![データサイエンスと機械学習(第26回):時系列予測における究極の戦い - LSTM対GRUニューラルネットワーク](https://c.mql5.com/2/84/Data_Science_and_ML_Part_26_600x314.jpg)
データサイエンスと機械学習(第26回):時系列予測における究極の戦い - LSTM対GRUニューラルネットワーク
前回の記事では、データの長期的な依存関係をうまく捉えられないにもかかわらず、利益を上げる戦略を構築できる単純RNNについて説明しました。この記事では、LSTM (Long-Short Term Memory)とGRU (Gated Recurrent Unit)の両方について説明します。この2つは、単純RNNの欠点を克服し、それを凌駕するために紹介されました。
![MetaTrader 5のEMAクロスオーバーに基づくカスケード注文取引戦略](https://c.mql5.com/2/84/Cascade_Order_Trading_Strategy_Based_on_EMA_Crossovers_600x314.jpg)
MetaTrader 5のEMAクロスオーバーに基づくカスケード注文取引戦略
この記事は、MetaTrader 5のEMAクロスオーバーに基づく自動化アルゴリズムのデモをガイドしています。価格帯の動作分析からリスク管理まで、MQL5のエキスパートアドバイザー(EA)を示し、MetaTrader 5でテストするためのあらゆる側面に関する詳細情報を含みます。
![Candlestick Trend Constraintモデルの構築(第6回):オールインワン統合](https://c.mql5.com/2/85/Building_A_Candlestick_Trend_Constraint_Model_Part_6__600x314.jpg)
Candlestick Trend Constraintモデルの構築(第6回):オールインワン統合
一つの大きな課題は、異なる機能を持つ同じプログラムを、同じ通貨ペアに対して複数のチャートウィンドウで実行し、管理することです。この問題を解決するには、複数の機能を一つのメインプログラムに統合する方法を検討する必要があります。さらに、プログラムの設定を操作ログに出力する方法や、成功したシグナルのブロードキャストをチャートインターフェイス上に表示する方法についても解説します。連載が進むにつれ、この記事でさらに詳しい情報を提供していきます。
![初心者のためのMQL5によるSP500取引戦略](https://c.mql5.com/2/84/SP500_Trading_Strategy_in_MQL5_600x314.jpg)
初心者のためのMQL5によるSP500取引戦略
MQL5を活用してS&P500指数を正確に予測する方法をご紹介します。古典的なテクニカル分析とアルゴリズム、そして長年の経験に裏打ちされた原理を組み合わせることで、安定性を高め、確かな市場洞察力を得られます。
![スマートマネーコンセプト(BOS)とRSI指標をEAに統合する方法](https://c.mql5.com/2/83/Integrate_Smart_Money_Concepts_coupled_with_the_RSI_Indicator_into_an_EA_600x314.jpg)
スマートマネーコンセプト(BOS)とRSI指標をEAに統合する方法
市場構造に基づいた情報に基づく自動売買の意思決定を可能にするためには、スマートマネーコンセプト(Break Of Structure: BOS)とRSI指標の組み合わせが有効です。
![知っておくべきMQL5ウィザードのテクニック(第27回):移動平均と迎角](https://c.mql5.com/2/83/MQL5_Wizard_Techniques_you_should_know_Part_27__V2_600x314.jpg)
知っておくべきMQL5ウィザードのテクニック(第27回):移動平均と迎角
迎角はよく引用される指標で、その急勾配は優勢なトレンドの強さと強い相関があると理解されています。一般的にどのように使用され、理解されているかを調べ、それを使用する取引システムの利益のために、その測定方法に導入可能な変更があるかどうかを検討します。
![固有ベクトルと固有値:MetaTrader 5での探索的データ分析](https://c.mql5.com/2/83/Eigenvectors_and_eigenvalues__Exploratory_data_analysis_in_MetaTrader_600x314.jpg)
固有ベクトルと固有値:MetaTrader 5での探索的データ分析
この記事では、データ内の特異な関係性を明らかにするために、固有ベクトルと固有値を探索的データ分析にどのように応用できるかを探ります。
![Pythonを使ったEAとバックテストのための感情分析とディープラーニング](https://c.mql5.com/2/83/Sentiment_Analysis_and_Deep_Learning_for_Trading_with_EA_and_Back-testing_with_Python_600x314__1.jpg)
Pythonを使ったEAとバックテストのための感情分析とディープラーニング
