記事、ライブラリコメント - ページ 3

新しい記事「 市場シミュレーション（第5回）：C_Ordersクラスの作成(II) 」はパブリッシュされました: 本記事では、Chart Tradeとエキスパートアドバイザー(EA)が連携して、ユーザーが保有しているすべてのポジションを決済する要求をどのように処理するのかを解説します。一見すると単純な処理に思えるかもしれませんが、実際には注意すべきいくつかの複雑な点があります。 前回の「 市場シミュレーション（第4回）：C_Ordersクラスの作成(I) 」では、主に成行注文を送信するためのコードの構造について説明しました。全体の説明は、Chart

新しい記事「 初級から中級まで：テンプレートとtypename(V) 」はパブリッシュされました: 本記事では、テンプレートの最後の簡単な使用例を探り、コード内でtypenameを使用する利点と必要性についても解説します。最初は少し難しく感じるかもしれませんが、テンプレートやtypenameを後で正しく使うためには、しっかり理解しておくことが重要です。 前回の「 初級から中級まで：テンプレートとtypename (IV)

トレーダーのためのMQL5プログラミング - 書籍からのソースコード。第6部 : 『トレーダーのためのMQL5プログラミング』の第6部では、MQL5言語の重要な要素である取引の自動化について学びます。まず、金融商品の仕様や取引口座の設定など、基本的なエンティティについて説明します。これらはエキスパートアドバイザー(EA)を適切に動作させるための前提条件です。 作者: MetaQuotes

新しい記事「 取引におけるニューラルネットワーク：暗号通貨市場向けメモリ拡張コンテキスト認識学習(MacroHFT) 」はパブリッシュされました: MacroHFTフレームワークは、マクロ経済データと適応型エージェントを用いて、高頻度暗号資産取引の意思決定を改善するために、コンテキスト認識型強化学習とメモリを応用するものです。 強化学習( RL )手法は、複雑な逐次意思決定問題に対応できるため、金融分野で注目を集めています。 RL

新しい記事「 市場シミュレーション（第4回）：C_Ordersクラスの作成(I) 」はパブリッシュされました: 本記事では、取引サーバーに注文を送信できるようにするためのC_Ordersクラスの作成を開始します。これは少しずつ進めていきますが、目的は、メッセージングシステムを通じてこれがどのようにおこなわれるのかを詳細に説明することです。 この連載を追ってきた方であれば、「 リプレイシステムの開発（第78回）：新しいChart Trade (V)

新しい記事「 DoEasy - サービス関数（第1回）：価格パターン 」はパブリッシュされました: この記事では、時系列データを使用して価格パターンを検索するメソッドの開発に着手します。パターンには、どのようなタイプのパターンにも共通する、一定のパラメータセットがあります。この種のデータはすべて、基となる抽象パターンのオブジェクトクラスに集約されます。今回は、抽象パターンクラスとピンバーパターンクラスを作成します。

Arbitrage Triangle EURGBP-EURUSD-GBPUSD : EAは、理論上の為替レートと実際の為替レートの不一致を識別し、リスクを最小限に抑えた取引機会を実行します。 Author: Peter Mueller

Raymond Cloudy Day For EA : Raymond Cloudy Day For EAは、レイモンドがMT5プラットフォーム用に開発した画期的なトレーディングツールです。この革新的なインジケーターは、最先端の計算方法と高度なアルゴリズムを統合し、従来のピボット・ポイントを凌駕して、比類のない精度で取引戦略を強化します。 Author: The Hung Ngo

新しい記事 メタトレーダー5における検証の原則 はパブリッシュされました: メタトレーダー5の3つの検証モードの違いは何でしょうか、また、特に何が求められているのでしょうか？複数手段で同時にトレードを行うEAの検証は、どのように行われるのでしょうか？検証中は、いつどのようにしてインディケータの値が計算され、イベントはどのように処理されるのでしょうか？「始値オンリー」モードの検証中に、異なる金融商品のバーを同期させるにはどうしたらいいでしょうか？本稿ではこれらをはじめとする、多くの質問に答えてみます。 作者: MetaQuotes Software Corp

新しい記事「 オープニングレンジブレイクアウト日中取引戦略の解読 」はパブリッシュされました: オープニングレンジブレイクアウト(ORB)戦略は、市場が開いた直後に形成される初期の取引レンジが、買い手と売り手が価値に合意する重要な価格レベルを反映しているという考えに基づいて構築されています。特定のレンジを上抜けまたは下抜けするブレイクアウトを特定することで、市場の方向性が明確になるにつれて発生することが多いモメンタムを利用し、トレーダーは利益を狙うことができます。本記事では、Concretum Groupの論文から応用した3つのORB戦略を紹介します。

