コード
書籍「MQL5を使用したアルゴリズム取引のためのニューラルネットワーク」からの例 MetaTrader 5のため
本書「MQL5を使用したアルゴリズム取引のためのニューラルネットワーク」は、人工知能とニューラルネットワークの理論的基礎と、MQL5プログラミング言語を使った金融取引への応用の実践的側面の両方を網羅した包括的なガイドブックです。
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 MetaTrader 5のため
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。
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 MetaTrader 5のため
『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。
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 MetaTrader 5のため
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。
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 MetaTrader 5のため
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。
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 MetaTrader 5のため
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。
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 MetaTrader 5のため
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。
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 MetaTrader 5のため
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。
Zigzag R MetaTrader 4のため
An optimized version of the Zigzag indicator, which was included in the MT4 delivery of 2005 (and in MT3.83)
ALGLIB - 数値分析ライブラリ MetaTrader 4のため
ALGLIB 算術関数ライブラリ (v. 3.5.0) MQL4に移植
記事
float16およびfloat8形式のONNXモデルを扱う MetaTrader 5のため
機械学習モデルの表現に使用されるデータ形式は、その有効性に決定的な役割を果たします。近年、深層学習モデルを扱うために特別に設計された新しい型のデータがいくつか登場しています。この記事では、現代のモデルで広く採用されるようになった2つの新しいデータ形式に焦点を当てます。
Regression models of the Scikit-learn Library and their export to ONNX MetaTrader 5のため
In this article, we will explore the application of regression models from the Scikit-learn package, attempt to convert them into ONNX format, and use the resultant models within MQL5 programs. Additionally, we will compare the accuracy of the original models with their ONNX versions for both float
初めてのMetaTrader VPS：ステップバイステップ MetaTrader 5のため
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。
Scikit-Learnライブラリの分類器モデルとONNXへの書き出し MetaTrader 5のため
この記事では、Scikit-Learnライブラリで利用可能なすべての分類器モデルを適用して、フィッシャーのIrisデータセットの分類タスクを解決する方法について説明します。これらのモデルをONNX形式に変換し、その結果得られたモデルをMQL5プログラムで利用してみます。さらに、完全なIrisデータセットで元のモデルとONNXバージョンの精度を比較します。
MQL5のALGLIB数値解析ライブラリ MetaTrader 5のため
この記事では、ALGLIB3.19数値分析ライブラリ、その応用、金融データ分析の効率を向上させる新しいアルゴリズムについて簡単に説明します。
回帰指標を用いたONNXモデルの評価 MetaTrader 5のため
回帰とは、ラベル付けされていない例から実際の値を予測するタスクのことです。いわゆる回帰メトリクスは、回帰モデルの予測精度を評価するために使用されます。
MQL5における行列とベクトル：活性化関数 MetaTrader 5のため
ここでは、機械学習の一側面である活性化関数についてのみ説明します。人工ニューラルネットワークでは、ニューロンの活性化関数は、入力シグナルまたは入力シグナルのセットの値に基づいて出力シグナル値を計算します。その内幕に迫ります。
ONNXモデルをクラスでラップする MetaTrader 5のため
オブジェクト指向プログラミングは、読みやすく修正しやすい、よりコンパクトなコードの作成を可能にします。ここでは3つのONNXモデルの例を見てみましょう。
MQL5でONNXモデルをアンサンブルする方法の例 MetaTrader 5のため
ONNX (Open Neural Network eXchange)は、ニューラルネットワークを表現するために構築されたオープンフォーマットです。この記事では、1つのエキスパートアドバイザー(EA)で2つのONNXモデルを同時に使用する方法を示します。
MQL5でONNXモデルを使用する方法 MetaTrader 5のため
ONNX (Open Neural Network Exchange)は、機械学習モデルを表現するために構築されたオープンフォーマットです。この記事では、CNN-LSTMモデルを作成して金融時系列を予測する方法を検討します。MQL5エキスパートアドバイザー(EA)で作成されたONNXモデルを使用する方法も示します。
フォーラム
MetaTrader 5プラットフォームベータ版ビルド4330：Webプラットフォーム分析オブジェクトの追加とMetaEditorウェルカムページ
2024年5月24日（金）に、MetaTrader 5プラットフォームのアップデート（ベータ版）がリリースされる予定です。 今回のアップデートでは、Webプラットフォームに新しい分析オブジェクトが導入されました。定規を利用して時間と価格を測定したり、図形（長方形、楕円、三角形、円）を描いたり、チャートにラベルを追加したりできるようになりました。 取引アプリ開発者を支援するために、MetaEditorにウェルカムページを追加しました。初心者が豊富な教材を詳しく調べることができる一方、経験ある開発者は最新ニュースを把握し、売上を監視することができます。
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）」についてのディスカッション
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。
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」についてのディスカッション
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。
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」についてのディスカッション
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。
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)」についてのディスカッション
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。
記事「MQL5入門（第6部）：MQL5における配列関数の入門ガイド」についてのディスカッション
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。
トレーダーは4ミリ秒待ちたくない - MetaQuotes調査
MetaQuotesは、自動売買のために仮想サーバーを利用するトレーダーに焦点を当てた調査をおこないました。分析対象は、最小限のネットワーク遅延で24時間自動取引するための仮想ホスティングサービスである MetaTrader VPS のユーザーです。結果はインフォグラフィックにまとめられ、ユーザー層の包括的な概要が示されました。
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」についてのディスカッション
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MetaTrader 4プラットフォームビルド1420
2024年5月24日金曜日にMetaTrader 4プラットフォームのアップデートがリリースされます。このバージョンでは、重要なセキュリティの改善、エラーの修正、プラットフォームの安定性の強化が提供されます。 このアップデートは、Live Updateシステムを通じて提供される予定です。
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 」についてのディスカッション
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。