記事、ライブラリコメント - ページ 11

新しい記事「 取引における道徳的期待値 」はパブリッシュされました: この記事は、道徳的期待値についてです。取引でのその使用のいくつかの例と、その助けを借りて達成できる結果を見ていきます。 これは理論でした。それでは、実際に何ができるか見てみましょう。それには、取引の実行をシミュレートするスクリプトを作成します。同時に、固定損切りと利食い、フローティング損切りとフローティング利食いの3つのオプションをチェックします。 一見すると、損切りと利食いが固定されたオプション（青い線）が勝ちです。

新しい記事「 ニューラルネットワークが簡単に（第35回）：ICM（Intrinsic Curiosity Module、内発的好奇心モジュール） 」はパブリッシュされました: 強化学習アルゴリズムの研究を続けます。これまで検討してきたすべてのアルゴリズムでは、あるシステム状態から別の状態への遷移ごとに、エージェントがそれぞれの行動を評価できるようにするための報酬方策を作成する必要がありました。しかし、この方法はかなり人工的なものです。実際には、行動と報酬の間には、ある程度の時間差があります。今回は、行動から報酬までの様々な時間の遅れを扱うことができるモデル訓練アルゴリズムに触れてみましょう。

新しい記事「 ニューラルネットワークが簡単に（第34部）：FQF（Fully Parameterized Quantile Function、完全にパラメータ化された分位数関数） 」はパブリッシュされました

新しい記事「 自動で動くEAを作る（第08回）：OnTradeTransaction 」はパブリッシュされました: 今回は、受注システムに関する問題を迅速かつ効率的に処理するためのイベント処理システムの使用方法について紹介します。このシステムにより、EAは必要なデータを常に検索する必要がなくなり、より速く動作するようになります。

新しい記事「 データサイエンスと機械学習（第10回）：リッジ回帰 」はパブリッシュされました: リッジ回帰は、モデルの複雑さを軽減し、単純な線形回帰に起因する過学習を防ぐためのシンプルな手法です。 すべてのデータを学習データとして使用した場合、モデルの性能は若干異なります。 出力を保存して同じ軸にプロットすると、次のようなグラフになります。 線形モデルと青色でマークされた予測因子の違いはほとんどわかりません。リッジ回帰がデータセットにうまく適合していないことがわかるだけです。両モデルを1つずつ訓練してテストしてみましょう。 作者: Omega J Msigwa

新しい記事「 MetaTrader 5におけるバイナリーオプション戦略のテストと最適化 」はパブリッシュされました: 今回は、MetaTrader5でのバイナリーオプション戦略の確認と最適化をおこないます。 平均化した場合のテスト結果です。ようやく成功しました。 次は、平均化した最適化結果です。 作者: Roman Poshtar

新しい記事「 MQL5クックブック - マクロ経済イベントデータベース 」はパブリッシュされました: この記事では、SQLiteエンジンに基づいてデータベースを処理する可能性について説明します。CDatabaseクラスは、OOP原則を便利かつ効率的に使用するために作成されました。その後、マクロ経済イベントのデータベースの作成と管理に関与しています。この記事では、CDatabaseクラスの複数のメソッドを使用する例を示します。 表に新しい列を追加することも、かなり一般的なタスクです。 COUNTRIES表を拡張し、カレンダーに含まれるマクロ経済イベントの数を含む列を追加する必要があるとします。

新しい記事「 自動で動くEAを作る（第07回）：口座の種類(II) 」はパブリッシュされました: 今日は、自動モードでシンプルかつ安全に動作するエキスパートアドバイザー(EA)を作成する方法を紹介します。トレーダーは、自動EAが何をしているのかを常に意識しておく必要があります。そうすれば、もしEAが「レールから外れた」場合、トレーダーはできるだけ早くチャートからEAを取り除き、状況をコントロールすることができます。 前回の「 自動で動くEAを作る（第06回）：口座の種類(I) 」稿で

新しい記事「 自動で動くEAを作る（第06回）：口座の種類（I） 」はパブリッシュされました: 今日は、自動モードでシンプルかつ安全に動作するエキスパートアドバイザー(EA)を作成する方法を紹介します。このEAは、現状ではどんな状況でも機能しますが、まだ自動化には至っていません。まだ、いくつかの点で工夫が必要です。

