記事、ライブラリコメント - ページ 2

新しい記事「 Pythonを使用した深層学習GRUモデルとEAによるONNX、GRUとLSTMモデルの比較 」はパブリッシュされました: Pythonを使用してGRU ONNXモデルを作成する深層学習のプロセス全体を説明し、最後に取引用に設計されたエキスパートアドバイザー(EA)の作成と、その後のGRUモデルとLSTNモデルの比較をおこないます。 LSTM と同様に、 GRU は逐次的なデータをモデル化するために作られ、時間経過に伴う情報の選択的な保持や省略を可能にします。特筆すべきは、 GRU は LSTM

新しい記事「 プログラミングパラダイムについて（第2部）：オブジェクト指向アプローチによるプライスアクションエキスパートアドバイザーの開発 」はパブリッシュされました: オブジェクト指向プログラミングのパラダイムとMQL5コードへの応用について学びます。この第2回目の記事では、オブジェクト指向プログラミングの具体的な内容をより深く掘り下げ、実践的な例を通して実体験を提供します。EMA指標とローソク足価格データを使用した、手続き型プライスアクションエキスパートアドバイザー(EA)をオブジェクト指向コードに変換する方法を学びます。 最初の記事

新しい記事「 MQL5における修正グリッドヘッジEA（第3部）：シンプルヘッジ戦略の最適化(I) 」はパブリッシュされました: この第3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ヘッジ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。

新しい記事「 MQL5入門（第5部）：MQL5における配列関数の入門ガイド 」はパブリッシュされました: 全くの初心者のために作られた第5部では、MQL5配列の世界を探検してみましょう。この記事は、複雑なコーディングの概念を簡素化し、明快さと包括性に重点を置いています。質問が受け入れられ、知識が共有される、学習者のコミュニティに仲間入りしてください。

新しい記事「 ニューラルネットワークが簡単に（第68回）：オフライン選好誘導方策最適化 」はパブリッシュされました: 最初の記事で強化学習を扱って以来、何らかの形で、環境の探索と報酬関数の決定という2つの問題に触れてきました。最近の記事は、オフライン学習における探索の問題に費やされています。今回は、作者が報酬関数を完全に排除したアルゴリズムを紹介したいと思います。

新しい記事「 RestAPIを統合したMQL5強化学習エージェントの開発（第2回）：三目並べゲームREST APIとのHTTPインタラクションのためのMQL5関数 」はパブリッシュされました

新しい記事「 RestAPIを統合したMQL5強化学習エージェントの開発（第1回）：MQL5でRestAPIを使用する方法 」はパブリッシュされました: この記事では、異なるアプリケーションやソフトウェアシステム間の相互作用におけるAPI (Application Programming Interface)の重要性についてお話しします。アプリケーション間のやり取りを簡素化し、データや機能を効率的に共有することを可能にするAPIの役割を見ていきます。 プログラミングやシステム開発において、異なるアプリケーション間のコミュニケーションは非常に重要です。API (Application

新しい記事「 リプレイシステムの開発（第37回）：道を切り開く（I） 」はパブリッシュされました: 今回は、もっと前にやりたかったことをようやく始めます。確固たる地盤がないため、この部分を公に発表する自信がありませんでした。今、私にはその根拠があります。この記事の内容を理解することにできるだけ集中することをお勧めします。単に読むだけではなくて、という意味です。ここで強調しておきたいのは、この記事を理解できなければ、それに続く記事の内容を理解することはできないということです。 さて、指標とEAの基本的なシステムができたので、この記事を始めた目的である、両者を接続してみましょう。

新しい記事「 リプレイシステムの開発（第36回）：調整(II) 」はパブリッシュされました: プログラマーが苦労する原因の1つに、仮定があります。この記事では、MQL5プログラミングで型が特定の値を持つと仮定したり、MetaTrader 5で異なるサーバーが同じように動作すると仮定したりすることにおいて、仮定がいかに危険であるかをお見せします。

