記事、ライブラリコメント - ページ 5

新しい記事「 MQL5で日次ドローダウンリミッターEAを作成する 」はパブリッシュされました: この記事では、取引アルゴリズムに基づくエキスパートアドバイザー(EA)の作成方法を、詳細な観点から解説しています。これはMQL5のシステムを自動化し、デイリードローダウンをコントロールするのに役立ちます。

新しい記事「 多通貨エキスパートアドバイザーの開発（第7回）：フォワード期間に基づくグループの選択 」はパブリッシュされました: 以前は、個々のインスタンスの最適化が実施されたのと同じ期間においてのみ、共同運用の結果を改善する目的で、取引戦略インスタンスグループの選択を評価しました。フォワード期間中に何が起こるか見てみましょう。 標準的なMetaTrader

新しい記事「 MQLプロジェクトでJSON Data APIを使用する 」はパブリッシュされました: MetaTraderにはないデータを使用できることを想像してみてください。価格分析とテクニカル分析による指標からデータを得るだけです。取引力を一段と高めるデータにアクセスできることを想像してみてください。APIデータを通して他のソフトウェア、マクロ分析手法、超高度ツールの出力をMetaTraderを通じてミックスすれば、MetaTraderソフトウェアのパワーを倍増させることができます。この記事では、APIの使い方を教え、便利で価値のあるAPIデータサービスを紹介します。

新しい記事「 非定常過程と偽回帰 」はパブリッシュされました: この記事では、モンテカルロシミュレーションを用いて非定常過程に回帰分析を適用しようとすると、偽回帰が発生することを示しています。

新しい記事「 母集団最適化アルゴリズム：群鳥アルゴリズム(BSA) 」はパブリッシュされました: 本稿では、自然界における鳥の群れの集団的な相互作用に着想を得た、鳥の群れに基づくアルゴリズム(BSA)を探求します。飛行、警戒、採餌行動の切り替えなど、BSAの個体にはさまざまな探索戦略があるため、このアルゴリズムは多面的なものとなっています。鳥の群れ、コミュニケーション、適応性、先導と追随の原理を利用し、効率的に最適解を見つけます。 群鳥アルゴリズム(Bird Swarm Algorithm

新しい記事「 ニューラルネットワークの実践：割線 」はパブリッシュされました

新しい記事「 データサイエンスと機械学習（第25回）：回帰型ニューラルネットワーク(RNN)を用いたFX時系列予測 」はパブリッシュされました: 回帰型ニューラルネットワーク(Recurrent Neural Network: RNN)は、過去の情報を活用して将来の出来事を予測することに優れています。その驚くべき予測能力は、さまざまな領域で応用され、大きな成功を収めています。この記事では、外為市場のトレンドを予測するためにRNNモデルを導入し、外為取引における予測精度を高める可能性を示します。

新しい記事「 PatchTST機械学習アルゴリズムによる24時間の値動きの予測 」はパブリッシュされました: この記事では、PatchTSTと呼ばれる2023年にリリースされた比較的複雑なニューラルネットワークアルゴリズムを適用し、今後24時間の値動きを予測します。公式リポジトリを使用し、若干の修正を加え、EURUSDのモデルを訓練し、PythonとMQL5の両方で将来の予測をおこなうために適用します。 私が初めてPatchTSTというアルゴリズムに出会ったのは、 Huggingface.co

新しい記事「 MQL5でインタラクティブなグラフィカルユーザーインターフェイスを作成する（第1回）：パネルの製作 」はパブリッシュされました: この記事では、MetaQuotes Language 5 (MQL5)を使用して、グラフィカルユーザーインターフェイス(GUI)パネルを作成し、実装するための基本的な手順について説明します。カスタムユーティリティパネルは、一般的なタスクを簡素化し、重要な取引情報を可視化することで、取引におけるユーザーのインタラクションを向上させます。カスタムパネルを作成することで、トレーダーはワークフローを合理化し、取引操作の時間を節約することができます。

新しい記事「 母集団最適化アルゴリズム：クジラ最適化アルゴリズム(WOA) 」はパブリッシュされました: (WOA)は、ザトウクジラの行動と狩猟戦略に着想を得たメタヒューリスティクスアルゴリズムです。WOAの主なアイデアは、クジラが獲物の周囲に泡を作り、螺旋状の動きで獲物に襲いかかる、いわゆる「バブルネット」と呼ばれる捕食方法を模倣することです。 クジラ最適化アルゴリズムは、2016年にMirjaliliとLewisによって提案されたメタヒューリスティクス最適化アルゴリズムです。クジラの狩猟行動から着想を得たといいます。

