記事、ライブラリコメント - ページ 7

トレーダーのためのMQL5プログラミング - 書籍からのソースコード。第7部 : 本書最後となる第7部では、MetaTrader 5のプログラムを開発する際に役立つMQL5 APIの高度な機能について説明します。これには、カスタム金融銘柄、組み込みの経済指標カレンダーイベント、およびネットワーキング、データベース、暗号化などの汎用テクノロジーが含まれます。 作者: MetaQuotes

トレーダーのためのMQL5プログラミング - 書籍からのソースコード。第6部 : 『トレーダーのためのMQL5プログラミング』の第6部では、MQL5言語の重要な要素である取引の自動化について学びます。まず、金融商品の仕様や取引口座の設定など、基本的なエンティティについて説明します。これらはエキスパートアドバイザー(EA)を適切に動作させるための前提条件です。 作者: MetaQuotes

トレーダーのためのMQL5プログラミング - 書籍からのソースコード。第5部 : 本書の第5部では、金融データの分析・処理、チャートの視覚化、自動化、ユーザーとのインタラクションなど、アルゴリズム取引に関連するAPIについて掘り下げていきます。 作者: MetaQuotes

トレーダーのためのMQL5プログラミング - 書籍からのソースコード。第4部 : 本書の第4部では、組み込み関数(MQL5 API)のマスターに焦点を当て、徐々に特殊なサブシステムに踏み込んでいきます。どんなMQL5プログラムでも、多くのテクノロジーと機能を利用することができます。したがって、ほとんどのプログラムで利用できる最もシンプルで便利な機能から始めるのが理にかなっています。 作者: MetaQuotes

トレーダーのためのMQL5プログラミング - 書籍からのソースコード。第3部 : 第3部「MQL5でのオブジェクト指向プログラミング」では、MQL5言語によるオブジェクト指向プログラミング(OOP)の世界に浸ることができます。ソフトウェア開発には、複数のエンティティの管理に関連する複雑さが伴うことが多く、プログラミングの利便性、生産性、品質を向上させる高度な技術が必要とされます。 作者: MetaQuotes

トレーダーのためのMQL5プログラミング - 書籍からのソースコード。第2部 : 第2部「MQL5プログラミングの基礎」では、このプログラミング言語の主要な概念を紹介します。本書のこの部分では、データ型、識別子、変数、式、および演算子について説明します。さまざまな命令を組み合わせてプログラムロジックを形成する方法を学びます。 作者: MetaQuotes

トレーダーのためのMQL5プログラミング - 書籍からのソースコード。第1部 : 本書の第1章では、MQL5言語と開発環境を紹介しています。MQL4（MetaTrader 4言語）と比較してMQL5言語で導入された新機能の1つは、オブジェクト指向プログラミング(OOP)のサポートです。これはC++に似ています。 作者: MetaQuotes

新しい記事「 離散ハートレー変換 」はパブリッシュされました: この記事では、スペクトル分析と信号処理の方法の1つである離散ハートレー変換について説明します。信号のフィルタリング、スペクトルの分析などが可能になります。DHTの能力は離散フーリエ変換の能力に劣りません。ただし、DFTとは異なり、DHTは実数のみを使用するため、実際の実装がより便利であり、その適用結果はより視覚的です。 1942年、 ラルフ・ハートレー は、記事「 A More Symmetrical Fourier Analysis Applied to Transmission Problems

新しい記事「 MQL5の構造体とデータ表示メソッド 」はパブリッシュされました: この記事では、MqlDateTime、MqlTick、MqlRates、MqlBookInfoの各構造体と、それらからデータを表示するメソッドについて見ていきます。構造体のすべてのフィールドを表示するためには、標準的なArrayPrint()関数があります。この関数では、配列に含まれるデータを便利な表形式で、扱われる構造体の型とともに表示します。 MqlParam および MqlTradeRequest

新しい記事「 StringFormat()：レビューと既成の例 」はパブリッシュされました: この記事では、PrintFormat()関数のレビューを続けます。StringFormat()を使った文字列の書式設定と、そのプログラムでのさらなる使用法について簡単に説明します。また、ターミナル操作ログに銘柄データを表示するためのテンプレートも作成します。この記事は、初心者にも経験豊富な開発者にも役立つでしょう。 StringFormat()関数は、受け取ったパラメータをフォーマットし、フォーマットされた文字列を返します。文字列の書式設定規則は、 PrintFormat()

新しい記事「 PrintFormat()を調べてすぐ使える例を適用する 」はパブリッシュされました: この記事は、初心者にも経験豊富な開発者にも役立つでしょう。PrintFormat()関数について調べ、文字列フォーマットの例を分析し、ターミナルのログに様々な情報を表示するためのテンプレートを書きます。 ログやモニター画面に値を表示するのは、「Hello, world」よりも複雑なものを表示しなくていい限り、シンプルで馴染みのある操作です。しかし、遅かれ早かれ、あまり需要のない値やプロパティをフォーマットして出力する必要がある状況が発生します。もちろん、MQL5のヘルプで調べることもできます。

