com/2/49/doeasy_055_600x314.jpg)
DoEasyライブラリの時系列(第55部): 指標コレクションクラス
本稿では、指標オブジェクトクラスとそのコレクションの開発を続けます。指標オブジェクトごとに、その説明と正しいコレクションクラスを作成して、エラーなしのストレージを作成し、コレクションリストから指標オブジェクトを取得します。
![自動で動くEAを作る(第14回):自動化(VI)](https://c.mql5.com/2/51/aprendendo_construindo_014_600x314.jpg)
自動で動くEAを作る(第14回):自動化(VI)
今回は、この連載で得た知識をすべて実践してみましょう。最終的には、100%自動化された機能的なシステムを構築します。しかしその前に、まだ最後の詳細を学ばなければなりません。
![ニューラルネットワークが簡単に(第15部):MQL5によるデータクラスタリング](https://c.mql5.com/2/49/Neural_networks_made_easy_005_600x314.jpg)
ニューラルネットワークが簡単に(第15部):MQL5によるデータクラスタリング
クラスタリング法について引き続き検討します。今回は、最も一般的なk-meansクラスタリング手法の1つを実装するために、新しいCKmeansクラスを作成します。テスト中には約500のパターンを識別することができました。
![MQL5を使用してカスタムドンチャンチャネル指標を作成する方法](https://c.mql5.com/2/55/donchian_channel_indicator_600x314.jpg)
MQL5を使用してカスタムドンチャンチャネル指標を作成する方法
価格周辺のチャネルを視覚化するために使用できるテクニカルツールは数多くあります。これらのツールの1つが、ドンチャンチャネル指標です。この記事では、ドンチャンチャネル指標を作成する方法と、EAを使用してカスタム指標としてそれを取引する方法を学びます。
![一からの取引エキスパートアドバイザーの開発(第26部):未来に向かって(I)](https://c.mql5.com/2/49/Developing_a_trading_Expert_Advisor_005_600x314.jpg)
一からの取引エキスパートアドバイザーの開発(第26部):未来に向かって(I)
今日は、発注システムを次のレベルに引き上げます。ただしその前に、いくつかの問題を解決する必要があります。ここで、どのように働きたいか、取引日に何をするかに関連するいくつかの質問があります。
![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3回):銘柄名のプレフィックスおよび/またはサフィックスと取引時間セッションを追加しました](https://c.mql5.com/2/60/Parabolic_SAR_MTF_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3回):銘柄名のプレフィックスおよび/またはサフィックスと取引時間セッションを追加しました
数人のトレーダー仲間から、プレフィックスやサフィックスを持つ銘柄名を持つブローカーでこの多通貨EAを使用する方法、およびこの多通貨EAで取引タイムゾーンや取引タイムセッションを実装する方法についてメールやコメントをいただきました。
![DoEasyライブラリでの価格(第65部): 板情報コレクションとMQL5.comシグナル操作クラス](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library__3.png)
![DoEasyライブラリでの価格(第65部): 板情報コレクションとMQL5.comシグナル操作クラス](https://c.mql5.com/i/articles/overlay.png)
DoEasyライブラリでの価格(第65部): 板情報コレクションとMQL5.comシグナル操作クラス
本稿では、すべての銘柄の板情報コレクションクラスを作成し、シグナルオブジェクトクラスを作成することによってMQL5.comシグナルサービスを使用するための機能の開発を開始します。
![ニューラルネットワークが簡単に(第53回):報酬の分解](https://c.mql5.com/2/57/decomposition_of_remuneration_053_600x314.jpg)
ニューラルネットワークが簡単に(第53回):報酬の分解
報酬関数を正しく選択することの重要性については、すでに何度かお話ししました。報酬関数は、個々の行動に報酬またはペナルティを追加することでエージェントの望ましい行動を刺激するために使用されます。しかし、エージェントによる信号の解読については未解決のままです。この記事では、訓練されたエージェントに個々のシグナルを送信するという観点からの報酬分解について説明します。