新しい記事「 ニューラルネットワークが簡単に（第33部）：分散型Q学習における分位点回帰 」はパブリッシュされました: 分散型Q学習の研究を続けます。今日は、この方法を反対側から見てみましょう。価格予測問題を解決するために、分位点回帰を利用する可能性を検討します。 NetCreator というツールを使って訓練モデルを作成しました。このモデルのアーキテクチャは、前回までの訓練 モデル のアーキテクチャと同じです。最後のSoftMaxの正規化層を削除して、モデル結果エリアが、使用された報酬方策のどの結果も再現できるようにしました。

新しい記事「 データサイエンスと機械学習（第11回）：単純ベイズ、取引における確率論 」はパブリッシュされました

新しい記事「 母集団最適化アルゴリズム：細菌採餌最適化(BFO) 」はパブリッシュされました: 大腸菌の採餌戦略は、科学者にBFO最適化アルゴリズムの作成を促しました。このアルゴリズムには、最適化に対する独自のアイデアと有望なアプローチが含まれており、さらに研究する価値があります。 細菌採餌最適化（Bacterial Foraging

新しい記事「 Murrayシステム再訪問 」はパブリッシュされました: グラフィカルな価格分析システムは、当然ながらトレーダーの間で人気があります。今回は、有名なレベルを含む完全なMurray（マレー）システム、および現在の価格ポジションを評価し、取引を決定するための有用な他のテクニックについて説明します。 レベル 突破 とは、 価格がレベルを超えて、固定された 状態のことです。 例えば、1本目のローソク足がレベルを下回り、2本目、3本目がレベルを上回った場合、そのレベルは突破されたと判断することができます。

新しい記事「 エキスパートアドバイザー(EA)の選び方：取引ボットを却下するための20の強力な基準 」はパブリッシュされました

新しい記事「 自動で動くEAを作る（第05回）：手動トリガー(II) 」はパブリッシュされました: 今日は、自動モードでシンプルかつ安全に動作するエキスパートアドバイザー(EA)を作成する方法を紹介します。前回の最後に、少なくともしばらくはEAを手動で使えるようにするのが適切ではないかと提案しました。 さて、手動モードのEAをより快適に使うためには、いくつかの工夫が必要です。この作業はプログラマーにとってシンプルで簡単なものなので、本題に入ることができます。すなわち、取引サーバに送る注文の注文の制限の位置を示す行を作成するのです。

解約したいのですが、アカウント削除の仕方が分からず、サポートセンターへの問い合わせも分かりません。

新しい記事「 ニューラルネットワークの実験（第3回）：実用化 」はパブリッシュされました: この連載では、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。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にアプローチします。 ストップロスとテイクプロフィットを使用してエグジットします。TEMA指標の1パーセプトロン（4つの勾配角度）の戦略です。最適化を10回おこないます。勾配角度の構造と最適化の原理は、第1回目の記事で紹介しています。ここで繰り返しても意味がありません。

新しい記事「 自動で動くEAを作る（第04回）：手動トリガー(I) 」はパブリッシュされました: 今日は、自動モードでシンプルかつ安全に動作するエキスパートアドバイザー(EA)を作成する方法を紹介します。 これは、成行注文を取引サーバーに送信する方法です。次の動作があります。 CTRLを押すと、ここで条件がtrueになり 、2番目の条件を確認できるようになります。この2番目の条件は、市場価格で買うか市場価格で売るかを示します。これには、矢印キーを使用します。 CTRL+上矢印が押された場合、ユーザーインタラクションエリアで指定されたパラメータに従って、成行買い操作を実行します 。

新しい記事「 母集団最適化アルゴリズム：侵入雑草最適化(IWO) 」はパブリッシュされました: 雑草がさまざまな条件で生き残る驚くべき能力は、強力な最適化アルゴリズムのアイデアになっています。IWO(Invasive Weed Optimization)は、以前にレビューされたものの中で最高のアルゴリズムの1つです。

新しい記事「 母集団最適化アルゴリズム：コウモリアルゴリズム(BA) 」はパブリッシュされました: 今回は、滑らかな関数に対して良好な収束性を示すコウモリアルゴリズム(BA)について考えてみることにします。

新しい記事「 自動で動くEAを作る（第03回）：新しい関数 」はパブリッシュされました: 今日は、自動モードでシンプルかつ安全に動作するエキスパートアドバイザー(EA)を作成する方法を紹介します。前回は、自動売買EAで使用するオーダーシステムの開発に着手しましたが、必要な関数のうち1つしか作っていません。 このコードをプラットフォームで起動することに自信がない場合は（全く無害ですが、それでも注意する必要があります）、以下のビデオでコードが実際に何をおこなうかをご覧ください。 上記コードのデモ