新しい記事「 ニューラルネットワークが簡単に（第48回）：Q関数値の過大評価を減らす方法 」はパブリッシュされました: 前回は、連続的な行動空間でモデルを学習できるDDPG法を紹介しました。しかし、他のQ学習法と同様、DDPGはQ関数値を過大評価しやすくなります。この問題によって、しばしば最適でない戦略でエージェントを訓練することになります。この記事では、前述の問題を克服するためのいくつかのアプローチを見ていきます。

新しい記事「 ニューラルネットワークが簡単に（第47回）：連続行動空間 」はパブリッシュされました: この記事では、エージェントのタスクの範囲を拡大します。訓練の過程には、どのような取引戦略にも不可欠な資金管理とリスク管理の側面も含まれます。 前回の記事では、取引方向を決定するためだけにエージェントを訓練しました。エージェントの行動範囲は4つの選択肢に限られていました。 買う 売る 維持/待機 すべてのポジションを閉じる

新しい記事「 ニューラルネットワークが簡単に（第46回）：目標条件付き強化学習(GCRL) 」はパブリッシュされました: 今回は、もうひとつの強化学習アプローチを見てみましょう。これはGCRL（goal-conditioned reinforcement learning、目標条件付き強化学習）と呼ばれます。このアプローチでは、エージェントは特定のシナリオでさまざまな目標を達成するように訓練されます。

新しい記事「 ニューラルネットワークが簡単に（第45回）：状態探索スキルの訓練 」はパブリッシュされました: 明示的な報酬関数なしに有用なスキルを訓練することは、階層的強化学習における主な課題の1つです。前回までに、この問題を解くための2つのアルゴリズムを紹介しましたが、環境調査の完全性についての疑問は残されています。この記事では、スキル訓練に対する異なるアプローチを示します。その使用は、システムの現在の状態に直接依存します。

新しい記事「 ニューラルネットワークが簡単に（第44回）：ダイナミクスを意識したスキルの習得 」はパブリッシュされました: 前回は、様々なスキルを学習するアルゴリズムを提供するDIAYN法を紹介しました。習得したスキルはさまざまな仕事に活用できます。しかし、そのようなスキルは予測不可能なこともあり、使いこなすのは難しくなります。この記事では、予測可能なスキルを学習するアルゴリズムについて見ていきます。

ONNXモデルによる手書き数字の認識例 : このエキスパートアドバイザーは取引を行いません。標準的なCanvasライブラリを使って実装されたシンプルなパネルで、マウスを使って数字を書くことができます。数字の認識には、訓練されたmnist.onnxモデルが使用されます。 作者: Slava

新しい記事「 ニューラルネットワークを簡単に（第43回）：報酬関数なしでスキルを習得する 」はパブリッシュされました: 強化学習の問題は、報酬関数を定義する必要性にあります。それは複雑であったり、形式化するのが難しかったりします。この問題に対処するため、明確な報酬関数を持たずにスキルを学習する、活動ベースや環境ベースのアプローチが研究されています。

新しい記事「 ニューラルネットワークが簡単に (第42回）：先延ばしのモデル、理由と解決策 」はパブリッシュされました: 強化学習の文脈では、モデルの先延ばしにはいくつかの理由があります。この記事では、モデルの先延ばしの原因として考えられることと、それを克服するための方法について考察しています。 モデルを先延ばしにする主な理由のひとつは、訓練環境が不十分であることです。モデルは、訓練データへのアクセスが制限されていたり、リソースが不足していたりする可能性があります。

新しい記事「 ニューラルネットワークが簡単に（第41回）：階層モデル 」はパブリッシュされました: この記事では、複雑な機械学習問題を解決するための効果的なアプローチを提供する階層的訓練モデルについて説明します。階層モデルはいくつかのレベルで構成され、それぞれがタスクの異なる側面を担当します。 Scheduled Auxiliary Control（SAC-X）アルゴリズムは、階層構造を用いて意思決定をおこなう強化学習手法です。これは、報酬が疎な問題を解くための新しいアプローチです。それは4つの主要原則に基づいています。

新しい記事「 ニューラルネットワークが簡単に（第40回）：大量のデータでGo-Exploreを使用する 」はパブリッシュされました: この記事では、長い訓練期間に対するGo-Exploreアルゴリズムの使用について説明します。訓練時間が長くなるにつれて、ランダムな行動選択戦略が有益なパスにつながらない可能性があるためです。 Go-Exploreアルゴリズムの訓練期間が長くなるにつれ、ある困難が生じます。その一部を紹介します。 次元の呪い：訓練期間が長くなるにつれて、エージェントが訪問できる状態の数は指数関数的に増加し、最適な戦略を見つけることが難しくなります。

