記事、ライブラリコメント - ページ 3

新しい記事「 どんな市場でも優位性を得る方法 」はパブリッシュされました: 現在の技術レベルに関係なく、取引したいどのような市場でも先んじることができる方法を学びましょう。 今日は、トレーダーが様々な市場において大幅な競争上の有利性を発揮するための、強固な取引戦略を構築します。従来の市場参加者が意思決定のために価格関連データ、テクニカル指標、公なニュース発表の組み合わせのみに依存するのに対し、私たちの戦略は、大多数がほとんど未開拓のままであるオルタナティブデータソースを活用することにより、先駆的なアプローチをとります。

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14回）：STFによる多目的時系列予測 」はパブリッシュされました: データのモデリングに「空間」と「時間」の両方の測定基準を使用する空間的時間的融合は、主にリモートセンシングや、私たちの周囲をよりよく理解するための他の多くの視覚ベースの活動で有用です。発表された論文のおかげで、トレーダーへの可能性を検証することで、その活用に斬新なアプローチを取ります。 SpatiaTemporal Fusion (STF)に関するこの 論文

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（最終回） 」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最終回です。ライブラリはまだ製品化されていませんが、この部分では、他の証券会社から入手したティック（またはレート）でカスタム銘柄を更新するためにクライアントを使用します。ライブラリの現在の状況、MQTT 5.0プロトコルに完全に準拠するために足りないもの、可能なロードマップ、そしてその開発をフォローし貢献する方法についての詳細は、この記事の最後をご覧ください。

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 」はパブリッシュされました: どのような市場にも対応できる専門的なエキスパートアドバイザー(EA)を構築します。 現在の市場環境に適応できる取引ボットを開発することは、安定したアルゴリズム取引戦略の鍵となります。私たちの目標は、数個の銘柄に限定した狭い範囲のボットを作ることではありません。学習能力を備え、どのような取引銘柄にも適応できるシステムを設計するつもりです。このガイドでは、MQL5を使用して、どのような取引環境にも自己最適化できるボットを開発することに焦点を当てています。

新しい記事「 データサイエンスと機械学習(第21回)：ニューラルネットワークと最適化アルゴリズムの解明 」はパブリッシュされました: ニューラルネットワーク内部で使用される最適化アルゴリズムを解明しながら、ニューラルネットワークの核心に飛び込みます。この記事では、ニューラルネットワークの可能性を最大限に引き出し、モデルを精度と効率の新たな高みへと押し上げる重要なテクニックご紹介します。

新しい記事「 制約付きCustom Maxを実装するための一般的な最適化定式化(GOF) 」はパブリッシュされました: この記事では、MetaTrader 5端末の設定タブでCustom Maxを選択する際に、複数の目的と制約条件を持つ最適化問題を実装する方法を紹介します。最適化問題の例は、ドローダウンが10%未満、連敗回数が5回未満、1週間の取引回数が5回以上となるように、プロフィットファクター、ネットプロフィット、リカバリーファクターを最大化するといったものです。

新しい記事「 MQL5入門（第6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: MQL5の旅の次の段階を始めましょう。この洞察に満ちて初心者に優しい記事では、残りの配列関数について調べ、複雑な概念を解明し、効率的な取引戦略を作成できるようにします。ArrayPrint、ArrayInsert、ArraySize、ArrayRange、ArrarRemove、ArraySwap、ArrayReverse、ArraySortについて説明します。アルゴリズム取引の専門知識を、これらの必要不可欠な配列関数で高めてください。一緒にMQL5マスターへの道を歩みましょう。

新しい記事「 Pythonを使用したEA用ディープラーニングONNXモデルの季節性フィルタと期間 」はパブリッシュされました: Pythonでディープラーニングのモデルを作成する際、季節性から恩恵を受けることはできるのでしょうか。ONNXモデルのデータをフィルタすることでより良い結果が得られるのでしょうか。どの期間を使用するべきでしょうか。この記事では、これらすべてを取り上げます。 「 外国為替市場の季節性から利益を得る 」稿を読んだとき、これを興味深い記事にしようと考えました。季節性のあるEAと季節性のないEAを比較し、EAが恩恵を受けるかどうかを確認することができます。

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13回）：ExpertSignalクラスのためのDBSCAN 」はパブリッシュされました: DBSCAN (Density-Based Spatial Clustering of Applications with Noise)は、データをグループ化する教師なし形式であり、入力パラメータをほとんど必要としません。入力パラメータは2つだけであり、K平均法などの他のアプローチと比較すると利点が得られます。ウィザードで組み立てたEAを使用してテストし、最終的に取引するために、これがどのように建設的であり得るかを掘り下げます。

新しい記事「 How to create a simple Multi-Currency Expert Advisor using MQL5 (Part 7): ZigZag with Awesome Oscillator Indicators Signal 」はパブリッシュされました: この記事の多通貨エキスパートアドバイザー(EA)は、オーサムオシレーター（AO、Awesome Oscillator）でフィルタされたジグザグ(ZigZag)指標を使用するまたは互いのシグナルをフィルタするEA（自動売買）です。 以前の記事で示したように、取引端末とストラテジーテスターの両方で MQL5

新しい記事「 不一致問題(Disagreement Problem)：AIにおける複雑性の説明可能性を深く掘り下げる 」はパブリッシュされました: 説明可能性という波乱の海を航海しながら、人工知能(AI)の謎の核心に飛び込みましょう。モデルがその内部構造を隠す領域において、私たちの探求は、機械学習の回廊にこだまする「不一致問題」を明らかにします。 不一致問題は、説明可能なAI（XAI、eXplainable Artificial

新しい記事「 MQL5の高度な変数とデータ型 」はパブリッシュされました: 変数とデータ型は、MQL5プログラミングだけでなく、どのプログラミング言語でも非常に重要なトピックです。MQL5の変数とデータ型は、単純なものと高度なものに分類できます。単純なものについては前回の記事ですでに述べたので、今回は高度なものを特定し、それについて学ぶことにします。 変数とデータ型は、 MQL5 プログラミングだけでなく、どのプログラミング言語でも非常に重要なトピックです。 MQL5

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6回） 」はパブリッシュされました: この記事は、MQTT 5.0プロトコル用のネイティブMQL5クライアントの開発ステップを説明する連載の第6部です。今回は、私たちの最初のリファクタリングにおける主な変更点、私たちがどのようにしてパケット構築クラスのための実行可能な設計図にたどり着いたか、どのようにPUBLISHとPUBACKパケットを構築しているか、そしてPUBACK Reason Codeの背後にあるセマンティクスについてコメントします。

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