記事、ライブラリコメント - ページ 5

新しい記事「 Candlestick Trend Constraintモデルの構築（第9回）：マルチ戦略エキスパートアドバイザー(I) 」はパブリッシュされました: 今日は、MQL5を使って複数の戦略をエキスパートアドバイザー(EA)に組み込む可能性を探ります。EAは、指標やスクリプトよりも幅広い機能を提供し、変化する市場環境に適応できる、より洗練された取引アプローチを可能にします。詳しくは、この記事のディスカッションをご覧ください。 Thomas Bulkowski による『Encyclopedia of Candlestick

新しい記事「 ニューラルネットワークが簡単に（第93回）：周波数領域と時間領域における適応予測（最終回） 」はパブリッシュされました: 本稿では、時系列予測において2つのブロック（周波数と時間）の結果を適応的に組み合わせるATFNetモデルのアプローチの実装を継続します。 前回の 記事 では、2つの時系列予測モデルのアンサンブルである ATFNet

新しい記事「 初心者からエキスパートへ：MQL5での共同デバッグ 」はパブリッシュされました

新しい記事「 チャート上で取引を視覚化する（第2回）：データのグラフ表示 」はパブリッシュされました: ここでは、取引エントリを分析するために取引の印刷画面のアンロードを簡素化するスクリプトをゼロから開発します。単一の取引に関するすべての必要な情報は、異なる時間枠を描画する機能を備えた1つのチャートに便利に表示されます。 その結果、スクリプトを使用した後のチャートファイルは図3のようになります。 図3：取引データを表示したスクリプト操作の結果

新しい記事「 リプレイシステムの開発（第53回）：物事は複雑になる(V) 」はパブリッシュされました: 今回は、あまり理解されていない重要なトピックを取り上げます。「カスタムイベント」です。これは危険です。これらの要素の長所と短所を解説します。このトピックは、MQL5やその他の言語でプロのプログラマーになりたい人にとって重要な鍵となります。ここではMQL5とMetaTrader 5に焦点を当てます。

新しい記事「 リプレイシステムの開発（第52回）：物事は複雑になる(IV) 」はパブリッシュされました: この記事では、信頼性と安定性のある操作を確保するために、マウスポインタを変更してコントロール指標との対話を有効にします。 前回の「 リプレイシステムの開発（第51回）：物事は複雑になる(III) 」では、リプレイ/シミュレーターシステムで正しく動作するよう、古いマウスポインタにいくつかの改良を施しました。また、MetaTrader

新しい記事「 PythonとMQL5による多銘柄分析（前編）：NASDAQ集積回路メーカー 」はパブリッシュされました: ポートフォリオのリターンを最大化するために、AIを活用してポジションサイジングと注文数量を最適化する方法について解説します。本稿では、アルゴリズムを用いて最適なポートフォリオを特定し、期待リターンやリスク許容度に応じてポートフォリオを調整する手法を紹介します。このプロセスでは、SciPyライブラリやMQL5言語を活用し、保有中のすべてのデータを基に、最適かつ分散化されたポートフォリオを構築します。

新しい記事「 MQL5用スキャルピングオーダーフロー 」はパブリッシュされました: このMetaTrader 5エキスパートアドバイザー(EA)は、高度なリスク管理を備えたスキャルピングオーダーフロー戦略を実装しています。複数のテクニカル指標を使用し、オーダーフローの不均衡に基づいて取引機会を特定します。バックテストは潜在的な収益性を示しているが、特にリスク管理と取引結果の比率において、さらなる最適化の必要性を強調しています。経験豊富なトレーダーに適していますが、本番運用の前に十分なテストと理解が必要です。

新しい記事「 HTTPとConnexus（第2回）：HTTPアーキテクチャとライブラリ設計の理解 」はパブリッシュされました: この記事では、HTTPプロトコルの基礎について、主なメソッド（GET、POST、PUT、DELETE）、ステータスコード、URLの構造について説明します。さらに、HTTPリクエストにおけるURLとクエリパラメータの操作を容易にするCQueryParamとCURLクラスによるConexxusライブラリの構築の始まりも紹介します。 この記事は、Connexusと呼ばれるライブラリを構築する連載の続きです。 最初の記事

