![リプレイシステムの開発 - 市場シミュレーション(第23回)FOREX (IV)](https://c.mql5.com/2/57/replay_p23_600x314.jpg)
リプレイシステムの開発 - 市場シミュレーション(第23回)FOREX (IV)
これで、ティックをバーに変換したのと同じ時点で作成がおこなわれます。こうすることで、変換プロセス中に問題が発生した場合、すぐにエラーに気づくことができます。これは、早送り中にチャート上に1分足を配置するコードと同じコードが、通常のパフォーマンス中に足を配置する位置決めシステムにも使用されるためです。言い換えれば、このタスクを担当するコードは他の場所には複製されません。このようにして、メンテナンスと改善の両方においてはるかに優れたシステムが得られます。
![カスタム指標(第1回):MQL5でシンプルなカスタム指標を開発するためのステップバイステップ入門ガイド](https://c.mql5.com/2/76/Custom_Indicators_hPart_1q_600x314.jpg)
カスタム指標(第1回):MQL5でシンプルなカスタム指標を開発するためのステップバイステップ入門ガイド
MQL5を使用してカスタム指標を作成する方法を紹介します。この入門記事では、シンプルなカスタム指標を構築するための基本を説明し、この興味深いトピックを初めて学ぶMQL5プログラマーのために、さまざまなカスタム指標をコーディングするための実践的なアプローチを示します。
![ボラティリティベースの取引システムの構築と最適化の方法(チャイキンボラティリティ - CHV)](https://c.mql5.com/2/76/How_to_build_and_optimize_a_volatility-based_trading_system_cChaikin_Volatility_-_CHVq_600x314.jpg)
ボラティリティベースの取引システムの構築と最適化の方法(チャイキンボラティリティ - CHV)
この記事では、チャイキンボラティリティ(CHV、Chaikin Volatility)という名前の、ボラティリティに基づく後1つの指標を提供します。カスタム指標の使用方法と構築方法を確認した後、カスタム指標の構築方法を理解します。使用できるいくつかの簡単な戦略を共有し、どちらがより優れているかを理解するためにテストします。
![リプレイシステムの開発 - 市場シミュレーション(第22回):FOREX (III)](https://c.mql5.com/2/57/replay_p22_600x314.jpg)
リプレイシステムの開発 - 市場シミュレーション(第22回):FOREX (III)
このトピックに関する記事は今回で3回目になりますが、株式市場とFOREX市場の違いをまだ理解していない方のために説明しなければなりません。大きな違いは、FOREXでは、取引の過程で実際に発生したいくつかのポイントに関する情報がないというか、与えられないということです。
![Candlestick Trend Constraintモデルの構築(第2回):ネイティブ指標の結合](https://c.mql5.com/2/77/Building_A_Candlestick_Trend_Constraint_Model5Part_2s_600x314.jpg)
Candlestick Trend Constraintモデルの構築(第2回):ネイティブ指標の結合
この記事では、トレンドから外れたシグナルを選別するために、MetaTrader 5指標を活用することに焦点を当てます。前回に引き続き、MQL5コードを使用してアイデアを最終的なプログラムに伝える方法を探っていきます。
![リプレイシステムの開発(第34回):発注システム (III)](https://c.mql5.com/2/59/sistema_de_Replay_qParte_341_600x314.jpg)
リプレイシステムの開発(第34回):発注システム (III)
今回は、構築の第一段階を完成させます。この部分はかなり短時間で終わりますが、前回までに説明しなかった詳細をカバーします。多くの方が理解していない点をいくつか説明します。なぜShiftキーやCtrlキーを押さなければならないかご存じでしょうか。
![知っておくべきMQL5ウィザードのテクニック(第14回):STFによる多目的時系列予測](https://c.mql5.com/2/73/MQL5_Wizard_tPart_140._Multi_Objective_Timeseries_Forecasting_with_STF_600x314.jpg)
知っておくべきMQL5ウィザードのテクニック(第14回):STFによる多目的時系列予測