新しい記事「 取引におけるニューラルネットワーク：概念強化を備えたマルチエージェントシステム（最終回） 」はパブリッシュされました: FinConフレームワークの著者によって提案されたアプローチの実装を続けます。FinConは、大規模言語モデル(LLM)をベースとしたマルチエージェントシステムです。本日は、必要なモジュールを実装し、実際の過去データを用いたモデルの包括的なテストをおこないます。

新しい記事「 MQL5で自己最適化エキスパートアドバイザーを構築する（第16回）：教師あり学習を用いた線形システム同定 」はパブリッシュされました: 線形システム同定は、教師あり学習アルゴリズムにおける誤差補正の学習と組み合わせることができます。これにより、統計的モデリング手法に依存したアプリケーションを構築しつつも、モデルが前提とする厳格な仮定の脆弱性を必ずしも引き継ぐことなく設計することが可能になります。従来の教師あり学習アルゴリズムには多くの要件がありますが、それらはフィードバックコントローラーと組み合わせることで補完でき、モデルを補正しながら現在の市場環境に適応させることができます。

新しい記事「 取引におけるニューラルネットワーク：概念強化を備えたマルチエージェントシステム(FinCon) 」はパブリッシュされました: FinConフレームワークは、大規模言語モデル(LLM)をベースにしたマルチエージェントシステムです。概念的言語強化を活用して意思決定とリスク管理を改善し、さまざまな金融タスクで効果的に機能するよう設計されています。

価格チャネルストップ : 価格チャネルストップ指標では、チャネル期間と希望するリスクに基づいて現在の推定トレンドが示されます。また、この指標に基づいて出された注文のストップロスとして使用できる2つのレベルの値も表示されます（トレンド色の変更は新規注文を出すためのシグナルとすでに開いている注文の決済シグナルとして使用できます）。 作者: Mladen Rakic

新しい記事「 ペア取引における平均回帰による統計的裁定取引：数学で市場を攻略する 」はパブリッシュされました: 本記事では、ポートフォリオレベルの統計的アービトラージの基本的な概念を紹介します。数学の深い知識がない読者にも理解しやすく説明し、実際の運用を始めるためのコンセプトフレームワークを提案することを目的としています。記事には、動作するエキスパートアドバイザー(EA)と、1年間のバックテストに関する注記、再現用の設定ファイル（.iniファイル）も含まれています。

新しい記事「 初心者からエキスパートへ：パラメータ制御ユーティリティ 」はパブリッシュされました: 従来のEAやインジケーターの入力プロパティを、リアルタイムで操作可能なオンチャートのコントロールインターフェースへと変換することを想像してみてください。本記事は、これまでに取り組んできたMarket Periods

新しい記事「 リスク管理（第1回）：リスク管理クラス構築の基礎 」はパブリッシュされました: 本記事では、取引におけるリスク管理の基礎を解説し、適切なロットサイズやストップロスを計算するための最初の関数の作成方法を学びます。さらに、これらの機能がどのように動作するのかを、各ステップを追いながら詳しく説明します。本記事の目的は、自動売買においてこれらの概念をどのように適用するかを明確に理解することです。最後に、インクルードファイルを使用したシンプルなスクリプトを作成し、すべてを実践に落とし込みます。

新しい記事「 取引におけるニューラルネットワーク：金融市場向けマルチモーダルツール拡張エージェント(FinAgent) 」はパブリッシュされました: FinAgentを紹介します。FinAgentは、マーケットの動向や過去の取引パターンを反映するさまざまなタイプのデータを分析できるマルチモーダル金融取引エージェントのフレームワークです。 しかし、金融データ分析における LLM エージェントにはいくつかの制約があります。 数値データ、テキスト、視覚情報のマルチモーダル処理が限定的 複数ソースからのデータ統合の精度が必要 急速に変化する市場への適応性が低い 専門知識や従来の手法の活用が困難

新しい記事「 取引におけるニューラルネットワーク：金融市場向けマルチモーダルツール拡張エージェント（最終部） 」はパブリッシュされました: マルチモーダル市場の動向データと過去の取引パターンを分析するために設計されたマルチモーダル金融取引エージェント「FinAgent」のアルゴリズム開発を続けます。 前回と前々回の記事では、 FinAgent

新しい記事「 多通貨エキスパートアドバイザーの開発（第21回）：重要な実験の準備とコードの最適化 」はパブリッシュされました: さらなる前進のためには、自動最適化を定期的に再実行し、新しいエキスパートアドバイザー(EA)を生成することで結果を改善できるかどうかを検証することが有益でしょう。パラメータ最適化の利用を巡る多くの議論における最大の障害は、取得したパラメータを将来の期間において、収益性およびドローダウンを所定の水準に保ったまま、どれだけ長く取引に使用できるのかという点です。そして、そもそもそれは可能なのかという問題でもあります。