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25回）：多時間枠のテストと取引 」はパブリッシュされました: アセンブリクラスで使用されているMQL5コードアーキテクチャの制限によって、複数の時間枠に基づく戦略は、デフォルトではウィザードで組み立てられたEAではテストできません。今回は、二次移動平均を使用したケーススタディで、複数の時間枠を使用する戦略について、この制限を回避する可能性を探ります。 前回の記事では、 ピタゴラス平均

新しい記事「 Candlestick Trend Constraintモデルの構築（第5回）：通知システム（パート3） 」はパブリッシュされました: 本稿ではWhatsAppとMetaTrader 5を統合して通知する方法を紹介します。理解を容易にするためにフローチャートを掲載し、統合におけるセキュリティ対策の重要性について説明します。指標の主な目的は、自動化によって分析を簡素化することであり、特定の条件が満たされたときにユーザーに警告するための通知方法を含むべきです。詳しくは本稿で説明します。

新しい記事「 古典的な戦略をPythonで再構築する：MAクロスオーバー 」はパブリッシュされました: この記事では、古典的な移動平均クロスオーバー戦略を再検討し、その現在の有効性を評価します。開始以来の経過時間を考慮して、AI がこの伝統的な取引戦略にもたらす可能性のある機能強化について検討します。AI技術を取り入れることで、高度な予測能力を活用し、取引のエントリとエグジットのポイントを最適化し、さまざまな市場環境に適応し、従来のアプローチと比較して全体的なパフォーマンスを向上させる可能性があることを目指します。

新しい記事「 母集団最適化アルゴリズム：ボイドアルゴリズム 」はパブリッシュされました: この記事では、動物の群れ行動のユニークな例に基づいたボイドアルゴリズムについて考察しています。その結果、ボイドアルゴリズムは、「群知能（Swarm Intelligence）」の名の下に統合されたアルゴリズム群全体の基礎となった。 オリジナルのボイドアルゴリズムには、いくつかの目的と用途がありました。 1. リアルなアニメーションの作成 ：ボイドアルゴリズムは、動物の群れのリアルなアニメーションを作成することを可能にし、コンピュータグラフィックスとアニメーションの発展に重要な方向性を与えました。 2

新しい記事「 多通貨エキスパートアドバイザーの開発（第6回）：インスタンスグループ選択の自動化 」はパブリッシュされました: 取引戦略を最適化した後、パラメータのセットを受け取ります。これらを使用して、1つのEAに複数の取引戦略のインスタンスを作成することができます。以前は手動でおこないましたが、ここでは、このプロセスの自動化を試みます。 前回の 記事

新しい記事「 PythonとMQL5でロボットを開発する（第1回）：データ前処理 」はパブリッシュされました: 機械学習に基づく自動売買ロボットの開発の詳細なガイドです。連載第1回は、データと特徴量の収集と準備についてです。プロジェクトは、Pythonプログラミング言語とライブラリ、およびMetaTrader 5プラットフォームを使用して実装されます。 市場はますます複雑になっています。今日、それはアルゴリズムの戦いに変わりつつあります。取引高の95%以上はロボットによって生み出されています。

新しい記事「 ニューラルネットワークが簡単に（第81回）：Context-Guided Motion Analysis (CCMR) 」はパブリッシュされました: これまでの作業では、常に環境の現状を評価しました。同時に、指標の変化のダイナミクスは常に「舞台裏」にとどまっていました。この記事では、連続する2つの環境状態間のデータの直接的な変化を評価できるアルゴリズムを紹介したいと思います。

新しい記事「 取引戦略の開発を実践する 」はパブリッシュされました: この記事では、独自の取引戦略の開発を試みます。どんな取引戦略も、何らかの統計的優位性に基づいていなければなりません。しかも、この利点は長く続くべきです。 取引戦略 （英語）とは、市場で売買をすることによって利益を得るリターンを達成するために設計された固定プランです。様々なアイデアを組み合わせることで、トレーダーはそれぞれのニーズやスタイルの好みに合った独自の戦略を開発することができます。

新しい記事「 ニューラルネットワークが簡単に（第80回）：Graph Transformer Generative Adversarial Model (GTGAN) 」はパブリッシュされました: この記事では、2024年1月に導入された、グラフ制約のある建築レイアウト生成の複雑な問題を解くためのGTGAN (Graph Transformer Generative Adversarial Model)アルゴリズムについて知ろうと思います。

新しい記事「 最適化アルゴリズムの効率における乱数生成器の品質の役割 」はパブリッシュされました: この記事では、メルセンヌ・ツイスタ乱数生成器を取り上げ、MQL5の標準的な乱数生成器と比較します。また、乱数生成器の品質が最適化アルゴリズムの結果に与える影響についても調べます。