新しい記事「 リプレイシステムの開発（第35回）：調整（I） 」はパブリッシュされました: 前に進む前に、いくつかのことを解決する必要があります。これらは実際には必要な修正ではなく、クラスの管理方法や使用方法の改善です。その理由は、システム内の何らかの相互作用によって障害が発生したということです。このような失敗をなくすために原因を突き止めようと試みましたが、すべて失敗に終わりました。例えば、C/C++でポインタや再帰を使用すると、プログラムがクラッシュしてしまいます。 前回の「 リプレイシステムの開発（第34回）：発注システム（III） 」稿で

新しい記事「 リプレイシステムの開発（第34回）：発注システム (III) 」はパブリッシュされました: 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。

新しい記事「 リプレイシステムの開発（第33回）：発注システム（II） 」はパブリッシュされました: 今日も発注システムの開発を続けます。ご覧のように、他の記事ですでに紹介したものを大量に再利用することになります。とはいえ、この記事にはささやかなご褒美があります。まず、デモ口座からでもリアル口座からでも、取引サーバーで使えるシステムを開発します。MetaTrader 5プラットフォームを幅広く活用し、当初から必要なサポートをすべて提供します。

新しい記事「 母集団最適化アルゴリズム：微小人工免疫系(Micro-AIS) 」はパブリッシュされました: 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。

新しい記事「 MQL5でマーケットメイク系アルゴリズムを作成する 」はパブリッシュされました: マーケットメーカーはどのように機能するのでしょうか。この問題を考えて、原始的なマーケットメイク系アルゴリズムを作ってみましょう。

新しい記事「 母集団最適化アルゴリズム：細菌採餌最適化-遺伝的アルゴリズム(BFO-GA) 」はパブリッシュされました: 本稿では、細菌採餌最適化(BFO)アルゴリズムのアイデアと遺伝的アルゴリズム(GA)で使用される技術を組み合わせ、ハイブリッドBFO-GAアルゴリズムとして最適化問題を解くための新しいアプローチを紹介します。最適解を大域的に探索するために細菌の群れを使い、局所最適解を改良するために遺伝的演算子を使用します。元のBFOとは異なり、細菌は突然変異を起こし、遺伝子を受け継ぐことができるようになっています。 BFO (Bacterial Foraging

新しい記事「 母集団最適化アルゴリズム：進化戦略、(μ,λ)-ESと(μ+λ)-ES 」はパブリッシュされました: この記事では、進化戦略（Evolution Strategies：ES）として知られる最適化アルゴリズム群について考察します。これらは、最適解を見つけるために進化原理を用いた最初の集団アルゴリズムの1つです。従来のESバリエーションへの変更を実施し、アルゴリズムのテスト関数とテストスタンドの手法を見直します。

複数の時間フレームから取引レンジ(サポートとレジスタンスのレベル)を算出し、その範囲内で売り/買い注文を均等に配置 : 毎日、複数の時間フレームから取引レンジ(サポートとレジスタンスのレベル)を算出し、その範囲内で売り/買い注文を均等に配置します。 作者: Haruki Teranaka

新しい記事「 MQL5における修正グリッドヘッジEA（第2部）：シンプルなグリッドEAを作る 」はパブリッシュされました: この記事では、MQL5のエキスパートアドバイザー(EA)を使用した自動化について詳しく説明し、初期のバックテスト結果を分析します。この戦略には高い保有能力が必要であることを強調し、今後の回で距離、takeProfit、ロットサイズなどの主要パラメータを最適化する計画を概説します。本連載は、取引戦略の効率性と異なる市場環境への適応性を高めることを目的としています。 連載「MQL5における修正グリッドヘッジEA」第2部へようこそ。

