![DoEasyライブラリでのその他のクラス(第72部): コレクション内のチャートオブジェクトパラメータの追跡と記録](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library__10.png)
![DoEasyライブラリでのその他のクラス(第72部): コレクション内のチャートオブジェクトパラメータの追跡と記録](https://c.mql5.com/i/articles/overlay.png)
DoEasyライブラリでのその他のクラス(第72部): コレクション内のチャートオブジェクトパラメータの追跡と記録
本稿では、チャートオブジェクトクラスとそのコレクションの操作を完成します。また、チャートプロパティとそのウィンドウの変更の自動追跡を実装し、オブジェクトプロパティに新しいパラメータを保存します。このような変更により、を将来チャートコレクション全体のイベント機能実装できるようになります。
![プロのプログラマーからのヒント(第2部): パラメータの保存とエキスパートアドバイザー、スクリプト、外部プログラム間での交換](https://c.mql5.com/2/42/tipstricks__1.png)
![プロのプログラマーからのヒント(第2部): パラメータの保存とエキスパートアドバイザー、スクリプト、外部プログラム間での交換](https://c.mql5.com/i/articles/overlay.png)
プロのプログラマーからのヒント(第2部): パラメータの保存とエキスパートアドバイザー、スクリプト、外部プログラム間での交換
プログラミングを容易にする方法、テクニック、および補助ツールに関するプロのプログラマーからのヒントです。ターミナルの再起動(シャットダウン)後に復元できるパラメータについて説明します。すべての例は、私のCaymanプロジェクトからの実際に機能するコードセグメントです。
![DoEasyライブラリでのその他のクラス(第71部): チャットオブジェクトコレクションイベント](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library__9.png)
![DoEasyライブラリでのその他のクラス(第71部): チャットオブジェクトコレクションイベント](https://c.mql5.com/i/articles/overlay.png)
DoEasyライブラリでのその他のクラス(第71部): チャットオブジェクトコレクションイベント
本稿では、いくつかのチャートオブジェクトイベント(銘柄チャートとチャートサブウィンドウの追加/削除、およびチャートウィンドウの指標の追加/削除/変更)を追跡する機能を作成します。
![DoEasyライブラリでのその他のクラス(第70部): チャットオブジェクトコレクショの機能拡張と自動更新](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library__8.png)
![DoEasyライブラリでのその他のクラス(第70部): チャットオブジェクトコレクショの機能拡張と自動更新](https://c.mql5.com/i/articles/overlay.png)
DoEasyライブラリでのその他のクラス(第70部): チャットオブジェクトコレクショの機能拡張と自動更新
本稿では、チャートオブジェクトの機能を拡張し、チャートのナビゲーション、スクリーンショットの作成、チャートの保存と適用を行います。また、チャートオブジェクトのコレクション、それらのウィンドウ、およびその中の指標の自動更新を実装します。
![スワップ(第I部):ロックと合成ポジション](https://c.mql5.com/2/42/33201.png)
![スワップ(第I部):ロックと合成ポジション](https://c.mql5.com/i/articles/overlay.png)
スワップ(第I部):ロックと合成ポジション
この記事では、スワップ取引手法の古典的な概念を拡張しようとします。私が、この概念に特別な注意を払う価値があり、この概念が研究に絶対的に推奨されるという結論に達した理由を説明します。
![プロのプログラマーからのヒント(第I部): コードの保存、デバッグ、コンパイルプロジェクトとログの操作](https://c.mql5.com/2/49/9266_tips_storing_debugging_compiling_projects_logs_600x314.jpg)
プロのプログラマーからのヒント(第I部): コードの保存、デバッグ、コンパイルプロジェクトとログの操作
プログラミングを容易にする方法、テクニック、および補助ツールに関するプロのプログラマーからのヒントです。
![DoEasyライブラリでのその他のクラス(第69部): チャットオブジェクトコレクションクラス](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library__7.png)
![DoEasyライブラリでのその他のクラス(第69部): チャットオブジェクトコレクションクラス](https://c.mql5.com/i/articles/overlay.png)
DoEasyライブラリでのその他のクラス(第69部): チャットオブジェクトコレクションクラス
本稿からチャートオブジェクトコレクションクラスの開発を開始します。このクラスでは、サブウィンドウと指標とともにチャートオブジェクトのコレクションリストを保存し、選択したチャートとそのサブウィンドウ、または複数のチャートのリストを一度に操作する機能を提供します。
![DoEasyライブラリでのその他のクラス(第68部): チャットウィンドウオブジェクトクラスとチャートでの指標オブジェクトクラス](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library__6.png)