この記事では、EAで使用するPythonによる感情分析とONNXモデルを紹介します。あるスクリプトはTensorFlowで学習させたONNXモデルをディープラーニング予測用に実行し、別のスクリプトはニュースのヘッドラインを取得し、AIを使用して感情を数値化します。
![知っておくべきMQL5ウィザードのテクニック(第26回):移動平均とハースト指数](https://c.mql5.com/2/83/MQL5_Wizard_Techniques_you_should_know_Part_26_600x314.jpg)
知っておくべきMQL5ウィザードのテクニック(第26回):移動平均とハースト指数
ハースト指数は、時系列データが長期間にわたってどれだけ自己相関しているかを示す指標です。ハースト指数は、時系列データの長期的な特性を捉えることがわかっているため、経済や金融に限らず、幅広い時系列分析において重要な役割を果たします。本稿では、ハースト指数を移動平均線と組み合わせることで、トレーダーにとって有用なシグナルをどのように得られるかを検討し、その潜在的なメリットに焦点を当てます。
![MQL5で日次ドローダウンリミッターEAを作成する](https://c.mql5.com/2/83/Creating_a_Daily_Drawdown_Limiter_EA_in_MQL5_600x314.jpg)
MQL5で日次ドローダウンリミッターEAを作成する
この記事では、取引アルゴリズムに基づくエキスパートアドバイザー(EA)の作成方法を、詳細な観点から解説しています。これはMQL5のシステムを自動化し、デイリードローダウンをコントロールするのに役立ちます。
![多通貨エキスパートアドバイザーの開発(第7回):フォワード期間に基づくグループの選択](https://c.mql5.com/2/74/Developing_a_multi-currency_advisor_yPart_7c_600x314.jpg)
多通貨エキスパートアドバイザーの開発(第7回):フォワード期間に基づくグループの選択
以前は、個々のインスタンスの最適化が実施されたのと同じ期間においてのみ、共同運用の結果を改善する目的で、取引戦略インスタンスグループの選択を評価しました。フォワード期間中に何が起こるか見てみましょう。
![MQLプロジェクトでJSON Data APIを使用する](https://c.mql5.com/2/83/Using_Json_Data_API_in_your_MQL_projects_600x314.jpg)
MQLプロジェクトでJSON Data APIを使用する
MetaTraderにはないデータを使用できることを想像してみてください。価格分析とテクニカル分析による指標からデータを得るだけです。取引力を一段と高めるデータにアクセスできることを想像してみてください。APIデータを通して他のソフトウェア、マクロ分析手法、超高度ツールの出力をMetaTraderを通じてミックスすれば、MetaTraderソフトウェアのパワーを倍増させることができます。この記事では、APIの使い方を教え、便利で価値のあるAPIデータサービスを紹介します。
![母集団最適化アルゴリズム:群鳥アルゴリズム(BSA)](https://c.mql5.com/2/74/Population_optimization_algorithms_Bird_Swarm_Algorithm_4BSA4_600x314.jpg)
母集団最適化アルゴリズム:群鳥アルゴリズム(BSA)
本稿では、自然界における鳥の群れの集団的な相互作用に着想を得た、鳥の群れに基づくアルゴリズム(BSA)を探求します。飛行、警戒、採餌行動の切り替えなど、BSAの個体にはさまざまな探索戦略があるため、このアルゴリズムは多面的なものとなっています。鳥の群れ、コミュニケーション、適応性、先導と追随の原理を利用し、効率的に最適解を見つけます。
![ニューラルネットワークの実践:割線](https://c.mql5.com/2/72/Rede_neural_na_prltica_Reta_Secante_600x314.jpg)
ニューラルネットワークの実践:割線
理論的な部分ですでに説明したように、ニューラルネットワークを扱う場合、線形回帰と導関数を使用する必要があります。なぜでしょうか。その理由は、線形回帰は現存する最も単純な公式の1つだからです。本質的に、線形回帰は単なるアフィン関数です。しかし、ニューラルネットワークについて語るとき、私たちは直接線形回帰の効果には興味がありません。この直線を生み出す方程式に興味があるのです。作られた線にはそれほど興味がありません。私たちが理解すべき主要な方程式をご存じですか。ご存じでなければ、この記事を読んで理解することをお勧めします。
![データサイエンスと機械学習(第25回):回帰型ニューラルネットワーク(RNN)を用いたFX時系列予測](https://c.mql5.com/2/82/Data_Science_and_ML_Part_25_600x314.jpg)
データサイエンスと機械学習(第25回):回帰型ニューラルネットワーク(RNN)を用いたFX時系列予測