データのモデリングに「空間」と「時間」の両方の測定基準を使用する空間的時間的融合は、主にリモートセンシングや、私たちの周囲をよりよく理解するための他の多くの視覚ベースの活動で有用です。発表された論文のおかげで、トレーダーへの可能性を検証することで、その活用に斬新なアプローチを取ります。
![Candlestick Trend Constraintモデルの構築(第1回):EAとテクニカル指標について](https://c.mql5.com/2/76/Building_A_Candlestick_Trend_Constraint_Model_lPart_13__600x314.jpg)
Candlestick Trend Constraintモデルの構築(第1回):EAとテクニカル指標について
この記事は初心者とプロMQL5開発者の両方を対象としています。これは、シグナルを生成する指標をより長い時間枠のトレンドに定義し、制約するためのコードの一部を提供します。このように、トレーダーはより広い市場視点を取り入れることで戦略を強化することができ、より強固で信頼性の高い売買シグナルが得られる可能性があります。
![Developing a Replay System (Part 36): Making Adjustments (II)](https://c.mql5.com/2/60/Replay_9Parte_365_Ajeitando_as_coisas_600x314.jpg)
Developing a Replay System (Part 36): Making Adjustments (II)
One of the things that can make our lives as programmers difficult is assumptions. In this article, I will show you how dangerous it is to make assumptions: both in MQL5 programming, where you assume that the type will have a certain value, and in MetaTrader 5, where you assume that different servers work the same.
![ニューラルネットワークが簡単に(第71回):目標条件付き予測符号化(GCPC)](https://c.mql5.com/2/63/Neural_networks_made_easy_aPart_71__GCPCr_600x314.jpg)
ニューラルネットワークが簡単に(第71回):目標条件付き予測符号化(GCPC)
前回の記事では、Decision Transformer法と、そこから派生したいくつかのアルゴリズムについて説明しました。さまざまな目標設定手法で実験しました。実験では、さまざまな方法で目標を設定しましたが、それ以前に通過した軌跡に関するモデルの研究は、常に私たちの関心の外にありました。この記事では、このギャップを埋める手法を紹介したいと思います。
![知っておくべきMQL5ウィザードのテクニック(第15回):ニュートンの多項式を用いたサポートベクトルマシン](https://c.mql5.com/2/75/MQL5_Wizard_Techniques_You_Should_Know_wPart_15y_600x314.jpg)
知っておくべきMQL5ウィザードのテクニック(第15回):ニュートンの多項式を用いたサポートベクトルマシン
サポートベクトルマシンは、データの次元を増やす効果を調べることで、あらかじめ定義されたクラスに基づいてデータを分類します。これは教師あり学習法で、多次元のデータを扱う可能性を考えるとかなり複雑です。この記事では、2次元データの非常に基本的な実装であるニュートンの多項式が、価格とアクションを分類する際にどのように効率的に実行できるかを検討します。
![ニューラルネットワークが簡単に(第70回):閉形式方策改善演算子(CFPI)](https://c.mql5.com/2/63/Neural_Networks_Made_Easy_0Part_70g_CFPI_600x314.jpg)
ニューラルネットワークが簡単に(第70回):閉形式方策改善演算子(CFPI)
この記事では、閉形式の方策改善演算子を使用して、オフラインモードでエージェントの行動を最適化するアルゴリズムを紹介します。
![ニューラルネットワークが簡単に(第69回):密度に基づく行動方策の支持制約(SPOT)](https://c.mql5.com/2/63/Upscales.ai_1703440115554_600x314.jpg)
ニューラルネットワークが簡単に(第69回):密度に基づく行動方策の支持制約(SPOT)
オフライン学習では、固定されたデータセットを使用するため、環境の多様性をカバーする範囲が制限されます。学習過程において、私たちのエージェントはこのデータセットを超える行動を生成することができます。環境からのフィードバックがなければ、そのような行動の評価が正しいとどうやって確信できるのでしょうか。訓練データセット内のエージェントの方策を維持することは、訓練の信頼性を確保するために重要な要素となります。これが、この記事でお話しする内容です。
