記事、ライブラリコメント - ページ 28

新しい記事「 ニューラルネットワークが簡単に(第11部): GPTについて 」はパブリッシュされました: GPT-3は現在存在する言語ニューラルネットワークの中でおそらく最も高度なモデルの1つであり、その最大バリアントには1,750億個のパラメータが含まれています。もちろん、家庭にあるようなPCでそのような怪物を作成するつもりはありませんが、どのアーキテクチャソリューションを作業に使用し、それらからどのように利益を得ることができるかは確認することができます。

新しい記事「 パターン検索への総当たり攻撃アプローチ(第IV部): 最小限の機能 」はパブリッシュされました: 本稿では、前の記事で設定した目標に基づいて改良された総当たり攻撃バージョンについてお話します。エキスパートアドバイザーをこの方法で取得した設定で使用して、このトピックをできるだけ広くカバーするようにします。新しいプログラムバージョンも添付されています。 多くの自動取引システムの問題は、それらが過剰に訓練され、履歴に適合していることです。月に最大1000パーセントという印象的な結果を示すシステムを作成することが可能です。しかし、そのようなシステムは実際には機能しません。

新しい記事「 グリッドおよびマーチンゲール取引システムでの機械学習 - あなたはそれに賭けますか 」はパブリッシュされました: 本稿では、グリッドおよびマーチンゲール取引に適用される機械学習手法について説明します。驚いたことに、世界中のネットではこのアプローチはほとんどまたはまったくカバーされていません。記事を読んだ後は、自分自身の自動売買ボットを作成することができるでしょう。

新しい記事「 多層パーセプトロンとバックプロパゲーションアルゴリズム 」はパブリッシュされました: これら2つの手法の人気が高まり、Matlab、R、Python、C

新しい記事「 自動取引のための便利でエキゾチックな技術 」はパブリッシュされました: 本稿では、自動取引のためのいくつかの非常に興味深く有用な技術を紹介します。それらのいくつかには馴染みがあるかもしれません。最も興味深い手法を取り上げ、なぜ使用する価値があるのかを説明します。さらに、これらの技術の実際面での傾向を示します。エキスパートアドバイザーを作成し、説明されているすべての技術を相場履歴を使用してテストします。

新しい記事「 取引におけるニューラルネットワークの実用化(第2部)コンピュータービジョン 」はパブリッシュされました: コンピュータービジョンを使用すると、価格チャートと指標の視覚的表現に関してニューラルネットワークを訓練できるようになります。この方法では、ニューラルネットワークにデジタルでフィードする必要がないため、テクニカル指標全体でより幅広い操作が可能になります。

Small_Inside_Bar_Strategy: Small_Inside_Bar_Strategy - Small_Inside_Bar 指標に基づいたエキスパートアドバイザーです。 作者: Scriptor

ChannelEA2: ChannelEA2 - 指数注文を使ってチャネルで作動するエキスパートアドバイザーです。 作者: Scriptor

新しい記事「 DoEasyライブラリでのその他のクラス(第66部): MQL5.comシグナルコレクションクラス 」はパブリッシュされました: 本稿では、シグナルを管理する関数を備えたMQL5.comシグナルサービスのシグナルコレクションクラスを作成します。さらに、DOMの売買取引高の合計を表示するように板情報スナップショットオブジェクトクラスを改善します。 現在の銘柄/時間枠での作業を事前に設定し、MQL5.comシグナルサービスの取引シグナルでの作業のフラグをアクティブにしながら、EAをコンパイルして銘柄チャートで起動します。

新しい記事「 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 」はパブリッシュされました: 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。 OnInitDoEasy()関数にもいくつか修正を加えましょう。現在、 使用されているすべての銘柄のティックシリーズの作成 は、ライブラリメインオブジェクトの適切なメソッドへの直接アクセスとして実装されています。さらに、 作成したDOMシリーズのチェックを追加しました 。

新しい記事「 DoEasyライブラリでの価格(第61部): 銘柄ティックシリーズのコレクション 」はパブリッシュされました: プログラムでは作業に異なる銘柄を使用する可能性があるため、それぞれに個別のリストを作成する必要があります。本稿では、そのようなリストを組み合わせてティックデータコレクションにします。実際、これは、CObjectクラスのインスタンスへのポインタの動的配列のクラスおよび標準ライブラリの子孫に基づく通常のリストになります。