新しい記事「 自動で動くEAを作る（第02回）：コードを始める 」はパブリッシュされました: 今日は、自動モードでシンプルかつ安全に動作するエキスパートアドバイザー(EA)を作成する方法を紹介します。前回は、自動売買をおこなうEAの作成に進む前に、誰もが理解しておくべき最初のステップについて説明しました。概念と構造が検討されました。 以下の動画では、正しい操作のデモを見ることができます。添付ファイルでは、今回取り上げたコードの完全版を提供しています。実験や勉強に使ってください。

新しい記事「 自動で動くEAを作る（第01回）：概念と構造 」はパブリッシュされました: 今日は、自動モードでシンプルかつ安全に動作するエキスパートアドバイザー(EA)を作成する方法を紹介します。

新しい記事「 DoEasy - コントロール（第31部）：ScrollBarコントロールのコンテンツのスクロール 」はパブリッシュされました: この記事では、水平スクロールバーのボタンを使用してコンテナのコンテンツをスクロールする機能を実装します。 EAをコンパイルし、チャート上で起動します。

新しい記事「 ティッカーテープパネルの作成:基本バージョン 」はパブリッシュされました: ここでは、通常取引所の相場表示に使われるプライスティッカーを使った画面を作成する方法を紹介します。複雑な外部プログラミングを使わず、MQL5だけでやってみようと思います。 以下のビデオでは、IBOV (Ibovespa Index)資産のデータを使って、このシステムが実際に動いている様子をご覧いただけます。これはあくまでシステムの仕組みを示すものです。 作者: Daniel Jose

新しい記事「 ティッカーテープパネルの作成:改良版 」はパブリッシュされました: ティッカーテープパネルの基本バージョンを復活させるというアイデアはいかがでしょうか。まずおこなうのは、資産のロゴやその他の画像などの画像を追加できるようにパネルを変更して、ユーザーが表示された銘柄をすばやく簡単に識別できるようにすることです。

新しい記事「 母集団最適化アルゴリズム：ホタルアルゴリズム(FA) 」はパブリッシュされました: 今回は、ホタルアルゴリズム(FA)という最適化手法について考えてみます。修正により、このアルゴリズムは部外者から真の評価表リーダーへと変貌を遂げました。 アルゴリズム開始当初は、すべてのホタルが探索空間全体にランダムに散らばっています。そして、このアルゴリズムは、2つのフェーズに基づいて最適なパーティションを決定します。 光の強さの変化 - 現在位置のホタルの明るさが適応度の値に反映され、魅力的なホタルに向かって移動する。 ホタルは、隣のホタルの光量を観察して位置を変える。

新しい記事「 インディケーター情報の測定 」はパブリッシュされました: 機械学習は、ストラテジー開発の手法として注目されています。これまで、収益性と予測精度の最大化が重視される一方で、予測モデル構築のためのデータ処理の重要性はあまり注目されてきませんでした。この記事では、Timothy Masters著の書籍「Testing and Tuning Market Trading Systems」に記載されているように、予測モデル構築に使用するインディケーターの適切性を評価するために、エントロピーの概念を使用することについて考察しています。

新しい記事「 DoEasy - コントロール（第30部）：ScrollBarコントロールのアニメーション化 」はパブリッシュされました: 今回は、ScrollBarコントロールの開発の続きと、マウスインタラクション機能の実装を開始します。さらに、マウスの状態フラグやイベントのリストも充実させる予定です。 EAをコンパイルし、チャート上で起動します。 見ての通り、スライダーは矢印ボタンによってスクロールバー内で適切に拘束されています。矢印ボタンはクリックに反応し、オブジェクトの色はインタラクション中のオブジェクトとカーソルの状態に応じて変化します。 作者: Artyom Trishkin

新しい記事「 行列ユーティリティ - 行列とベクトルの標準ライブラリの機能を拡張する 」はパブリッシュされました: 行列は大規模な数学的演算を効率的に処理できるため、機械学習アルゴリズムや一般的なコンピュータの基盤となっています。標準ライブラリは必要なものをすべて備えていますが、ユーティリティファイルでライブラリにはまだないいくつかの関数を導入して、拡張する方法を見てみましょう。 多層パーセプトロンは、入力層に脚の高さと胴体の直径を表す2つの入力ノード/ニューロン、出力層に犬、猫、ネズミの3つの結果を表す3つのノードを有します。