新しい記事「 GMDH (The Group Method of Data Handling):MQL5で組合せアルゴリズムを実装する 」はパブリッシュされました: この記事では、MQL5における組合せアルゴリズムと、その改良版である組合せ選択(Combinatorial Selective)アルゴリズムの実装について、データ処理のグループ法アルゴリズムファミリーの探求を続けます。 GMDHの 組合せアルゴリズム
新しい記事「 ボラティリティベースの取引システムの構築と最適化の方法(チャイキンボラティリティ - CHV) 」はパブリッシュされました: この記事では、チャイキンボラティリティ(CHV、Chaikin Volatility)という名前の、ボラティリティに基づく後1つの指標を提供します。カスタム指標の使用方法と構築方法を確認した後、カスタム指標の構築方法を理解します。使用できるいくつかの簡単な戦略を共有し、どちらがより優れているかを理解するためにテストします。
新しい記事「 Candlestick Trend Constraintモデルの構築(第1回):EAとテクニカル指標について 」はパブリッシュされました: この記事は初心者とプロMQL5開発者の両方を対象としています。これは、シグナルを生成する指標をより長い時間枠のトレンドに定義し、制約するためのコードの一部を提供します。このように、トレーダーはより広い市場視点を取り入れることで戦略を強化することができ、より強固で信頼性の高い売買シグナルが得られる可能性があります。
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16回):固有ベクトルによる主成分分析 」はパブリッシュされました: データ分析における次元削減技術である主成分分析について、固有値とベクトルを用いてどのように実装できるかを考察します。いつものように、MQL5ウィザードで使用可能なExpertSignalクラスのプロトタイプの開発を目指します。
新しい記事「 ONNX統合の課題を克服する 」はパブリッシュされました: ONNXは、異なるプラットフォーム間で複雑なAIコードを統合するための素晴らしいツールです。ただし、この素晴らしいツールを最大限に活用するためにはいくつかの課題に対処する必要があります。この記事では、読者が直面する可能性のある一般的な問題と、それを軽減する方法について説明します。 ONNX (Open Neural Network Exchange) は、洗練されたAIベースのMQL5プログラムを作成する方法に革命をもたらします。MetaTrader
新しい記事「 データサイエンスと機械学習(第22回):オートエンコーダニューラルネットワークを活用してノイズからシグナルへと移行することで、よりスマートな取引を実現する 」はパブリッシュされました
新しい記事「 フェアバリューギャップ(FVG)/不均衡取引方法をステップバイステップで学ぶ:スマートマネーコンセプトのアプローチ 」はパブリッシュされました: フェアバリューギャップ(FVG)取引戦略に基づいて、MQL5で自動売買アルゴリズムを作成して実装するためのステップバイステップのガイドです。初心者にも経験豊富なトレーダーにも役立つエキスパートアドバイザー(EA)の作成に関する詳細なチュートリアルです。 この記事では、フェアバリューギャップ(FVG)/不均衡戦略とスマートマネーコンセプトのアプローチに基づく EA
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15回):ニュートンの多項式を用いたサポートベクトルマシン 」はパブリッシュされました: サポートベクトルマシンは、データの次元を増やす効果を調べることで、あらかじめ定義されたクラスに基づいてデータを分類します。これは教師あり学習法で、多次元のデータを扱う可能性を考えるとかなり複雑です。この記事では、2次元データの非常に基本的な実装であるニュートンの多項式が、価格とアクションを分類する際にどのように効率的に実行できるかを検討します。 サポートベクトルマシン (SVM)は機械学習の分類アルゴリズムです。分類は、 こちら と こちら
新しい記事「 ニュース取引が簡単に(第1回):データベースの作成 」はパブリッシュされました: ニュース取引は複雑で圧倒されるかもしれませんが、この記事ではニュースデータを入手する手順を説明し、さらに、MQL5経済指標カレンダーとその特徴についても学びます。 この記事では、MQL 5経済指標カレンダーのデータを格納するデータベースの作成方法について説明します。このデータは後に次回の記事で、ニュースの取引に使用することができます。また、このデータベースから特定の整理された情報を取得するために、基本的なSQLクエリを実行する方法を探ります。すべてのプロセスはMQL5のIDEでおこなわれます。
新しい記事「 GMDH (The Group Method of Data Handling):MQL5で多層反復アルゴリズムを実装する 」はパブリッシュされました: この記事では、MQL5におけるGMDH (The Group Method of Data Handling)の多層反復アルゴリズム実装について説明します。 Group Method of Data Handling (英語)は、データ分析と予測に使われるアルゴリズムの一種です。これは、与えられたデータセットを記述するのに最適な数学モデルを見つけることを目的とした機械学習技術です。GMDHは1960年代にソ連の数学者Alexey
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
![MQL5 - MetaTrader 5クライアントターミナルにビルトインされたトレードストラテジーの言語](https://c.mql5.com/i/registerlandings/logo-2.png)
取引の機会を逃しています。
- 無料取引アプリ
- 8千を超えるシグナルをコピー
- 金融ニュースで金融マーケットを探索
新規登録
ログイン