新しい記事「 DoEasyライブラリでの価格(第64部): 板情報、DOMスナップショットのクラスおよびスナップショットシリーズオブジェクト 」はパブリッシュされました: 本稿では、2つのクラス(DOMスナップショットオブジェクトのクラスとDOMスナップショットシリーズオブジェクトのクラス)を作成し、DOMデータシリーズの作成をテストします。 最後のDOMスナップショットの数、銘柄の注文数、現在のスナップショットの注文数、およびDOMスナップショットリストに追加されたDOMスナップショットの総数は、銘柄チャートに表示されます。

新しい記事「 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 」はパブリッシュされました: 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。 本稿では、板情報(DOM)を使用するための機能の実装を開始します。概念的には、DOMを使用するためのクラスは、以前に実装されたすべてのライブラリクラスと同じです。同時に、DOMに保存されている注文に関するデータを特徴とするDOMのモールドがあります。データは、 OnBookEvent() ハンドラがアクティブ化されたときに

新しい記事「 DoEasyライブラリでの価格(第62部): ティックシリーズをリアルタイムで更新して板情報で作業するための準備 」はパブリッシュされました: この記事では、ティックデータの更新をリアルタイムで実装し、板情報を操作するための銘柄オブジェクトクラスを準備します(DOM自体は次の記事で実装されます)。

新しい記事「 自己適応アルゴリズム(第IV部)：その他の機能とテスト 」はパブリッシュされました: 引き続き、必要最小限の機能でアルゴリズムを実装して結果をテストします。収益性は非常に低いですが、連載では、完全に自動化された、根本的に異なる市場で取引される完全に異なる商品で収益性の高い取引モデルを示しています。

新しい記事「 ニューラルネットワークが簡単に(第10回): Multi-Head Attention 」はパブリッシュされました: ニューラルネットワークにおける自己注意のメカニズムについては、以前に検討しました。実際には、最新のニューラルネットワークアーキテクチャは、いくつかの並列した自己注意スレッドを使用して、シーケンスの要素間のさまざまな依存関係を見つけます。このようなアプローチの実装を検討し、ネットワーク全体のパフォーマンスへの影響を評価しましょう。

新しい記事「 DoEasyライブラリでの価格(第60部): 銘柄ティックデータのシリーズリスト 」はパブリッシュされました: 本稿では、単一銘柄のティックデータを格納するためのリストを作成し、EAでの必要なデータの作成と取得を確認します。さらに、使用される銘柄ごとの個別のティックデータリストでティックデータのコレクションを構成します。 EAをコンパイルし、現在の銘柄と時間枠を使用するように設定で事前に定義されている銘柄チャートで起動します。EAを初期化するとき、 EAパラメータのデータ、作成された時系列 、および(少し後で)作成されたティックシリーズのデータが表示されます。その日の

新しい記事「 自己適応アルゴリズム(第III部)：最適化の放棄 」はパブリッシュされました: 履歴データに基づく最適化を使用してパラメータを選択する場合、真に安定したアルゴリズムを取得することは不可能です。安定したアルゴリズムは、常時、どんな取引商品で作業していても、必要なパラメータを認識している必要があります。予測や推測ではなく、確実に知っているべきです。

新しい記事「 自己適応アルゴリズムの開発(第II部): 効率の向上 」はパブリッシュされました: この記事では、以前に作成したアルゴリズムの柔軟性を向上させることでトピックの開発を続けます。アルゴリズムは、分析期間内のローソク足の数の増加または上昇/下降ローソク足超過率のしきい値の増加によって、より安定しました。分析のためにより大きなサンプルサイズを設定するかより高いローソク足の超過率を設定して、妥協する必要がありました。

新しい記事「 パターン検索への総当たり攻撃アプローチ(第III部): 新しい水平線 」はパブリッシュされました: 本稿では、総当たり攻撃のトピックを続けます。プログラムアルゴリズムに市場分析の新しい機会を導入することで分析速度を高め、結果の品質を向上します。新しい追加により、このアプローチ内でグローバルパターンの最高品質で表示できるようになります。

Pivot Oscillator: ピボットオシレータ(Pivot Oscillator)は、ピボットラインを別のウィンドウに表示して、ピボットラインを基準にした価格の位置を示す、よく知られたピボット指標のバリエーションです。 作者: Mladen Rakic

