記事、ライブラリコメント - ページ 3

新しい記事「 彗尾アルゴリズム(CTA) 」はパブリッシュされました: この記事では、ユニークな宇宙物体である彗星と、太陽に接近する際に形成されるその印象的な尾にインスパイアされた「彗尾最適化アルゴリズム(CTA: Comet Tail Algorithm)」について考察します。このアルゴリズムは、彗星とその尾の運動の概念に基づき、最適化問題の最適解を見つけることを目的としています。 彗星は太陽系内の小天体で、太陽に近づくと蒸発し、ガスを放出します。このプロセスは「昇華」と呼ばれます。彗星は通常、楕円形の軌道を描き、その軌道周期は数年から数百万年と幅広いものです。

新しい記事「 亀甲進化アルゴリズム(TSEA) 」はパブリッシュされました: これは、亀の甲羅の進化にインスパイアされたユニークな最適化アルゴリズムです。TSEAアルゴリズムは、問題に対する最適解を表す構造化された皮膚領域が徐々に形成される様子をエミュレートします。最良の解は「硬く」なり、外側に近い位置に配置され、成功しなかった解は「柔らかい」ままで内側に留まります。このアルゴリズムは、質と距離に基づく解のクラスタリングを利用し、成功率の低い選択肢を保持しながら、柔軟性と適応性を提供します。

新しい記事「 リプレイシステムの開発（第46回）：Chart Tradeプロジェクト(V) 」はパブリッシュされました: アプリケーションを動作させるために必要なファイルを探すのに時間を浪費していませんか。すべてを実行ファイルに含めてみてはどうでしょうか。そうすれば、ファイルを探す必要がなくなります。多くの人がこのような配布・保管方法を採用していることは知っていますが、少なくとも、実行ファイルの配布や保管に関してはもっと適切な方法があります。ここで紹介する方法は、MQL5だけでなく、MetaTrader

新しい記事「 多通貨エキスパートアドバイザーの開発（第10回）：文字列からオブジェクトを作成する 」はパブリッシュされました: エキスパートアドバイザー(EA)の開発計画は複数の段階で構成されており、中間結果はデータベースに保存されます。しかし、これらの結果はオブジェクトとしてではなく、文字列や数値としてのみ抽出できます。したがって、データベースから読み込んだ文字列を基に、EAで目的のオブジェクトを再構築する方法が必要です。 前回の 記事

新しい記事「 ニューラルネットワークが簡単に（第88回）：Time-series Dense Encoder (TiDE) 」はパブリッシュされました: 研究者たちは、より正確な予測を得るために、しばしばモデルを複雑化します。しかし、その結果として、モデルの訓練やメンテナンスにかかるコストも増加します。この増大したコストは常に正当化されるのでしょうか。本記事では、シンプルで高速な線形モデルの特性を活かし、複雑なアーキテクチャを持つ最新モデルに匹敵する結果を示すアルゴリズムを紹介します。

新しい記事「 SMAとEMAを使った自動最適化された利益確定と指標パラメータの例 」はパブリッシュされました: この記事では、機械学習とテクニカル分析を組み合わせた、FX取引向けの高度なEAを紹介します。アップル株取引を中心に、適応的な最適化やリスク管理、複数の取引戦略を活用しています。バックテストでは、収益性が高い一方で、大きなドローダウンを伴う結果が得られており、さらなる改良の余地が示唆されています。

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31回）：損失関数の選択 」はパブリッシュされました: 損失関数は、機械学習アルゴリズムの重要な指標です。これは、与えられたパラメータセットが目標に対してどれだけうまく機能しているかを定量的に評価し、学習プロセスにフィードバックを提供する役割を果たします。本記事では、MQL5のカスタムウィザードクラスを使って、損失関数のさまざまな形式を探っていきます。

新しい記事「 MQL5-Telegram統合エキスパートアドバイザーの作成（第2回）：MQL5からTelegramへのシグナル送信 」はパブリッシュされました: この記事では、移動平均クロスオーバーシグナルをTelegramに送信するMQL5-Telegram統合エキスパートアドバイザー(EA)を作成します。移動平均クロスオーバーから売買シグナルを生成し、MQL5で必要なコードを実装し、統合がシームレスに機能するようにするプロセスを詳しく説明します。その結果、リアルタイムの取引アラートをTelegramのグループチャットに直接提供するシステムが完成します。

新しい記事「 MQL5-Telegram統合エキスパートアドバイザーの作成（第1回）：MQL5からTelegramへのメッセージ送信 」はパブリッシュされました: この記事では、MQL5を使用してEAを作成し、Telegramに自動でメッセージを送信する方法を説明します。ボットのAPIトークンやチャットIDといった必要なパラメータを設定し、HTTP

新しい記事「 データサイエンスと機械学習（第29回）：AI訓練に最適なFXデータを選ぶための重要なヒント 」はパブリッシュされました: この記事では、AIモデルのパフォーマンスを向上させるために、最も適切で高品質なFXデータを選択するための重要な側面について深く掘り下げます。 MetaTrader 5には36種類以上の指標が 内蔵 されており、相関ストラテジーのデータとして利用できる銘柄ペアも100種類以上存在します。さらに、トレーダーにとって価値のあるニュースなど、さまざまな取引データや情報が豊富にあります。