回帰型ニューラルネットワーク(Recurrent Neural Network: RNN)は、過去の情報を活用して将来の出来事を予測することに優れています。その驚くべき予測能力は、さまざまな領域で応用され、大きな成功を収めています。この記事では、外為市場のトレンドを予測するためにRNNモデルを導入し、外為取引における予測精度を高める可能性を示します。
![PatchTST機械学習アルゴリズムによる24時間の値動きの予測](https://c.mql5.com/2/83/Using_PatchTST_Machine_Learning_Algorithm_for_Predicting_Next_24_Hours_of_Price_Action_600x314.jpg)
PatchTST機械学習アルゴリズムによる24時間の値動きの予測
この記事では、PatchTSTと呼ばれる2023年にリリースされた比較的複雑なニューラルネットワークアルゴリズムを適用し、今後24時間の値動きを予測します。公式リポジトリを使用し、若干の修正を加え、EURUSDのモデルを訓練し、PythonとMQL5の両方で将来の予測をおこなうために適用します。
![MQL5でインタラクティブなグラフィカルユーザーインターフェイスを作成する(第1回):パネルの製作](https://c.mql5.com/2/83/Creating_an_Interactive_Graphical_User_Interface_in_MQL5_Part_1_600x314.jpg)
MQL5でインタラクティブなグラフィカルユーザーインターフェイスを作成する(第1回):パネルの製作
この記事では、MetaQuotes Language 5 (MQL5)を使用して、グラフィカルユーザーインターフェイス(GUI)パネルを作成し、実装するための基本的な手順について説明します。カスタムユーティリティパネルは、一般的なタスクを簡素化し、重要な取引情報を可視化することで、取引におけるユーザーのインタラクションを向上させます。カスタムパネルを作成することで、トレーダーはワークフローを合理化し、取引操作の時間を節約することができます。
![母集団最適化アルゴリズム:クジラ最適化アルゴリズム(WOA)](https://c.mql5.com/2/73/Whale_Optimization_Algorithm_600x314.jpg)
母集団最適化アルゴリズム:クジラ最適化アルゴリズム(WOA)
(WOA)は、ザトウクジラの行動と狩猟戦略に着想を得たメタヒューリスティクスアルゴリズムです。WOAの主なアイデアは、クジラが獲物の周囲に泡を作り、螺旋状の動きで獲物に襲いかかる、いわゆる「バブルネット」と呼ばれる捕食方法を模倣することです。
![知っておくべきMQL5ウィザードのテクニック(第25回):多時間枠のテストと取引](https://c.mql5.com/2/82/MQL5_Wizard_Techniques_you_should_know_Part_25_600x314.jpg)
知っておくべきMQL5ウィザードのテクニック(第25回):多時間枠のテストと取引
アセンブリクラスで使用されているMQL5コードアーキテクチャの制限によって、複数の時間枠に基づく戦略は、デフォルトではウィザードで組み立てられたEAではテストできません。今回は、二次移動平均を使用したケーススタディで、複数の時間枠を使用する戦略について、この制限を回避する可能性を探ります。
![Candlestick Trend Constraintモデルの構築(第5回):通知システム(パート3)](https://c.mql5.com/2/83/Building_A_Candlestick_Trend_Constraint_Model__Part_5___CONT_600x314.jpg)
Candlestick Trend Constraintモデルの構築(第5回):通知システム(パート3)
本稿ではWhatsAppとMetaTrader 5を統合して通知する方法を紹介します。理解を容易にするためにフローチャートを掲載し、統合におけるセキュリティ対策の重要性について説明します。指標の主な目的は、自動化によって分析を簡素化することであり、特定の条件が満たされたときにユーザーに警告するための通知方法を含むべきです。詳しくは本稿で説明します。
![古典的な戦略をPythonで再構築する:MAクロスオーバー](https://c.mql5.com/2/82/Reimagining_Classic_Strategies_in_Python_600x314.jpg)
古典的な戦略をPythonで再構築する:MAクロスオーバー
この記事では、古典的な移動平均クロスオーバー戦略を再検討し、その現在の有効性を評価します。開始以来の経過時間を考慮して、AI がこの伝統的な取引戦略にもたらす可能性のある機能強化について検討します。AI技術を取り入れることで、高度な予測能力を活用し、取引のエントリとエグジットのポイントを最適化し、さまざまな市場環境に適応し、従来のアプローチと比較して全体的なパフォーマンスを向上させる可能性があることを目指します。
![母集団最適化アルゴリズム:ボイドアルゴリズム](https://c.mql5.com/2/74/Population_optimization_algorithms_Boyd_algorithm_or_flock_algorithm-transformed_600x314.jpg)
母集団最適化アルゴリズム:ボイドアルゴリズム
