記事、ライブラリコメント - ページ 4

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20回）：関数同定問題 」はパブリッシュされました: 関数同定問題は、研究対象のデータセットをマッピングする基本モデルがどのようなものであるかについて、最小限の仮定から始める回帰の形式です。ベイズ法やニューラルネットワークでも実装可能ですが、ここでは遺伝的アルゴリズムによる実装が、MQL5ウィザードで使用可能なExpertSignalクラスのカスタマイズにどのように役立つかを見ていきます。

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19回）：ベイズ推定 」はパブリッシュされました: ベイズ推定とは、新しい情報が入手可能になったときに確率仮説を更新するためにベイズの定理を採用することです。これは直感的に時系列分析への適応につながるので、シグナルだけでなく、資金管理やトレーリングストップのためのカスタムクラスを構築する際に、これをどのように利用できるか見てみましょう。 引き続きMQL5ウィザードを利用して、統計学の手法の1つで、新しい情報が入るたびに確率を処理し更新する ベイズ推定

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18回）：固有ベクトルによるニューラルアーキテクチャの探索 」はパブリッシュされました: ニューラルアーキテクチャー探索は、理想的なニューラルネットワーク設定を決定するための自動化されたアプローチで、多くのオプションや大規模なテストデータセットに直面したときにプラスになります。固有ベクトルをペアにすることで、この過程がさらに効率的になることを検証します。

新しい記事「 Candlestick Trend Constraintモデルの構築（第3回）：使用中のトレンド変化の検出 」はパブリッシュされました: この記事では、経済ニュースの発表、投資家の行動、さまざまな要因が市場のトレンド反転にどのような影響を与えるかを探ります。ビデオによる説明もあり、MQL5のコードをプログラムに組み込むことで、トレンドの反転を検出し、警告を発し、市場の状況に応じて適切な行動を取ることができます。これは、本連載の過去の記事に基づいています。

新しい記事「 MQL5における修正グリッドヘッジEA（第4部）：シンプルなグリッド戦略の最適化（I） 」はパブリッシュされました: この第4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グリッド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「 Pythonでの見せかけの回帰 」はパブリッシュされました: 見せかけの回帰は、2つの時系列がまったくの偶然で高い相関を示し、回帰分析で誤解を招く結果をもたらす場合に発生します。このような場合、変数が関連しているように見えても、その相関関係は偶然であり、モデルの信頼性は低くなります。 機械学習によるアルゴリズム取引の領域に飛び込む前に、モデルの入力と予測しようとする変数の間に意味のある関係が存在するかどうかを確認することが極めて重要です。本稿では、データセットにこのような関係が存在することを検証するために、モデル残差の単位根検定を用いることの有用性を説明します。

新しい記事「 MQL5入門（第7回）：MQL5でEAを構築し、AI生成コードを活用するための初心者ガイド 」はパブリッシュされました: この記事は、MQL5でエキスパートアドバイザー(EA)を構築するための包括的な、究極の初心者ガイドです。擬似コードを使用してEAを構築し、AIが生成したコードのパワーを活用する方法をステップごとに学びましょう。アルゴリズム取引が初めての方にも、スキルアップを目指す方にも、このガイドは効果的なEAを作成するための明確な道筋を提供します。

新しい記事「 多通貨エキスパートアドバイザーの開発（第2回）：取引戦略の仮想ポジションへの移行 」はパブリッシュされました: 複数の戦略を並行して動作させる多通貨エキスパートアドバイザー(EA)の開発を続けましょう。マーケットポジションを建てることに関連するすべての作業を、戦略レベルから、戦略を管理するEAのレベルに移してみましょう。戦略自体は、マーケットポジションを持つことなく、仮想の取引のみをおこないます。 前回

新しい記事「 ニューラルネットワークが簡単に（第75回）：軌道予測モデルのパフォーマンス向上 」はパブリッシュされました: 私たちが作成するモデルはより大きく、より複雑になっています。そのため、訓練だけでなく、運用にもコストがかかります。しかし、決断に要する時間はしばしば重要です。この観点から、品質を損なうことなくモデルのパフォーマンスを最適化する手法を考えてみましょう。

新しい記事「 母集団最適化アルゴリズム：人工多社会的検索オブジェクト（MSO） 」はパブリッシュされました: 前回に引き続き、社会的集団について考えてみたいと思います。この記事では、移動と記憶のアルゴリズムを用いて社会集団の進化を探求しています。その結果は、社会システムの進化を理解し、最適化や解の探索に応用するのに役立つでしょう。 前回

新しい記事「 母集団最適化アルゴリズム：社会集団の進化(ESG) 」はパブリッシュされました: 多母集団アルゴリズムの構成原理を考えます。この種のアルゴリズムの一例として、新しいカスタムアルゴリズムであるESG (Evolution of Social Groups)を見てみましょう。このアルゴリズムの基本概念、母集団相互作用メカニズム、利点を分析し、最適化問題におけるパフォーマンスを検証します。