新しい記事「 母集団アルゴリズムのハイブリダイゼーション：逐次構造と並列構造 」はパブリッシュされました: ここでは、最適化アルゴリズムのハイブリダイゼーションの世界に飛び込み、3つの主要なタイプ、すなわち戦略混合、逐次ハイブリダイゼーション、並列ハイブリダイゼーションについて見ていきます。関連する最適化アルゴリズムを組み合わせ、テストする一連の実験をおこないます。 最適化アルゴリズムハイブリダイゼーションの3つの主な選択肢を考えてみましょう。 1. アルゴリズム検索戦略を1つに混ぜる

新しい記事「 手動取引のリスクマネージャー 」はパブリッシュされました: この記事では、手動取引用のリスクマネージャークラスをゼロから書く方法について詳しく説明します。このクラスは、自動化プログラムを使用するアルゴリズムトレーダーが継承するための基本クラスとしても使用できます。 皆さん、こんにちは。今回は、リスク管理の方法論について話を続けます。前回の「 複数の商品を同時に取引する際のリスクバランス

新しい記事「 多通貨エキスパートアドバイザーの開発（第5回）：可変ポジションサイズ 」はパブリッシュされました: 前回開発中のエキスパートアドバイザー(EA)は、固定されたポジションサイズのみを使用して取引をおこなうことができました。これはテスト用には許容できますが、実際の口座で取引する場合にはお勧めできません。可変のポジションサイズで取引できるようにしましょう。 前回

新しい記事「 GIT：それは何か？ 」はパブリッシュされました: 今回は、開発者にとって非常に重要なツールを紹介しましょう。GITに馴染みのない方は、この記事を読んでGITとは何か、MQL5でどのように使用するかをご覧ください。 今回は、本題から少し外れます。リプレイ/シミュレーターシステムの話題から少し離れて、すべてのプログラマーにとって必須のツールに触れてみましょう。もしこのツールに馴染みがないのであれば、ぜひこの記事を読んでこのツールを導入してください。このツールは、あらゆるプログラマーにとって問題をより簡単かつ迅速に解決するのに役立ちます。

新しい記事「 リプレイシステムの開発（第43回）：Chart Traderプロジェクト(II) 」はパブリッシュされました: プログラミングを学びたいと夢見る人のほとんどは、実際に自分が何をしているのかわかっていません。彼らの活動は、ある方法で物事を創造しようとすることから成っています。しかし、プログラミングとは、適切な解決策を仕立てることではありません。このようなやり方は、解決策よりも多くの問題を引き起こす可能性があります。ここでは、より高度で、それゆえに異なることをします。 前回の「 リプレイシステムの開発（第42回）：Chart Traderプロジェクト(I) 」では

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24回）：移動平均 」はパブリッシュされました: 移動平均は、ほとんどのトレーダーが使用し、理解している非常に一般的な指標です。この記事では、MQL5ウィザードで組み立てられたエキスパートアドバイザー(EA)の中で、あまり一般的ではないかもしれない使用例を探っていきます。 MQL5ウィザードについての本連載の続きとして、移動平均指標を取り上げ、一部のトレーダーにとって斬新な方法で、この指標をすでに利用可能なツールのライブラリにどのように追加できるかを見ていきます。 移動平均

新しい記事「 リプレイシステムの開発（第42回）：Chart Traderプロジェクト（I） 」はパブリッシュされました: もっと面白いものを作りましょう。ネタバレはしたくないので、理解を深めるために記事を読んでください。リプレイ/シミュレーターシステムの開発に関する本連載の最初の段階から、私は、開発中のシステムと実際の市場の両方で同じようにMetaTrader

新しい記事「 PythonとMQL5を使用した取引戦略の自動パラメータ最適化 」はパブリッシュされました: 取引戦略とパラメータを自己最適化するアルゴリズムには、いくつかの種類があります。これらのアルゴリズムは、過去と現在の市場データに基づいて取引戦略を自動的に改善するために使用されます。この記事では、そのうちの1つをpythonとMQL5の例で見ていきます。 苦労して開発した取引ボットがあるとしましょう。実際に使うのがすごく嬉しいのですが、適切な最適化なしに使い始めます。最初の好結果に惑わされ、すべてがうまくいっているように思っても、すぐに矛盾や損失が現れます。

新しい記事「 市場力学をマスターする：支持＆抵抗戦略エキスパートアドバイザー（EA）の作成 」はパブリッシュされました: 支持＆抵抗戦略に基づく自動売買アルゴリズム開発のための包括的ガイドです。MQL5でEAを作成し、MetaTrader 5でテストするための、価格帯行動の分析からリスク管理までのあらゆる側面に関する詳細情報が含まれます。

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23回）：CNN 」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(Convolutional Neural Network: CNN)もまた、多次元のデータセットを主要な構成要素に分解することに特化した機械学習アルゴリズムです。一般的にどのように達成されるかを見て、別のMQL5ウィザードシグナルクラスのトレーダーへの応用の可能性を探ります。