この記事では、動物の群れ行動のユニークな例に基づいたボイドアルゴリズムについて考察しています。その結果、ボイドアルゴリズムは、「群知能(Swarm Intelligence)」の名の下に統合されたアルゴリズム群全体の基礎となった。
![多通貨エキスパートアドバイザーの開発(第6回):インスタンスグループ選択の自動化](https://c.mql5.com/2/74/Developing_a_multi-currency_advisor_Part_6_Automating_the_selection_of_a_group_of_instances_600x314.jpg)
多通貨エキスパートアドバイザーの開発(第6回):インスタンスグループ選択の自動化
取引戦略を最適化した後、パラメータのセットを受け取ります。これらを使用して、1つのEAに複数の取引戦略のインスタンスを作成することができます。以前は手動でおこないましたが、ここでは、このプロセスの自動化を試みます。
![PythonとMQL5でロボットを開発する(第1回):データ前処理](https://c.mql5.com/2/74/Robot_development_in_Python_and_MQL5_hPart_1i_Data_preprocessing_600x314.jpg)
PythonとMQL5でロボットを開発する(第1回):データ前処理
機械学習に基づく自動売買ロボットの開発の詳細なガイドです。連載第1回は、データと特徴量の収集と準備についてです。プロジェクトは、Pythonプログラミング言語とライブラリ、およびMetaTrader 5プラットフォームを使用して実装されます。
![ニューラルネットワークが簡単に(第81回):Context-Guided Motion Analysis (CCMR)](https://c.mql5.com/2/73/Neural_networks_are_easy_Part_81_600x314.jpg)
ニューラルネットワークが簡単に(第81回):Context-Guided Motion Analysis (CCMR)
これまでの作業では、常に環境の現状を評価しました。同時に、指標の変化のダイナミクスは常に「舞台裏」にとどまっていました。この記事では、連続する2つの環境状態間のデータの直接的な変化を評価できるアルゴリズムを紹介したいと思います。
![ニューラルネットワークが簡単に(第80回):Graph Transformer Generative Adversarial Model (GTGAN)](https://c.mql5.com/2/72/Neural_networks_are_easy_Part_80_600x314.jpg)
ニューラルネットワークが簡単に(第80回):Graph Transformer Generative Adversarial Model (GTGAN)
この記事では、2024年1月に導入された、グラフ制約のある建築レイアウト生成の複雑な問題を解くためのGTGAN (Graph Transformer Generative Adversarial Model)アルゴリズムについて知ろうと思います。
![最適化アルゴリズムの効率における乱数生成器の品質の役割](https://c.mql5.com/2/73/The_role_of_the_quality_of_the_random_number_generator_600x314.jpg)
最適化アルゴリズムの効率における乱数生成器の品質の役割
この記事では、メルセンヌ・ツイスタ乱数生成器を取り上げ、MQL5の標準的な乱数生成器と比較します。また、乱数生成器の品質が最適化アルゴリズムの結果に与える影響についても調べます。
![母集団アルゴリズムのハイブリダイゼーション:逐次構造と並列構造](https://c.mql5.com/2/73/Hybridization_of_population_algorithms_Series_and_parallel_circuit_600x314.jpg)
母集団アルゴリズムのハイブリダイゼーション:逐次構造と並列構造
ここでは、最適化アルゴリズムのハイブリダイゼーションの世界に飛び込み、3つの主要なタイプ、すなわち戦略混合、逐次ハイブリダイゼーション、並列ハイブリダイゼーションについて見ていきます。関連する最適化アルゴリズムを組み合わせ、テストする一連の実験をおこないます。
![手動取引のリスクマネージャー](https://c.mql5.com/2/73/Risk_manager_for_manual_trading_600x314.jpg)
手動取引のリスクマネージャー
この記事では、手動取引用のリスクマネージャークラスをゼロから書く方法について詳しく説明します。このクラスは、自動化プログラムを使用するアルゴリズムトレーダーが継承するための基本クラスとしても使用できます。
![多通貨エキスパートアドバイザーの開発(第5回):可変ポジションサイズ](https://c.mql5.com/2/73/Developing_a_multi-currency_advisor_Part_5_Variable_position_sizes_600x314.jpg)
多通貨エキスパートアドバイザーの開発(第5回):可変ポジションサイズ