新しい記事 トレーダーの注文を実装し、MQL5Freelanceサービスにて利益を生む方法 はパブリッシュされました: MQL5フリーランスは、開発者がトレーダー顧客のために取引アプリケーションを作成して報酬を得ることができるオンラインサービスです。このサービスは2010年以来成功裏に運営されており、これまでに10万件以上のプロジェクトが完了し、その総額は700万ドルに達しています。ご覧の通り、相当な額の資金が絡んでいます。 MQL5フリーランス

新しい記事「 最適化アルゴリズムを使用してEAパラメータをオンザフライで設定する 」はパブリッシュされました: この記事では、最適化アルゴリズムを使用して最適なEAパラメータをオンザフライで見つけることや、取引操作とEAロジックの仮想化について、実践的な側面から論じています。この記事は、最適化アルゴリズムをEAに実装するためのインストラクションとして使用できます。 EAや戦略全般を扱う際に、最適化アルゴリズムの適用方法についてよく質問を受けます。この記事では、最適化アルゴリズムの実用的な側面について見ていきたいと思います。

新しい記事「 多通貨エキスパートアドバイザーの開発（第3回）：アーキテクチャの改訂 」はパブリッシュされました: 複数の戦略が並行して動作する多通貨EAの開発はすでにある程度進んでいます。蓄積された経験を考慮し、先に進みすぎる前に、ソリューションのアーキテクチャを見直し、改善を試みましょう。 EAオブジェクト（ CAdvisor クラスまたはその子孫）を割り当てたが、これは取引戦略オブジェクト （CStrategy クラスまたはその子孫）のアグリゲーターです。EA操作の最初に、 OnInit() ハンドラで以下のことが起こります。 EAオブジェクトが作成されます。

新しい記事「 複数の商品を同時に取引する際のリスクバランス 」はパブリッシュされました: この記事では、初心者が複数の商品を同時に取引する際のリスクバランスを取るためのスクリプトの実装をゼロから書けるようにします。また、経験豊富なユーザーは、この記事で提案されたオプションに関連して、ソリューションを実行するための新しいアイデアが得られるかもしれません。

新しい記事「 取引におけるトレーリングストップ 」はパブリッシュされました: この記事では、取引でのトレーリングストップの使い方について説明します。トレーリングストップがどの程度有用で効果的なのか、どのように利用できるのかを評価します。トレーリングストップの効率は、価格のボラティリティと損切りレベルの選択に大きく左右されます。損切りを設定するには、さまざまなアプローチを用いることができます。

新しい記事「 時系列分類問題における因果推論 」はパブリッシュされました: この記事では、機械学習を用いた因果推論の理論と、Pythonによるカスタムアプローチの実装について見ていきます。因果推論と因果思考は哲学と心理学にルーツを持ち、現実を理解する上で重要な役割を果たしています。

新しい記事「 多銘柄多期間指標のDRAW_ARROW描画タイプ 」はパブリッシュされました: この記事では、多銘柄多期間矢印指標の描画について見ていきます。また、現在のチャートの銘柄/期間と一致しない銘柄/期間で計算された矢印指標のデータを示す矢印を正しく表示するためのクラスメソッドを改善します。 多銘柄多期間指標の話題を続けます。本連載の 前回 の記事では、多銘柄多期間指標を取り上げました。今回の記事では、多指標クラスを矢印指標で動作するように修正します。

新しい記事「 多通貨エキスパートアドバイザーの開発（第1回）：複数取引戦略の連携 」はパブリッシュされました: 取引戦略にはさまざまなものがあります。リスクを分散し、取引結果の安定性を高めるためには、複数の戦略を並行して適用することが有効かもしれません。ただし、それぞれのストラテジーが個別のエキスパートアドバイザー（EA）として実装されている場合、1つの取引口座でそれらの作業を管理することは非常に難しくなります。この問題を解決するのに合理的なのは、1つのEAで異なる取引戦略の運用を実装することです。 何が欲しいのか、何を持っているのかを決める必要があります。

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3回）：MQL5で自動手番とテストスクリプトを作成する 」はパブリッシュされました: この記事では、MQL5関数とユニットテストを統合した、Pythonによる三目並べの自動手番の実装について説明します。目標は、MQL5でのテストを通じて、対戦のインタラクティブ性を向上させ、システムの信頼性を確保することです。このプレゼンテーションでは、対戦ロジックの開発、統合、実地テストについて説明し、最後にダイナミックな対戦環境と堅牢な統合システムを作成します。