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30回）：機械学習におけるバッチ正規化のスポットライト 」はパブリッシュされました: バッチ正規化とは、ニューラルネットワークのような機械学習アルゴリズムに投入するデータの前処理です。これは、アルゴリズムが使用する活性化の種類を常に意識しながらおこなわれます。そこで、エキスパートアドバイザー(EA)を使って、そのメリットを享受するためのさまざまなアプローチを探ります。 また、本連載の他の記事と同様に、新しいアイデアをテストするためにウィザードで構築されたEAを使用することに焦点を当てています。このプロセスに関する詳細は、 こちら と

新しい記事「 Deus EAの実装：MQL5におけるRSIと移動平均を使った自動売買 」はパブリッシュされました: この記事では、RSIと移動平均指標に基づいて自動売買をおこなうDeus EAの実装手順を概説します。 MQL5を使用して構築された自動売買手法、Deus EAの機能を検証します。このディスカッションでは、Deus EAが移動平均と相対力指数(RSI)をどのように組み合わせて取引選択をおこなうかに焦点を当てます。これらの指標を分析することで、EAはマーケットにおける最適なエントリポイントとエグジットポイントを特定し、リスクを最小限に抑えつつ取引の収益性を最大化します。 Deus

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2回）：ディープニューラルネットワークのチューニング 」はパブリッシュされました: 機械学習モデルには、様々な調整可能なパラメータがあります。この連載では、SciPyライブラリを使用して、特定の市場に合うようにAIモデルをカスタマイズする方法を探ります。 Nelder-Meadアルゴリズムは、ノイズが多く、微分不可能で、非線形な多峰性の最適化問題に頻繁に使用されます。このアルゴリズムは、発明者のジョン・ネルダーとロジャー・ミードにちなんで命名され、1965年の論文「A Simplex Method for

新しい記事「 データサイエンスと機械学習（第28回）：AIを使ってEURUSDの複数の先物を予測する 」はパブリッシュされました: 多くの人工知能モデルでは単一の将来値を予測することが一般的ですが、この記事では、機械学習モデルを用いて複数の将来値を予測するという強力な手法について掘り下げていきます。このアプローチは「多段階予測」として知られ、明日の終値だけでなく、明後日以降の値も予測することが可能です。多段階予測をマスターすることで、トレーダーやデータサイエンティストはより深い洞察を得ることができ、情報に基づいた意思決定を行うことで予測能力と戦略立案を大幅に強化することができます。

新しい記事「 古典的な戦略をPythonで再構築する（第3回）：高値更新と安値更新の予測 」はパブリッシュされました: 本連載では、古典的な取引戦略を実証的に分析し、AIを用いてそれらの改善が可能かどうかを検証します。本日の議論では、線形判別分析モデルを用いて高値更新と安値更新の予測に挑戦します。

新しい記事「 MQL5でボリンジャーバンド取引戦略を実装する：ステップごとのガイド 」はパブリッシュされました: ボリンジャーバンド売買戦略に基づくMQL5での自動売買アルゴリズム実装のためのステップごとのガイドです。トレーダーに役立つEAの作成に基づく詳細なチュートリアルです。

新しい記事「 MQL5とデータ処理パッケージの統合（第１回）：高度なデータ分析と統計処理 」はパブリッシュされました: 統合により、MQL5から生の財務データをJupyter Labのようなデータ処理パッケージにインポートし、統計テストを含む高度な分析をおこなうシームレスなワークフローが実現します。 その後、実際のデータをダウンロードする必要があります。そのためには、 [ 表示 ] に移動し、次に[ 銘柄 ] に移動して、[ 仕様 ] タブに移動し、ダウンロードするデータの種類に応じて[ バー ] または [ ティック ]

新しい記事「 独自のLLMをEAに総合する（第5部）： LLMを使った取引戦略の開発とテスト(I) - 微調整 」はパブリッシュされました: 今日の人工知能の急速な発展に伴い、言語モデル(LLM)は人工知能の重要な部分となっています。私たちは、強力なLLMをアルゴリズム取引に統合する方法を考える必要があります。ほとんどの人にとって、これらの強力なモデルをニーズに応じて微調整（ファインチューニング）し、ローカルに展開して、アルゴリズム取引に適用することは困難です。本連載では、この目標を達成するために段階的なアプローチをとっていきます。

新しい記事「 ソケットを使ったツイッターのセンチメント分析 」はパブリッシュされました: この革新的な取引ボットは、MetaTrader

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29回）：MLPの学習率についての続き 」はパブリッシュされました: エキスパートアドバイザー(EA)のパフォーマンスに対する学習率の感度を、主に適応学習率を調べることでまとめます。これらの学習率は、訓練の過程で層の各パラメータごとにカスタマイズすることを目的としており、潜在的な利点と期待されるパフォーマンスの差を評価します。 本記事では、適応学習率と1サイクル学習率を検証し、異なる形式の学習率がEAのパフォーマンスに与える影響を再評価します。形式は前回の 記事