新しい記事「 リプレイシステムの開発 - 市場シミュレーション（第8回）：指標のロック 」はパブリッシュされました: この記事では、MQL5言語を使用しながら指標をロックする方法を見ていきます。非常に興味深く素晴らしい方法でそれをおこないます。

新しい記事「 ニューラルネットワークが簡単に（第39回）：Go-Explore、探検への異なるアプローチ 」はパブリッシュされました: 強化学習モデルにおける環境の研究を続けます。この記事では、モデルの訓練段階で効果的に環境を探索することができる、もうひとつのアルゴリズム「Go-Explore」を見ていきます。 Go-Exploreの主なアイデアは、有望な状態を記憶して戻ることです。これは、報酬の数が限られている場合に効果的な操作をおこなうための基本です。このアイデアは非常に柔軟で幅広いため、さまざまな方法で実施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38回）：不一致による自己監視型探索 」はパブリッシュされました: 強化学習における重要な問題のひとつは、環境探索です。前回までに、「内因性好奇心」に基づく研究方法について見てきました。今日は別のアルゴリズムを見てみましょう。不一致による探求です。 不一致に基づく探索は、エージェントが外部報酬に依存することなく、むしろモデルのアンサンブルを使用して新しい未探索の領域を見つけることによって、環境を探索することを可能にする強化学習手法です。 論文「 不一致による自己監視型探索

新しい記事「 リプレイシステムの開発—市場シミュレーション（第7回）：最初の改善（II） 」はパブリッシュされました: 前回の記事では、可能な限り最高の安定性を確保するために、レプリケーションシステムにいくつかの修正を加え、テストを追加しました。また、このシステムのコンフィギュレーションファイルの作成と使用も開始しました。 ここで、このシステムに起こりうる欠陥について警告しておかなければなりません。何かがうまくいかない確率は低いですが、その方法に欠陥があることを常に知っておき、起こり得る問題に備えるべきです。

新しい記事「 MQL5の圏論（第18回）：ナチュラリティスクエア（自然性の四角形） 」はパブリッシュされました: この記事では、圏論の重要な柱である自然変換を紹介します。一見複雑に見える定義に注目し、次に本連載の「糧」であるボラティリティ予測について例と応用を掘り下げていきます。 自然変換 は、圏論における重要な概念であり、単に 関手

新しい記事「 MQL5の圏論（第17回）：関手とモノイド 」はパブリッシュされました: 関手を題材にしたシリーズの最終回となる今回は、圏としてのモノイドを再考します。この連載ですでに紹介したモノイドは、多層パーセプトロンとともに、ポジションサイジングの補助に使われます。 この研究から得られた重要な要点と発見を要約すると、圏としてのモノイドに対する異なる視点が、MQL5言語でどのように実装できるかを示したということです。この実装が、エントリシグナルとエグジットシグナルをRSI指標に依存する取引システムのポジションサイズを導くのに有用であることを、さらに詳しく実証しました。

新しい記事「 さまざまな移動平均タイプをテストして、それらがどの程度洞察力に富むかを確認する 」はパブリッシュされました: 多くのトレーダーにとって移動平均指標が重要であることは周知の事実です。取引に役立つ移動平均タイプは他にもあります。この記事ではこれらのタイプを特定し、それぞれのタイプと最も人気のある単純移動平均タイプを簡単に比較して、どれが最良の結果を示すことができるかを確認します。 この記事では、以下の移動平均タイプのパフォーマンス結果を検討しました。 アダプティブ移動平均(AMA) 二重指数移動平均(DEMA) 三重指数移動平均(TEMA) フラクタル適応移動平均(FrAMA)

新しい記事 MQL5.community 支払いシステム はパブリッシュされました: MQL5.community のビルトインサービスは MQL5 開発者、プログラム技能のない通常のトレーダー双方に多大な機会を与えてくれます。ただ、こういった機能はすべて売り手と買い手の間での清算をするための便利な基盤を提供する組織内での安全な支払システムなしには導入できないものです。本稿では MQL5.community 支払いシステムがどのように機能しているのかお話していきます。 作者: MetaQuotes Software Corp.

新しい記事「 初めてのMetaTrader VPS：ステップバイステップ 」はパブリッシュされました: 自動売買ロボットやコピー取引を利用していると必ず、遅かれ早かれ、取引プラットフォーム用に信頼できる24時間365日のホスティングサーバーをレンタルする必要性を認識するようになります。様々な理由から、MetaTrader VPSの使用が推奨されます。このサービスの支払いとサブスクリプションはMQL5.communityのアカウントで管理できます。 作者: MetaQuotes