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4回）：スタッキングモデル 」はパブリッシュされました: 本日は、自らの失敗から学習するAI搭載の取引アプリケーションの構築方法について解説します。特に、「スタッキング」と呼ばれる手法を紹介します。この手法では、2つのモデルを組み合わせて1つの予測をおこないます。1つ目のモデルは通常、性能が比較的低い学習者であり、2つ目のモデルはその学習者の残差を学習する、より高性能なモデルです。目標は、これらのモデルをアンサンブルとして統合することで、より高精度な予測を実現することです。

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40回）：Parabolic SAR（パラボリックSAR） 」はパブリッシュされました: パラボリックSAR (Stop-and-Reversal)は、トレンドの確認と終了点を示す指標です。トレンドの見極めが遅れるため、その主な目的は、ポジションのトレーリングストップロスを位置づけることです。ウィザードで組み立てられるエキスパートアドバイザー(EA)のカスタムシグナルクラスを活用して、本当にEAのシグナルとして使えるかどうか調べてみました。

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39回）：RSI (Relative Strength Index) 」はパブリッシュされました: RSIは、モメンタムオシレーターとして人気があり、最近の価格変動のペースと大きさを測定し、証券価格の過大評価と過小評価の状況を評価します。スピードと大きさに関するこれらの洞察は、反転ポイントを定義する上で鍵となります。このオシレーターを別のカスタムシグナルクラスで動作させ、そのシグナルの特徴を調べてみましょう。まず、ボリンジャーバンドについてのまとめから始めます。

新しい記事「 どんな市場でも優位性を得る方法（第4回）：CBOEのユーロおよびゴールドボラティリティインデックス 」はパブリッシュされました: シカゴオプション取引所(CBOE)が提供する代替デー タを分析し、XAUEUR 銘柄を予測する際のディープニューラルネットワークの精度を向上させます。

新しい記事「 MQL5で古典的な戦略を再構築する（第3回）：FTSE100予想 」はパブリッシュされました: この連載では、よく知られた取引戦略を再検討し、AIを使って改善できるかどうかを検証します。本日の記事では、FTSE100について調べ、指数を構成する個別銘柄の一部を使って指数の予測を試みます。 ロンドン証券取引所(LSE)

新しい記事「 多通貨エキスパートアドバイザーの開発（第13回）：第2段階の自動化 - グループへの選択 」はパブリッシュされました: 自動最適化の第１段階はすでに実装されています。いくつかの基準に従ってさまざま銘柄と時間枠の最適化を実行し、各パスの結果に関する情報をデータベースに保存します。ここで、最初の段階で見つかったものから最適なパラメータセットのグループを選択します。

新しい記事「 取引履歴を気にせずにチャート上で直接取引を表示する方法 」はパブリッシュされました: この記事では、キーナビゲーションを使用してチャート上でポジションと取引を直接便利に表示するためのシンプルなツールを作成します。トレーダーは個々の取引を視覚的に調べ、取引結果に関するすべての情報をその場で受け取ることができるようになります。 この記事の目的は、取引履歴の認識と分析を容易にするソリューションを提供することです。クローズされたポジションと改善された取引情報を段階的に表示するメカニズムを開発し、トレーダーが個々の取引に集中し、取引操作をより深く理解できるようにすることを目指します。

新しい記事「 MQL5における相関分析の要素：ピアソンのカイ二乗検定による独立性と相関比 」はパブリッシュされました: この記事では相関分析の古典的なツールについて考察します。簡潔な理論的背景と、ピアソンのカイ二乗独立性検定および相関比の実践的な実装に重点が置かれています。

新しい記事「 最も注目すべき人工協調探索アルゴリズムの修正(ACSm) 」はパブリッシュされました: ここでは、ACSアルゴリズムの進化、つまり収束特性とアルゴリズムの効率性を向上させることを目的とした3つの変更について検討します。主要な最適化アルゴリズムの1つを変換します。行列の修正から母集団形成に関する革新的なアプローチまでをカバーします。 前回の記事では、 人工協調探索(ACS)

新しい記事「 ニューラルネットワークが簡単に（第92回）：周波数および時間領域における適応的予測 」はパブリッシュされました: FreDF法の著者は、周波数領域と時間領域を組み合わせた予測の利点を実験的に確認しました。しかし、重みハイパーパラメータの使用は、非定常時系列には最適ではありません。この記事では、周波数領域と時間領域における予測の適応的組み合わせの方法について学びます。

新しい記事「 リプレイシステムの開発（第51回）：物事は複雑になる(III) 」はパブリッシュされました: この記事では、MQL5プログラミングの分野で最も難解な問題の1つである、チャートIDを正しく取得する方法と、オブジェクトがチャートにプロットされない場合がある理由について解説します。ここで提供される資料は教育目的のみに使用されるべきです。いかなる状況においても、提示された概念を学習し習得する以外の目的でアプリケーションを閲覧することは避けてください。