SilverTrend_Signal: インディケータはチャートで着色されたドットを使用して売買シグナルを生成してメッセージを表示します。 作者: Nikolay Kositsin

新しい記事「 CatBoostアルゴリズムを使用した外国為替市場の季節によるパターンの特定 」はパブリッシュされました: 本稿では、時間フィルタを使用した機械学習モデルの作成について検討し、このアプローチの有効性について説明します。人的要因はモデルに特定の曜日の特定の時間に取引するように指示するだけで排除できるようになっています。パターン検索は、別のアルゴリズムで提供できます。

新しい記事「 市場とそのグローバルパターンの物理学 」はパブリッシュされました: 本稿では、市場を少しでも理解してるシステムはどれでも世界規模で運用できるという前提を試してみます。理論やパターンは発明せずに既知の事実のみを使用し、これらの事実を徐々に数学的分析の言語に翻訳していきます。 これがMetaTrader5テスターの出番です。MetaTrader

新しい記事「 自己適応アルゴリズムの開発(第I部)：基本的なパターンの検索 」はパブリッシュされました: この連載では、ほとんどの市場要因を考慮した自己適応アルゴリズムの開発を示すとともに、これらの状況を体系化してロジックで説明し、取引活動で考慮に入れる方法を示します。非常に単純なアルゴリズムから始めて、徐々に理論を習得し、非常に複雑なプロジェクトに進化していきます。

新しい記事「 ニューラルネットワークが簡単に(第9部)：作業の文書化 」はパブリッシュされました: 長い道のりでした。ライブラリ内のコードはどんどん増えてきており、すべてのリンクと依存関係を追跡することが困難になっています。したがって、以前に作成したコードのドキュメントを作成し、新しい手順ごとに更新し続けることをお勧めします。適切に準備された文書化は、作業の整合性を確認するのに役立ちます。 プログラムが完了すると、すぐに使用できるドキュメントが届きます。いくつかのスクリーンショットを以下に示します。完全なドキュメントは添付ファイルに記載されています。 作者: Dmitriy Gizlyk

新しい記事「 ニューラルネットワークが簡単に（第8回) アテンションメカニズム 」はパブリッシュされました: 以前の記事では、ニューラルネットワークを整理するための様々な選択肢を既に検証しました. また、画像処理アルゴリズムから借りた畳み込みネットワークについても検討しました. 今回の記事では、言語モデルの開発に弾みをつけた「アテンション・メカニズム」を考えることを提案します. ローソク足のシンボルチャートを分析する際には、トレンドや傾向を定義し、その取引レンジを決定します. それは、全体像からいくつかのオブジェクトを選択し、それらに注意を集中させることを意味します

新しい記事「 DoEasyライブラリの時系列(第59部): 単一ティックのデータを格納するオブジェクト 」はパブリッシュされました: 本稿からは、価格データを処理するライブラリ機能を作成します。今日、さらに別のティックで到着したすべての価格データを格納するオブジェクトクラスを作成します。 EAをコンパイルし、現在の銘柄と時間枠を使用するように設定が事前に設定されているチャートで起動します。起動して新しいティックが到着すると、ティックデータオブジェクト(到着したティック)の説明が操作ログに表示されます。 Account 8550475 : Artyom Trishkin (MetaQuotes

新しい記事「 DoEasyライブラリの時系列(第58部): 指標バッファデータの時系列 」はパブリッシュされました: 時系列の操作に関するトピックのしめくくりとして、指標バッファに格納されているストレージ、検索、およびデータの並べ替えを整理します。これにより、プログラムでライブラリベースで作成される指標の値に基づいて分析をさらに実行できます。ライブラリのすべてのコレクションクラスの一般的な概念により、対応するコレクションで必要なデータを簡単に見つけることができます。それぞれ、今日作成されたクラスでも同じことが可能です。

新しい記事「 パターン検索への総当たり攻撃アプローチ(第II部): イマージョン 」はパブリッシュされました: 本稿では、引き続き総当たり攻撃アプローチについて説明します。改良されたアプリケーションの新バージョンを使用して、パターンをより良く説明を試みます。また、さまざまな時間間隔と時間枠を使用して、安定性の違いの特定も試みます。