![MQL5の圏論(第17回):関手とモノイド](https://c.mql5.com/2/57/Category-Theory-p17_600x314.jpg)
MQL5の圏論(第17回):関手とモノイド
関手を題材にしたシリーズの最終回となる今回は、圏としてのモノイドを再考します。この連載ですでに紹介したモノイドは、多層パーセプトロンとともに、ポジションサイジングの補助に使われます。
![一からの取引エキスパートアドバイザーの開発(第13部):Times & Trade (II)](https://c.mql5.com/2/49/Developing_a_trading_Expert_Advisor_from_scratch_004_600x314.jpg)
一からの取引エキスパートアドバイザーの開発(第13部):Times & Trade (II)
本日は、Times & Tradeシステムの第2部である市場分析を構築します。前回の「Times & Trade (I)」稿では、市場で実行された取引を可能な限り迅速に解釈するための指標を持つことを可能にする代替のチャート編成システムについて説明しました。
![EAを用いたリスクとキャピタルの管理](https://c.mql5.com/2/49/risk_and_capital_management_using_exper_advisor_600x314.jpg)
EAを用いたリスクとキャピタルの管理
この記事では、バックテストレポートでは見えないこと、自動売買ソフトを使用する際の注意点、エキスパートアドバイザー(EA)を使用している場合の資金管理、自動売買をおこなっている場合に取引活動を続けるために大きな損失をカバーする方法について説明します。
![AD(蓄積/分散、Accumulation/Distribution)による取引システムの設計方法を学ぶ](https://c.mql5.com/2/49/learnhow_ad_600x314.jpg)
AD(蓄積/分散、Accumulation/Distribution)による取引システムの設計方法を学ぶ
最も人気のあるテクニカル指標に基づいて取引システムを設計する方法を学ぶための連載の新しい記事へようこそ。今回は、AD(蓄積/分散、Accumulation/Distribution)という新しいテクニカル指標について学び、シンプルなAD取引戦略に基づいてMQL5取引システムを設計する方法を学びます。
![DoEasyライブラリの時系列(第56部):カスタム指標オブジェクト、コレクション内指標オブジェクトからのデータ取得](https://c.mql5.com/2/49/doeasy_056_600x314.jpg)
DoEasyライブラリの時系列(第56部):カスタム指標オブジェクト、コレクション内指標オブジェクトからのデータ取得
本稿では、EAで使用するためのカスタム指標オブジェクトの作成について検討します。ライブラリクラスを少し改善し、EAの指標オブジェクトからデータを取得するメソッドを追加しましょう。
![一からの取引エキスパートアドバイザーの開発(第25部):システムの堅牢性の提供(II)](https://c.mql5.com/2/49/Developing_a_trading_Expert_Advisor_004_600x314.jpg)
一からの取引エキスパートアドバイザーの開発(第25部):システムの堅牢性の提供(II)
この記事では、エキスパートアドバイザー(EA)のパフォーマンスを仕上げます。長くなるのでご準備ください。EAを信頼できるものにするために、まず取引システムの一部でないコードをすべて削除します。
![ニューラルネットワークが簡単に(第58回):Decision Transformer (DT)](https://c.mql5.com/2/58/decision-transformer_600x314.jpg)
ニューラルネットワークが簡単に(第58回):Decision Transformer (DT)
強化学習の手法を引き続き検討します。この記事では、一連の行動を構築するパラダイムでエージェントの方策を考慮する、少し異なるアルゴリズムに焦点を当てます。
![モスクワ取引所(MOEX)におけるストップ注文を利用した取引所グリッド取引の自動化](https://c.mql5.com/2/54/moex-mesh-trading_600x314.jpg)
モスクワ取引所(MOEX)におけるストップ注文を利用した取引所グリッド取引の自動化
本稿では、MQL5エキスパートアドバイザー(EA)に実装されたストップ指値注文に基づくグリッド取引についてモスクワ取引所(MOEX)で考察します。市場で取引する場合、最も単純な戦略の1つは、市場価格を「キャッチ」するように設計された注文のグリッドです。