新しい記事「 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6回）：互いのラインを交差する2つのRSI指標 」はパブリッシュされました: この記事の多通貨EAは、クロスラインを持つ2つのRSI指標、低速RSIと交差する高速RSIを使用するEA（自動売買ロボット）です。 多通貨EAは、1つの銘柄チャートからの複数の銘柄ペアに対して、取引（新規注文、決済注文、トレイリングストップロスとトレイリングプロフィットなどの注文管理など）をおこなうことができるEA（自動売買ロボット）です。この記事では、EAは30ペアを取引します。

新しい記事「 ケルトナーチャネル取引システムの構築とテスト 」はパブリッシュされました: この記事では、金融市場において非常に重要な概念であるボラティリティを利用した取引システムを紹介します。ケルトナーチャネル指標を理解し、それをどのようにコードし、どのように簡単な取引戦略に基づいて取引システムを作成し、様々な資産でテストすることができるかを理解した上で、ケルトナーチャネル指標に基づく取引システムを提供します。 ケルトナーチャネルは、1960年代にチェスター・ケルトナーが著書「How to Make Money in

新しい記事「 アルーン（Aroon）取引システムの構築とテスト 」はパブリッシュされました: 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。

新しい記事「 PythonとMetaTrader5 Pythonパッケージを使用した深層学習による予測と注文とONNXモデルファイル 」はパブリッシュされました: このプロジェクトでは、金融市場における深層学習に基づく予測にPythonを使用します。平均絶対誤差(MAE)、平均二乗誤差(MSE)、R二乗(R2)などの主要なメトリクスを使用してモデルのパフォーマンスをテストする複雑さを探求し、すべてを実行ファイルにまとめる方法を学びます。また、そのEAでONNXモデルファイルを作成します。 現在、MetaQuotesの「 MQL5でONNXモデルを使用する方法

新しい記事「 MetaTrader 5用のMQTTクライアントの開発：TDDアプローチ（第5回） 」はパブリッシュされました: この記事は、MQTT 5.0プロトコルのネイティブMQL5クライアントの開発ステップを説明する連載の第5回です。今回は、PUBLISHパケットの構造、Publishフラグの設定方法、Topic Name文字列のエンコード方法、必要な場合のPacket Identifierの設定方法について説明します。

新しい記事「 多銘柄多期間指標におけるカラーバッファ 」はパブリッシュされました: この記事では、多銘柄多期間指標における指標バッファの構造体を確認し、これらの指標のカラーバッファのチャート上での表示を整理します。 単色指標バッファは、通常の二重配列で、指標を計算するときにデータで満たされます。この配列からデータを取得し、 CopyBuffer() 関数を使用してチャート上に表示することができます。ただし、受信側の配列が指標のプロットバッファとして設定されたdouble配列である必要があります( SetIndexBuffer()

新しい記事「 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 」はパブリッシュされました: 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。

新しい記事「 MQL5における一般化ハースト指数と分散比検定の実装 」はパブリッシュされました: 本稿では、一般化ハースト指数と分散比検定が、MQL5における価格系列の挙動を分析するためにどのように利用できるかを調査します。

新しい記事「 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 」はパブリッシュされました: 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。

新しい記事「 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 」はパブリッシュされました: 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。

新しい記事「 過去のポジションをチャート上に損益図として表示する 」はパブリッシュされました: 今回は、取引履歴に基づいて、過去のポジションの情報を入手するオプションについて考えてみたいと思います。その他、各バーにおけるポジションのおおよその損益を図として表示する簡単な指標を作成します。 この関数は、ポジションの利益ポイント数を取得する相対価格（バーの終了）と、ポジションの存在を確認する時間（バーの開始時間）を取得します。次に、過去ポジションの各オブジェクトから受け取ったすべてのポジションの利益を合計して返します。

新しい記事「 MQL5における拡張ディッキー–フラー検定の実装 」はパブリッシュされました: 本稿では、拡張ディッキー–フラー検定の実装を示し、Engle-Granger法を用いた共和分検定に適用します。 簡単に言えば、ADF検定は仮説検定であり、観測されたデータの特定の特性が統計的に有意かどうかを判断することができます。この場合、求められる特性は系列の定常性です。