新しい記事「 母集団最適化アルゴリズム：2進数遺伝的アルゴリズム(BGA)（第2回） 」はパブリッシュされました: この記事では、自然界の生物の遺伝物質で起こる自然なプロセスをモデル化した2進数遺伝的アルゴリズム（binary genetic algorithm：BGA）を見ていきます。 遺伝的2進数アルゴリズムの開発は、いくつかの要因とアイデアに触発されました。主なものは、以下の通りです。 自然淘汰と進化の原理

新しい記事「 リプレイシステムの開発（第38回）：道を切り開く(II) 」はパブリッシュされました: MQL5プログラマーを自認する人の多くは、この記事で概説するような基本的な知識を持っていません。MQL5は多くの人によって限定的なツールだと考えてられていますが、実際の理由は、そのような人たちが必要な知識を持っていないということです。知らないことがあっても恥じることはありません。聞かなかったことを恥じるべきです。MetaTrader

新しい記事「 母集団最適化アルゴリズム：2進数遺伝的アルゴリズム(BGA)（第１回） 」はパブリッシュされました: この記事では、2進数遺伝的アルゴリズムやその他の集団アルゴリズムで使用されるさまざまな手法を探ります。選択、交叉、突然変異といったアルゴリズムの主な構成要素と、それらが最適化に与える影響について見ていきます。さらに、データの表示手法と、それが最適化結果に与える影響についても研究します。

新しい記事「 ニューラルネットワークが簡単に（第71回）：目標条件付き予測符号化(GCPC) 」はパブリッシュされました: 前回の記事では、Decision Transformer法と、そこから派生したいくつかのアルゴリズムについて説明しました。さまざまな目標設定手法で実験しました。実験では、さまざまな方法で目標を設定しましたが、それ以前に通過した軌跡に関するモデルの研究は、常に私たちの関心の外にありました。この記事では、このギャップを埋める手法を紹介したいと思います。

新しい記事「 ニューラルネットワークが簡単に（第70回）：閉形式方策改善演算子(CFPI) 」はパブリッシュされました: この記事では、閉形式の方策改善演算子を使用して、オフラインモードでエージェントの行動を最適化するアルゴリズムを紹介します。 エージェント方策の行動に制約を与えて最適化する方法は、オフライン強化学習問題の解決に有望であることが判明しました。過去の遷移を利用することで、エージェント方策は学習された価値関数を最大化するように訓練されます。

新しい記事「 初心者からプロまでMQL5をマスターする（第2回）：基本的なデータ型と変数の使用 」はパブリッシュされました: 初心者向け連載の続きです。この記事では、定数や変数を作成する方法、日付や色、その他の便利なデータを書き込む方法を見ていきます。曜日や線のスタイル（実線、点線など）を列挙する方法も学びます。変数と式はプログラミングの基本です。これらは99%のプログラムに間違いなく存在するので、理解することは非常に重要です。したがって、この記事はとてもプログラミング初心者の役に立つでしょう。必要なプログラミング知識レベル：前回の記事（冒頭のリンク参照）の範囲内で、ごく基本的なものです。

新しい記事「 ニューラルネットワークが簡単に（第69回）：密度に基づく行動方策の支持制約(SPOT) 」はパブリッシュされました: オフライン学習では、固定されたデータセットを使用するため、環境の多様性をカバーする範囲が制限されます。学習過程において、私たちのエージェントはこのデータセットを超える行動を生成することができます。環境からのフィードバックがなければ、そのような行動の評価が正しいとどうやって確信できるのでしょうか。訓練データセット内のエージェントの方策を維持することは、訓練の信頼性を確保するために重要な要素となります。これが、この記事でお話しする内容です。

新しい記事「 Candlestick Trend Constraintモデルの構築（第2回）：ネイティブ指標の結合 」はパブリッシュされました: この記事では、トレンドから外れたシグナルを選別するために、MetaTrader 5指標を活用することに焦点を当てます。前回に引き続き、MQL5コードを使用してアイデアを最終的なプログラムに伝える方法を探っていきます。 以下は、MetaTrader 5でよく使用される組み込み指標の一部です。 移動平均 Bollinger Bands（ボリンジャーバンド） Relative Strength index(相対力指数)

新しい記事「 カスタム指標（第1回）：MQL5でシンプルなカスタム指標を開発するためのステップバイステップ入門ガイド 」はパブリッシュされました: MQL5を使用してカスタム指標を作成する方法を紹介します。この入門記事では、シンプルなカスタム指標を構築するための基本を説明し、この興味深いトピックを初めて学ぶMQL5プログラマーのために、さまざまなカスタム指標をコーディングするための実践的なアプローチを示します。

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17回）：多通貨取引 」はパブリッシュされました: ウィザードを介してEAが組み立てられた場合、デフォルトでは複数の通貨をまたいだ取引は利用できません。トレーダーが一度に複数の銘柄から自分のアイデアをテストする際に、2つの可能なトリックを検討します。