![ニューラルネットワークの実験(第1回):幾何学の再検討](https://c.mql5.com/2/51/neural_network_experiments_p1_600x314.jpg)
ニューラルネットワークの実験(第1回):幾何学の再検討
この記事では、実験と非標準的なアプローチを使用して、収益性の高い取引システムを開発し、ニューラルネットワークがトレーダーに役立つかどうかを確認します。
![ゲータ―オシレーター(Gator Oscillator)による取引システムの設計方法を学ぶ](https://c.mql5.com/2/51/trading-system-by-Alligator-002_600x314.jpg)
ゲータ―オシレーター(Gator Oscillator)による取引システムの設計方法を学ぶ
人気のあるテクニカル指標に基づいて取引システムを設計する方法を学ぶ本連載の新しい記事では、ゲータ―オシレーターテクニカル指標を取り上げ、簡単な戦略を通じて取引システムを作成する方法について学びます。
![MQL5のインタラクティブGUIで取引チャートを改善する(第2回):移動可能なGUI (II)](https://c.mql5.com/2/56/Revolutionize_Your_Trading_Charts_Part_2_600x314.jpg)
MQL5のインタラクティブGUIで取引チャートを改善する(第2回):移動可能なGUI (II)
MQL5で移動可能なGUIを作成するための詳細なガイドで、取引戦略やユーティリティでの動的なデータ表現の可能性を引き出しましょう。オブジェクト指向プログラミングの基本原理を理解し、同じチャート上に単一または複数の移動可能なGUIを簡単かつ効率的に設計実装する方法を発見してください。
![DoEasyライブラリの時系列(第51部): 複数銘柄・複数期間の複合標準指標](https://c.mql5.com/2/49/doeasy_051_600x314.jpg)
DoEasyライブラリの時系列(第51部): 複数銘柄・複数期間の複合標準指標
本稿では、 複数銘柄・複数期間標準指標のオブジェクトの開発を完結します。一目均衡表標準指標の例を使用して、チャートにデータを表示するための補助描画バッファを持つ複合カスタム指標の作成を分析します。
![知っておくべきMQL5ウィザードのテクニック(第12回):ニュートン多項式](https://c.mql5.com/2/70/MQL5_Wizard_Techniques_you_should_know_Part_12_Newton_Polynomial_600x314.jpg)
知っておくべきMQL5ウィザードのテクニック(第12回):ニュートン多項式
ニュートン多項式は、数点の集合から二次方程式を作るもので、時系列を見るには古風だが興味深いアプローチです。この記事では、このアプローチをトレーダーがどのような面で役立てることができるかを探るとともに、その限界についても触れてみたいと思います。
![一からの取引エキスパートアドバイザーの開発(第27部):未来に向かって(II)](https://c.mql5.com/2/49/Developing_a_trading_Expert_Advisor_006_600x314.jpg)
一からの取引エキスパートアドバイザーの開発(第27部):未来に向かって(II)
チャート上直接の発注システムをより完全にしましょう。この記事では、発注システムを修正する方法、またはより直感的にする方法を示します。
![データサイエンスと機械学習(第13回):主成分分析(PCA)で金融市場分析を改善する](https://c.mql5.com/2/52/pca_600x314.jpg)
データサイエンスと機械学習(第13回):主成分分析(PCA)で金融市場分析を改善する
主成分分析(Principal component analysis、PCA)で金融市場分析に革命を起こしましょう。この強力な手法がどのようにデータの隠れたパターンを解き放ち、潜在的な市場動向を明らかにし、投資戦略を最適化するかをご覧ください。この記事では、PCAが複雑な金融データを分析するための新しいレンズをどのように提供できるかを探り、従来のアプローチでは見逃されていた洞察を明らかにします。金融市場データにPCAを適用することで競争力を高め、時代を先取りする方法をご覧ください。
![MQL5の圏論(第20回):セルフアテンションとTransformerへの回り道](https://c.mql5.com/2/58/Category-Theory-p20_600x314.jpg)
MQL5の圏論(第20回):セルフアテンションとTransformerへの回り道
ちょっと寄り道して、chatGPTのアルゴリズムの一部について考えてみたいとおもいます。自然変換から借用した類似点や概念はあるのでしょうか。シグナルクラス形式のコードを用いて、これらの疑問やその他の質問に楽しく答えようと思います。