記事、ライブラリコメント - ページ 3

価格チャートのRSI : 価格チャートの標準RSIです。 作者: Scriptor

新しい記事「 因果推論とアルゴリズム取引における回帰モデルの活用 」はパブリッシュされました: アルゴリズム取引における回帰モデルの活用可能性について考察します。回帰モデルは、二値分類とは異なり、予測される価格変動を定量的に表現できるため、より柔軟な取引戦略を構築できます。 二値分類は、入力データを2つの異なるカテゴリまたはクラスのいずれかに分類することを目的とした、機械学習の基本的なタスクです。FXの自動売買システムでは、一般的に「買い」（0）または「売り」（1）のシグナルを予測することを意味します。このアプローチでは、複雑な市場の動きを単純な売買方向の判断へと単純化します。

新しい記事「 市場取引アルゴリズム(EMA) 」はパブリッシュされました: 本稿では、株式市場のトレーダーの行動に着想を得た市場取引アルゴリズム(EMA, Exchange Market Algorithm)について詳しく分析します。このアルゴリズムは株式取引をシミュレーションするもので、市場参加者はそれぞれ異なる成功度を持ち、利益を最大化するためにさまざまな戦略を使用します。

新しい記事「 多通貨エキスパートアドバイザーの開発（第28回）：決済マネージャの追加 」はパブリッシュされました: 複数の戦略を並列で実行する場合、定期的にすべての未決済ポジションを決済し、戦略を最初から再開したい場合があります。しかし、現行のコードでは、この動作は手動でしか実現できません。そこで、この処理を自動化してみましょう。 第12回

新しい記事「 ペアトレード：Zスコアの差に基づく自動最適化機能を備えたアルゴリズム取引 」はパブリッシュされました: この記事では、ペアトレードとは何か、そして相関トレードがどのように機能するのかを解説します。また、ペアトレードを自動化するためのEA（エキスパートアドバイザー）を作成し、さらに過去データに基づいてこの取引アルゴリズムを自動最適化する機能も追加していきます。加えて、プロジェクトの一環として、Zスコアを用いて2つの通貨ペア間の差異を計算する方法についても学びます。

新しい記事「 初級から中級まで：オブジェクトイベント(I) 」はパブリッシュされました: チャート上のオブジェクトに何らかの変更が発生した際に、MetaTrader 5が生成する可能性のある6種類のイベントのうち、3つについて説明します。これらのイベントは、ユーザー操作という観点から非常に有用です。なぜなら、これらのイベントを理解していなければ、特定の目的でオブジェクトを管理しようとする際に、チャートの特定の構成を維持するために、より多くの作業を自分でおこなわなければならなくなるからです。 前回の「 初級から中級まで：オブジェクト(IV) 」では、MetaTrader

新しい記事「 市場シミュレーション：MQL5におけるSQL入門(IV) 」はパブリッシュされました: 多くの人はSQLを過小評価しがちで、あるいはSQLが実際にどのように動作するのかを十分に理解していないため、まったく使わないことさえあります。SQLデータベースに対してクエリを実行する場合、常に汎用的な答えを求めているわけではありません。場合によっては、非常に具体的で実用的な答えが必要になります。もしデータベースが適切な構造とデータモデルによって設計されていれば、ほぼあらゆる種類の情報を統合することが可能です。 前回の「 市場シミュレーション：MQL5におけるSQL入門(III)

新しい記事「 MQL5におけるタイムギャップ分析（第2回）：時間経過に伴う流動性分布のヒートマップ作成 」はパブリッシュされました: MetaTrader 5で、時間に対する価格分布を視覚化するヒートマップインジケータを作成する方法についての詳細なガイドです。時間密度分析の数学的な基礎に基づき、価格帯ごとの滞在時間をヒートマップとして可視化するMetaTrader 5向けインジケータの作成方法を詳しく解説します。このインジケータでは、各価格レベルの滞在時間を赤（滞在時間が最小）から青（滞在時間が最大）までの色で表現します。 第1回

新しい記事「 時間帯別・曜日別・月の日付別の季節性インジケータ 」はパブリッシュされました: 金融市場における繰り返し発生する価格パターンを分析するためのツールの開発方法について説明します。分析対象となるのは、月の日付（1日～31日）、曜日（月曜日～日曜日）、または1日の時間帯（0時～23時）です。このインジケータは過去のデータを分析し、それぞれの期間における平均リターンを計算します。そして、その結果をヒストグラムと予測表示によって可視化します。また、季節性タイプ、分析するバー数、パーセント表示または絶対値表示、チャートカラーなど、ユーザーが変更可能なパラメータも備えています。