前回開発中のエキスパートアドバイザー(EA)は、固定されたポジションサイズのみを使用して取引をおこなうことができました。これはテスト用には許容できますが、実際の口座で取引する場合にはお勧めできません。可変のポジションサイズで取引できるようにしましょう。
![リプレイシステムの開発(第43回):Chart Traderプロジェクト(II)](https://c.mql5.com/2/70/Desenvolvendo_um_sistema_de_Replay_Parte_43_Projeto_do_Chart_Trade__600x314.jpg)
リプレイシステムの開発(第43回):Chart Traderプロジェクト(II)
プログラミングを学びたいと夢見る人のほとんどは、実際に自分が何をしているのかわかっていません。彼らの活動は、ある方法で物事を創造しようとすることから成っています。しかし、プログラミングとは、適切な解決策を仕立てることではありません。このようなやり方は、解決策よりも多くの問題を引き起こす可能性があります。ここでは、より高度で、それゆえに異なることをします。
![知っておくべきMQL5ウィザードのテクニック(第24回):移動平均](https://c.mql5.com/2/82/MQL5_Wizard_Techniques_you_should_know_Part_24_600x314.jpg)
知っておくべきMQL5ウィザードのテクニック(第24回):移動平均
移動平均は、ほとんどのトレーダーが使用し、理解している非常に一般的な指標です。この記事では、MQL5ウィザードで組み立てられたエキスパートアドバイザー(EA)の中で、あまり一般的ではないかもしれない使用例を探っていきます。
![リプレイシステムの開発(第42回):Chart Traderプロジェクト(I)](https://c.mql5.com/2/69/Desenvolvendo_um_sistema_de_Replay_bParte_421_Projeto_do_Chart_Trade_1Il__600x314.jpg)
リプレイシステムの開発(第42回):Chart Traderプロジェクト(I)
もっと面白いものを作りましょう。ネタバレはしたくないので、理解を深めるために記事を読んでください。リプレイ/シミュレーターシステムの開発に関する本連載の最初の段階から、私は、開発中のシステムと実際の市場の両方で同じようにMetaTrader 5プラットフォームを使用することがアイディアであると述べてきました。これが適切におこなわれることが重要です。ある道具を使用して訓練して戦い方を学んだ末、戦いの最中に別の道具を使用しなければならないというようなことは誰もしたくありません。
![PythonとMQL5を使用した取引戦略の自動パラメータ最適化](https://c.mql5.com/2/82/Automated_Parameter_Optimization_for_Trading_Strategies_Using_Python_and_MQL5___2_600x314.jpg)
PythonとMQL5を使用した取引戦略の自動パラメータ最適化
取引戦略とパラメータを自己最適化するアルゴリズムには、いくつかの種類があります。これらのアルゴリズムは、過去と現在の市場データに基づいて取引戦略を自動的に改善するために使用されます。この記事では、そのうちの1つをpythonとMQL5の例で見ていきます。
![市場力学をマスターする:支持&抵抗戦略エキスパートアドバイザー(EA)の作成](https://c.mql5.com/2/82/Creating_a_Support_and_Resistance_Strategy_Expert_Advisor_600x314.jpg)
市場力学をマスターする:支持&抵抗戦略エキスパートアドバイザー(EA)の作成
支持&抵抗戦略に基づく自動売買アルゴリズム開発のための包括的ガイドです。MQL5でEAを作成し、MetaTrader 5でテストするための、価格帯行動の分析からリスク管理までのあらゆる側面に関する詳細情報が含まれます。
![知っておくべきMQL5ウィザードのテクニック(第23回):CNN](https://c.mql5.com/2/81/MQL5_Wizard_Techniques_you_should_know_Part_23_600x314.jpg)
知っておくべきMQL5ウィザードのテクニック(第23回):CNN
畳み込みニューラルネットワーク(Convolutional Neural Network: CNN)もまた、多次元のデータセットを主要な構成要素に分解することに特化した機械学習アルゴリズムです。一般的にどのように達成されるかを見て、別のMQL5ウィザードシグナルクラスのトレーダーへの応用の可能性を探ります。
![MQL5でゾーン回復マーチンゲール戦略を開発する](https://c.mql5.com/2/82/Developing_Zone_Recovery_Martingale_strategy_in_MQL5_600x314.jpg)
MQL5でゾーン回復マーチンゲール戦略を開発する
この記事では、ゾーン回復取引アルゴリズムに基づくエキスパートアドバイザー(EA)の作成に向けて実施すべきステップについて、詳細な観点から論じています。これは、アルゴリズムトレーダーの時間を節約するシステムの自動化に役立ちます。