新しい記事「 ニューラルネットワークが簡単に（第91回）：周波数領域予測(FreDF) 」はパブリッシュされました: 周波数領域における時系列の分析と予測を継続的に探求していきます。この記事では、これまでに学習した多くのアルゴリズムに追加できる、周波数領域でデータを予測する新しい方法について説明します。 近年、注目を集めているモデルの1つに、動的な自己相関推定に 自己アテンション (self-attention)メカニズムを組み込んだ Transformer

新しい記事「 PSAR、平均足、ディープラーニングを組み合わせて取引に活用する 」はパブリッシュされました: このプロジェクトでは、ディープラーニングとテクニカル分析の融合を探求し、FXの取引戦略を検証します。EUR/USDの動きを予測するために、PSAR、SMA、RSIのような伝統的な指標とともにONNXモデルを採用し、迅速な実験のためにPythonスクリプトを使用します。MetaTrader

新しい記事「 MQL5で取引管理者パネルを作成する（第3回）：ビジュアルスタイリングによるGUIの強化(I) 」はパブリッシュされました: この記事では、MQL5を使用して、取引管理パネルのグラフィカルユーザーインターフェイス(GUI)を視覚的にスタイル設定することに焦点を当てます。MQL5で利用できるさまざまなテクニックと機能について説明します。これらのテクニックと機能により、インターフェイスのカスタマイズと最適化が可能になり、魅力的な外観を維持しながらトレーダーのニーズを満たすことができます。

新しい記事「 MQL5エキスパートアドバイザーに自動最適化を実装する方法 」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)のためのMQL5の自動最適化のためのステップバイステップガイド。堅牢な最適化ロジック、パラメーター選択のベストプラクティス、バックテストを通じた戦略の再構築方法について解説します。さらに、ウォークフォワード最適化などの高レベルな手法を紹介し、取引アプローチの強化を目指します。

新しい記事「 ディープラーニングを用いたCNA（因果ネットワーク分析）、SMOC（確率モデル最適制御）、ナッシュゲーム理論の例 」はパブリッシュされました: 以前の記事で発表されたこれら3つの例にディープラーニング(DL)を加え、以前の結果と比較します。目的は、他のEAにディープラーニングを追加する方法を学ぶことです。

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6回）：レスポンシブなインラインボタンの追加 」はパブリッシュされました: この記事では、インタラクティブなインラインボタンをMQL5エキスパートアドバイザー(EA)に統合し、Telegram経由でリアルタイムにコントロールできるようにします。各ボタンを押すたびに特定のアクションがトリガーされ、ユーザーにレスポンスが返されます。また、Telegramメッセージやコールバッククエリを効率的に処理するための関数もモジュール化します。 このセクションでは、インラインボタンが Telegram ボットと MQL5

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38回）：ボリンジャーバンド 」はパブリッシュされました: ボリンジャーバンドは、多くのトレーダーが手動で取引を発注し、決済するために使用する、非常に一般的なエンベロープ指標です。この指標が生成する可能性のあるシグナルをできるだけ多く検討し、ウィザードで組み立てたエキスパートアドバイザー(EA)でどのように使用できるかを見ていきます。

新しい記事「 MQL5で取引管理者パネルを作成する（第2回）：応答性と迅速なメッセージングの強化 」はパブリッシュされました: この記事では、以前作成した管理パネルの応答性を強化します。さらに、取引シグナルの文脈におけるクイックメッセージングの重要性についても検討します。

新しい記事「 Connexus入門（第１回）：WebRequest関数の使い方 」はパブリッシュされました: この記事は、MQL5でHTTPリクエストを容易にするための「Connexus」と呼ばれるライブラリの開発シリーズの始まりです。このプロジェクトの目標は、エンドユーザーにこの機会を提供し、このヘルパーライブラリーの使い方を示すことです。学習を容易にし、将来の発展の可能性を提供するために、できるだけシンプルにすることを意図しました。

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3回）：Boom 1000アルゴリズムの解読 」はパブリッシュされました: 本連載では、動的な市場状況に自律的に適応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説明します。本日の記事では、Derivの合成市場に合わせてディープニューラルネットワークを調整してみます。 Derivの合成市場をすべて個別に分析します。まずは最も有名な合成市場であるBoom 1000から始めます。Boom