新しい記事「 初級から中級まで：オブジェクト(IV) 」はパブリッシュされました: これは、これまでの記事の中でも、おそらくいちばん楽しい内容でしょう。なぜなら、ここではMetaTrader 5にすでに存在しているオブジェクトを変更し、本来プラットフォーム上には存在しない別のオブジェクトを作成するからです。もちろん、これから見ていく内容は少し無謀に思えるかもしれません。しかし、実際に動作し、非常に興味深い用途に役立ちます。 前の「 初級から中級まで：オブジェクト(III) 」では、非常にシンプルな目的を持つインジケータの実装方法を紹介しました。それは、MetaTrader

新しい記事「 初級から中級まで：オブジェクト(III) 」はパブリッシュされました: 本日の記事では、特にMQL5でプログラミングを学び始めたばかりの方に向けて、非常に魅力的で興味深いインタラクションシステムの実装方法を紹介します。ここで取り上げる内容自体に、根本的に新しいものがあるわけではありません。しかし、本記事では私なりのアプローチで解説を進めるため、内容をより理解しやすく感じていただけると思います。実践的で興味を持って取り組める題材を通して、構造化アプローチを用いたプログラム開発の流れを実際に確認していきます。 前回の「 初級から中級まで：マウスイベント

新しい記事「 初級から中級まで：マウスイベントの処理 」はパブリッシュされました: 本記事は、コードを眺めて学習するだけでは、そこでおこなわれている処理を十分に理解することが難しい内容に分類されます。実際には、実行可能なアプリケーションを作成し、それを任意のチャート上で動作させる必要があります。そうすることで、キーボードとマウスを組み合わせて特定の要素を作成する方法など、コードを読むだけでは非常に理解しにくい細かな点まで把握できるようになります。

新しい記事「 ニューラルネットワークの実践：習うより慣れよ 」はパブリッシュされました: ニューロンをわずかに特化させる単純なコード変更によって、学習段階を大幅に高速化できる方法について見ていきます。結局のところ、後ほど詳しく説明するように、ニューロンやニューラルネットワークが一度学習を完了すると、その後に実行する処理ははるかに高速になります。また、実際には存在しているにもかかわらず、ほとんど語られることのない問題についても取り上げます。 前回の記事では、 ニューラルネットワークの実践：最初のニューロン

新しい記事「 取引におけるニューラルネットワーク：特定データへの依存なしに時系列を汎化する(Mamba4Cast) 」はパブリッシュされました: Mamba4Castフレームワークを紹介するとともに、その主要コンポーネントの1つであるタイムスタンプに基づく位置エンコーディングについて詳しく解説します。データのカレンダー構造を考慮して時間埋め込みがどのように生成されるのかを示します。

新しい記事「 MQL5標準ライブラリエクスプローラー（第3回）：エキスパート標準偏差チャネル 」はパブリッシュされました: CTradeクラスとCChartObjectStdDevChannelクラスを用いたエキスパートアドバイザー(EA)を開発し、さらに収益性を高めるためのいくつかのフィルタを適用します。前回の議論で扱った理論を実装へ落とし込むことが目的です。また、MQL5標準ライブラリとその内部コードベースを理解するのに役立つ、もう一つの簡単なアプローチも紹介します。本記事では、これらの概念を実践的に学ぶことができます。

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84回）：ストキャスティクスとFrAMAのパターンの使用 - 結論 」はパブリッシュされました: ストキャスティクスとフラクタル適応型移動平均(FrAMA: Fractal Adaptive Moving

新しい記事「 取引におけるニューラルネットワーク：適応型モード分解を用いた時系列予測（最終回） 」はパブリッシュされました: アルゴリズム取引におけるACEFormerフレームワークの適応およびMQL5を用いた実用的な実装について説明します。特に、主要なアーキテクチャ設計の判断、学習プロセスの特徴、そして実データを用いたモデル検証結果について紹介します。 テスト結果を以下に示します。

新しい記事「 取引におけるニューラルネットワーク：適応型モード分解を用いた時系列予測(ACEFormer) 」はパブリッシュされました: ACEFormerアーキテクチャについて紹介します。これは、Probabilistic Attention（確率的注意）機構の有効性と、適応型時系列分解を組み合わせた最新のソリューションです。本記事は、金融市場において計算性能と予測精度のバランスを求める方にとって有用な内容となっています。

新しい記事「 取引におけるニューラルネットワーク：多変量時系列予測のためのLSTMの最適化（最終回） 」はパブリッシュされました: 時系列解析および予測のための革新的な手法を提供するDA-CG-LSTMフレームワークの実装を引き続き進めます。CG-LSTMとデュアルアテンション(dual attention)機構を組み合わせることで、データに含まれる長期的および短期的な依存関係をより高い精度で検出できるため、金融市場の分析に特に有効です。 前述したように、 DA-CG-LSTM フレームワークは、アテンションモジュールと改良型 CG-LSTM