![時系列分類問題における因果推論](https://c.mql5.com/2/65/Causal_inference_in_time_series_classification_problems_600x314.jpg)
時系列分類問題における因果推論
この記事では、機械学習を用いた因果推論の理論と、Pythonによるカスタムアプローチの実装について見ていきます。因果推論と因果思考は哲学と心理学にルーツを持ち、現実を理解する上で重要な役割を果たしています。
![リプレイシステムの開発(第38回):道を切り開く(II)](https://c.mql5.com/2/61/Replay_Parte_38_Pavimentando_o_Terreno_600x314.jpg)
リプレイシステムの開発(第38回):道を切り開く(II)
MQL5プログラマーを自認する人の多くは、この記事で概説するような基本的な知識を持っていません。MQL5は多くの人によって限定的なツールだと考えてられていますが、実際の理由は、そのような人たちが必要な知識を持っていないということです。知らないことがあっても恥じることはありません。聞かなかったことを恥じるべきです。MetaTrader 5で指標の複製を強制的に無効にするだけでは、指標とEA間の双方向通信を確保することはできません。まだこれにはほど遠いものの、チャート上でこの指標が重複していないという事実は、私たちに自信を与えてくれます。
![Candlestick Trend Constraintモデルの構築(第3回):使用中のトレンド変化の検出](https://c.mql5.com/2/78/Building_A_Candlestick_Trend_Constraint_Model_Part_3___NO_BG_600x314.jpg)
Candlestick Trend Constraintモデルの構築(第3回):使用中のトレンド変化の検出
この記事では、経済ニュースの発表、投資家の行動、さまざまな要因が市場のトレンド反転にどのような影響を与えるかを探ります。ビデオによる説明もあり、MQL5のコードをプログラムに組み込むことで、トレンドの反転を検出し、警告を発し、市場の状況に応じて適切な行動を取ることができます。これは、本連載の過去の記事に基づいています。
![多通貨エキスパートアドバイザーの開発(第2回):取引戦略の仮想ポジションへの移行](https://c.mql5.com/2/69/Developing_a_multi-currency_advisor_5Part_2f_Transition_to_virtual_positions_of_trading_strategies_6.jpg)
多通貨エキスパートアドバイザーの開発(第2回):取引戦略の仮想ポジションへの移行
複数の戦略を並行して動作させる多通貨エキスパートアドバイザー(EA)の開発を続けましょう。マーケットポジションを建てることに関連するすべての作業を、戦略レベルから、戦略を管理するEAのレベルに移してみましょう。戦略自体は、マーケットポジションを持つことなく、仮想の取引のみをおこないます。
![ニューラルネットワークが簡単に(第75回):軌道予測モデルのパフォーマンス向上](https://c.mql5.com/2/68/Neural_Networks_Made_Easy_5Part_75d_Improving_the_Performance_of_Trajectory_Prediction_Models_600x31.jpg)
ニューラルネットワークが簡単に(第75回):軌道予測モデルのパフォーマンス向上
私たちが作成するモデルはより大きく、より複雑になっています。そのため、訓練だけでなく、運用にもコストがかかります。しかし、決断に要する時間はしばしば重要です。この観点から、品質を損なうことなくモデルのパフォーマンスを最適化する手法を考えてみましょう。
![MQL5における修正グリッドヘッジEA(第4部):シンプルなグリッド戦略の最適化(I)](https://c.mql5.com/2/79/Modified_Grid-Hedge_EA_in_MQL5_Part_III_600x314__1.jpg)
MQL5における修正グリッドヘッジEA(第4部):シンプルなグリッド戦略の最適化(I)
この第4部では、以前に開発したシンプルヘッジとシンプルグリッドエキスパートアドバイザー(EA)を再考します。最適な戦略の使用を目指し、数学的分析と総当り攻撃アプローチを通じてシンプルグリッドEAを改良することに焦点を移します。戦略の数学的最適化について深く掘り下げ、後の回でコーディングに基づく最適化を探求するための舞台を整えます。