新しい記事「 移動エントロピーを用いた時系列の因果分析 」はパブリッシュされました: この記事では、統計的因果関係をどのように活用して予測変数を特定できるかを解説します。因果性と移動エントロピーの関連性を探り、2つの変数間で情報がどの方向に伝達されているかを検出するためのMQL5コードを紹介します。

新しい記事「 MQL5で動的な多銘柄多期間の相対力指標(RSI)指標ダッシュボードを作成する 」はパブリッシュされました: この記事では、MQL5を使用して、動的に複数の銘柄と時間枠にわたるRSI指標のダッシュボードを開発し、トレーダーにリアルタイムでRSI値を提供する方法を解説します。このダッシュボードには、インタラクティブなボタン、リアルタイム更新、色分けされた指標が搭載されており、トレーダーがより的確な意思決定をおこなうためのサポートをします。 この動的な

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28回）：学習率に関する入門書によるGANの再検討 」はパブリッシュされました: 学習率（Learning Rate）とは、多くの機械学習アルゴリズムの学習プロセスにおいて、学習目標に向かうステップの大きさのことです。以前の記事で検証したニューラルネットワークの一種である生成的敵対的ネットワーク(GAN: Generative Adversarial Network)のパフォーマンスに、その多くのスケジュールと形式が与える影響を検証します。

新しい記事「 初心者からエキスパートへ：MQL5取引のエッセンシャルジャーニー 」はパブリッシュされました: 潜在能力を引き出しましょう。あなたはチャンスに囲まれています。MQL5の旅をスタートさせ、次のレベルへと引き上げる3つの秘訣をご覧ください。初心者にもプロにも役立つヒントやトリックをご紹介します。 この記事の目的は、読者のニーズに合わせたワーキングプログラムの作成を通じて指導し、アルゴリズム開発に挑戦する意欲をかき立てることです。新興技術を活用することで、複雑に見えるアルゴリズム開発をシンプルにし、MQL5コミュニティをよりユーザーフレンドリーなものにすることを目指しています。

新しい記事「 古典的な戦略をPythonで再構築する（第2回）：ボリンジャーバンドのブレイクアウト 」はパブリッシュされました: 本稿では、線形判別分析(LDA: Linear Discriminant Analysis)とボリンジャーバンドを統合し、戦略的市場参入シグナルの生成を目的としたカテゴリ別ゾーン予測を活用する取引戦略を考察します。 人工知能(AI: Artificial

新しい記事「 MQL5取引ツールキット（第2回）：ポジション管理EX5ライブラリの拡張と実装 」はパブリッシュされました: MQL5コードやプロジェクトでEX5ライブラリをインポートして使用する方法をご紹介します。今回は、既存のライブラリにポジション管理関数を追加し、2つのエキスパートアドバイザー(EA)を作成することで、EX5ライブラリを拡張します。最初の例では、可変指数ダイナミック平均(VIDyA: Variable Index Dynamic

新しい記事「 データサイエンスと機械学習（第27回）：MetaTrader 5取引ボットにおける畳み込みニューラルネットワーク(CNN)に価値はあるか？ 」はパブリッシュされました: 畳み込みニューラルネットワーク(CNN)は、画像や映像のパターンを検出する能力に優れていることで有名で、さまざまな分野に応用されています。この記事では、金融市場の価値あるパターンを識別し、MetaTrader 5取引ボットのための効果的な取引シグナルを生成するCNNの可能性を探ります。このディープマシンラーニングの手法を、よりスマートな取引判断のためにどのように活用できるかを見てみましょう。

新しい記事「 Candlestick Trend Constraintモデルの構築（第7回）：EA開発モデルの改良 」はパブリッシュされました: 今回は、エキスパートアドバイザー(EA)開発のための指標の詳細な準備について掘り下げていきます。議論の中では、現行バージョンの指標にさらなる改良を加えることで、その精度と機能性の向上を図ります。さらに、前バージョンがエントリポイントの識別に限られていた制約に対応するため、新たにエグジットポイントを特定する機能を導入します。

新しい記事「 MQL5とPythonで自己最適化EAを構築する 」はパブリッシュされました: この記事では、市況に基づいて取引戦略を自律的に選択変更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解説します。マルコフ連鎖の基本を学び、それがアルゴリズムトレードにどのように役立つかを探っていきます。 マルコフは、完全にランダムなプロセスをモデル化する必要がある数々の問題に取り組みました。これは、市場のダイナミクスにおける予測不可能性に対処する現代の課題にも通じます。彼が定式化した「マルコフ連鎖」は、ランダムな現象を扱う際に非常に有用な枠組みです。これを直感的に理解してみましょう。

新しい記事「 時系列の非定常性の指標としての2標本コルモゴロフ–スミルノフ検定 」はパブリッシュされました: この記事では、最も有名なノンパラメトリック同質性検定の1つである2標本のコルモゴロフ–スミルノフ検定について考察します。モデルデータと実際の相場の両方が分析されています。また、この記事では非定常性指標（iスミルノフ距離）の構築例も紹介しています。