新しい記事「 MQL5での取引戦略の自動化（第41回）：ローソク足レンジ理論(CRT)-蓄積・操作・分配(AMD) 」はパブリッシュされました: MQL5で動作するローソク足レンジ理論(CRT)取引システムを開発します。このシステムは、指定した時間足での蓄積のレンジを特定し、操作の深さフィルタリングを用いてブレイクを検知し、分配フェーズにおける反転確認を経てエントリーをおこないます。また、リスクリワード比に基づく動的または静的なストップロスとテイクプロフィット設定、任意のトレーリングストップ、方向ごとのポジション上限設定などによるリスク管理にも対応しています。 ローソク足レンジ理論(CRT)

新しい記事「 初めてのMetaTrader VPS：ステップバイステップ 」はパブリッシュされました: 自動売買ロボットやコピー取引を利用していると必ず、遅かれ早かれ、取引プラットフォーム用に信頼できる24時間365日のホスティングサーバーをレンタルする必要性を認識するようになります。様々な理由から、MetaTrader VPSの使用が推奨されます。このサービスの支払いとサブスクリプションはMQL5.communityのアカウントで管理できます。 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：多変量時系列予測のためのLSTMの最適化(DA-CG-LSTM) 」はパブリッシュされました: 時系列分析および予測に新たな手法を提供するDA-CG-LSTMアルゴリズムを紹介します。革新的なアテンション機構とモデルの柔軟性を活用することで、予測精度をどのように向上できるのかを解説します。

新しい記事「 取引におけるニューラルネットワーク：Actor-Director-Critic（最終回） 」はパブリッシュされました: Actor-Director-Criticフレームワークは、古典的なエージェント学習アーキテクチャを発展させたものです。本記事では、その実装と金融市場環境への適応に関する実践的な経験を紹介します。 学習データセットは、 MetaTrader 5ストラテジーテスター 上でランダムなエージェント実行を行うことによって生成しました。これにより、幅広い行動パターンを含むデータを収集することが可能になりました。このデータセットには、2024年通年の EURUSD M1

新しい記事「 取引におけるニューラルネットワーク：Actor-Director-Critic 」はパブリッシュされました: 階層型学習とマルチコンポーネントアーキテクチャを組み合わせたActor-Director-Critic (ADC)フレームワークについて詳しく解説します。DirectorがActorの行動を分類する仕組みが、トレードにおける意思決定の最適化にどのように寄与し、金融市場という不確実性の高い環境においてモデルの頑健性をどのように向上させるのかを詳しく解説します。 金融分野では、 Actor-Critic

練行2.0オフライン : この非取引エキスパートでは、1Mチャートでカスタム銘柄情報が生成されます。 作者: Guilherme Santos

新しい記事「 取引におけるニューラルネットワーク：適応型エージェント行動のための階層的スキル発見（最終章） 」はパブリッシュされました: アルゴリズム取引への適用を目的としたHiSSDフレームワークの実装について解説します。スキル階層と適応的なアーキテクチャを活用して、安定的に機能する取引戦略を構築する方法を説明します。 ここで、提案手法の有効性を実際の履歴データ上で評価する、最も重要な段階へ進みます。前述したように、モデルの学習には2024年1年間の市場データ全体を使用しました。 生成された方策の品質を客観的に評価するため、学習済みモデルを MetaTrader 5のストラテジーテスター

新しい記事「 取引におけるニューラルネットワーク：適応的なエージェント行動のための階層的スキル発見(HiSSD) 」はパブリッシュされました: HiSSDフレームワークについて解説します。HiSSDは、階層的学習とマルチエージェントアプローチを組み合わせることで、適応性の高いシステムを構築するためのフレームワークです。この革新的な手法が金融市場に潜む隠れたパターンをどのように発見し、分散環境における取引戦略の最適化にどのように貢献するのかを詳しく見ていきます。

新しい記事「 取引におけるニューラルネットワーク：周波数領域での異常検知（最終回） 」はパブリッシュされました: フーリエ変換と周波数パッチングの仕組みを組み合わせ、市場の異常を高精度に検出するCATCHフレームワークの実装を続けます。提案されたアプローチに対する独自の実装を完成させるとともに、新しいモデルを実際の市場履歴データで検証します。 学習には、 MetaTrader 5ストラテジーテスター で生成されたランダムエピソードを用いて構築したデータセットを使用しました。このデータセットは、2024年全期間の EURUSD M1 履歴データを基にしています。

3_Level_ZZ_Semafor : セマフォドットを用いて最長、真ん中と短い期間の最小値と最大値を表示する単純なインディケータ。 作者: Nikolay Kositsin

新しい記事「 MQL5での取引戦略の自動化（第35回）：ブレーカーブロック取引システムの作成 」はパブリッシュされました: 本記事では、MQL5でブレーカーブロック取引システムを作成します。本システムは、レンジ相場を識別し、ブレイクアウトを検出、スイングポイントでブレーカーブロックを検証した上で、リスクパラメータを定義してリテスト取引を実行します。また、オーダーブロックおよびブレーカーブロックを動的なラベルと矢印で可視化し、自動売買やトレーリングストップにも対応しています。 ブレーカーブロック戦略