新しい記事「 取引におけるニューラルネットワーク：層状メモリを持つエージェント（最終回） 」はパブリッシュされました: 引き続き、FinMemフレームワークの構築に取り組みます。本フレームワークは、人間の認知プロセスを模した層状メモリアプローチを用いることで、複雑な金融データを効果的に処理できるだけでなく、新しいシグナルに適応することも可能にします。その結果、動的に変化する市場における投資判断の精度と有効性が大幅に向上します。 前回の2つの記事では FinMem

新しい記事「 MQL5とPythonで自己最適化エキスパートアドバイザーを構築する（第3回）：Boom 1000アルゴリズムの解読 」はパブリッシュされました: 本連載では、動的な市場状況に自律的に適応できるエキスパートアドバイザー(EA)を構築する方法について説明します。本日の記事では、Derivの合成市場に合わせてディープニューラルネットワークを調整してみます。 Derivの合成市場をすべて個別に分析します。まずは最も有名な合成市場であるBoom 1000から始めます。Boom

新しい記事「 共和分株式による統計的裁定取引（第6回）：スコアリングシステム 」はパブリッシュされました: 本記事では、共和分株式の統計的裁定取引に基づく平均回帰戦略のスコアリングシステムを提案します。流動性や取引コストから、共和分ベクトルの数（ランク）や回帰までの時間に至るまでの基準を示しつつ、時間足やルックバック期間のような戦略的基準も考慮し、スコアランキングを正しく評価する前に検討しています。バックテストの再現に必要なファイルも提供され、その結果についてもコメントしています。

新しい記事「 プライスアクション分析ツールキットの開発（第47回）：MetaTrader 5で外国為替セッションとブレイクアウトを追跡する 」はパブリッシュされました

新しい記事「 迅速な取引判断を極める：実行麻痺を克服する 」はパブリッシュされました: UT BOT ATRトレーリングインジケーターは、個人向けにカスタマイズ可能なインジケーターであり、短期売買において素早い意思決定を好むトレーダー（スキャルパー）にとって非常に効果的です。また、長期取引をおこなうトレーダー（ポジショントレーダー）にとっても重要かつ非常に有効であることが実証されています。

新しい記事 標準ライブラリのトレーディングストラテジークラスの探求- ストラテジーのカスタマイズ はパブリッシュされました: この記事では、トレーディングストラテジークラスの標準ライブラリをどのように探求していくか、そして、カスタムストラテジーやフィルター/シグナルをMQL5ウィザードのパターン・モデルロジックを用いてどのように追加するかについて紹介したいと思います。最終的に、MetaTrader5の標準インジケーターを用いて独自の戦略を追加できるようになり、MQL5ウィザードがシンプルで強力なコードや、機能的なエキスパートアドバイザーを作成できるようになります。 MetaTrader

新しい記事「 機械学習の限界を克服する（第6回）：効果的なメモリクロスバリデーション 」はパブリッシュされました: 本記事では、時系列クロスバリデーションにおける従来のアプローチと、その前提に疑問を投げかける新しい考え方を比較します。特に、市場環境が時間とともに変化するという点を十分に扱えていないという、古典的手法の弱点に焦点を当てます。これらの問題を踏まえ、Effective Memory Cross-Validation (EMCV)という、ドメインを意識した検証手法を紹介します。このアプローチは、「過去データは多ければ多いほど良い」という長年の常識を見直すものです。

新しい記事「 MQL5入門（第25回）：チャートオブジェクトで取引するEAの構築(II) 」はパブリッシュされました: 本記事では、チャートオブジェクト、特にトレンドラインと連携するエキスパートアドバイザー(EA)を構築し、ブレイクアウトおよび反転の取引機会を検出し、実行する方法を解説します。EAが有効なシグナルをどのように判定するのか、取引頻度をどのように制御するのか、そしてユーザーが選択した取引戦略との一貫性をどのように維持するのかを学ぶことができます。

新しい記事「 ダイナミックスイングアーキテクチャ：スイングから自動売買までの市場構造認識 」はパブリッシュされました: 本記事では、市場のスイングを高精度で捉え、自動売買を実現する完全自動化MQL5システムを紹介します。従来の固定ローソク足数に基づくスイングインジケーターとは異なり、このシステムは進行中の市場構造に動的に適応し、スイングハイおよびスイングローをリアルタイムで検出します。これにより、形成されつつあるトレンドの値動きを的確に捉え、取引機会を逃さず捕捉することが可能です。

cIntSpeech : 音声エンジンを使用して、指定されたテキストを話します。 作者: Dmitry Fedoseev