![DoEasyライブラリでのその他のクラス(第68部): チャットウィンドウオブジェクトクラスとチャートでの指標オブジェクトクラス](https://c.mql5.com/i/articles/overlay.png)
DoEasyライブラリでのその他のクラス(第68部): チャットウィンドウオブジェクトクラスとチャートでの指標オブジェクトクラス
本稿では、チャートオブジェクトクラスの開発を続け、利用可能な指標のリストを含むチャートウィンドウオブジェクトのリストに追加します。
![ニューラルネットワークが簡単に(第13回): Batch Normalization](https://c.mql5.com/2/49/Neural_networks_made_easy_003_600x314.jpg)
ニューラルネットワークが簡単に(第13回): Batch Normalization
前回の記事では、ニューラルネットワーク訓練の品質を向上させることを目的とした手法の説明を開始しました。本稿では、このトピックを継続し、別のアプローチであるデータのBatch Normalizationについて説明します。
![ニューラルネットワークが簡単に(第12回): ドロップアウト](https://c.mql5.com/2/49/Neural_networks_made_easy_002_600x314.jpg)
ニューラルネットワークが簡単に(第12回): ドロップアウト
ニューラルネットワークを研究する次のステップとして、ニューラルネットワークの訓練中に収束を高める手法を検討することをお勧めします。そのような手法はいくつかありますが、本稿では、それらの1つである「ドロップアウト」について考察します。
![組み合わせスキャルピング:過去の取引の分析による将来の取引パフォーマンスの向上](https://c.mql5.com/2/42/logo_01.png)
![組み合わせスキャルピング:過去の取引の分析による将来の取引パフォーマンスの向上](https://c.mql5.com/i/articles/overlay.png)
組み合わせスキャルピング:過去の取引の分析による将来の取引パフォーマンスの向上
本稿では、自動取引システムの公立を高めることを目的としたテクノロジーについて説明します。アイデアが簡単に説明され、その基盤、可能性、および欠点についてが説明されます。
![MVCデザインパターンとその可能なアプリケーション](https://c.mql5.com/2/42/MVC.png)
![MVCデザインパターンとその可能なアプリケーション](https://c.mql5.com/i/articles/overlay.png)
MVCデザインパターンとその可能なアプリケーション
本稿では、人気高いMVCパターンと、MQLプログラムでの使用の可能性、長所、短所について説明します。アイデアは、既存コードをモデル、ビュー、コントローラの3つの別々のコンポーネントに分割することです。
![DoEasyライブラリでのその他のクラス(第67部): チャットオブジェクトクラス](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library__5.png)
![DoEasyライブラリでのその他のクラス(第67部): チャットオブジェクトクラス](https://c.mql5.com/i/articles/overlay.png)
DoEasyライブラリでのその他のクラス(第67部): チャットオブジェクトクラス
本稿では、(単一の取引製品チャートの)チャートオブジェクトクラスを作成し、MQL5シグナルオブジェクトのコレクションクラスを改善して、コレクションに格納されている各シグナルオブジェクトでリストの更新時にすべてのパラメータが更新されるようにします。
![ニューラルネットワークが簡単に(第11部): GPTについて](https://c.mql5.com/2/49/Neural_networks_made_easy_001_600x314.jpg)
ニューラルネットワークが簡単に(第11部): GPTについて
GPT-3は現在存在する言語ニューラルネットワークの中でおそらく最も高度なモデルの1つであり、その最大バリアントには1,750億個のパラメータが含まれています。もちろん、家庭にあるようなPCでそのような怪物を作成するつもりはありませんが、どのアーキテクチャソリューションを作業に使用し、それらからどのように利益を得ることができるかは確認することができます。
![パターン検索への総当たり攻撃アプローチ(第IV部): 最小限の機能](https://c.mql5.com/2/49/Brute_force_approach_to_pattern_search_004_600x314.jpg)
パターン検索への総当たり攻撃アプローチ(第IV部): 最小限の機能
本稿では、前の記事で設定した目標に基づいて改良された総当たり攻撃バージョンについてお話します。エキスパートアドバイザーをこの方法で取得した設定で使用して、このトピックをできるだけ広くカバーするようにします。新しいプログラムバージョンも添付されています。
![グリッドおよびマーチンゲール取引システムでの機械学習 - あなたはそれに賭けますか](https://c.mql5.com/2/49/8826_ml_grid_martingale_600x314.jpg)
グリッドおよびマーチンゲール取引システムでの機械学習 - あなたはそれに賭けますか
本稿では、グリッドおよびマーチンゲール取引に適用される機械学習手法について説明します。驚いたことに、世界中のネットではこのアプローチはほとんどまたはまったくカバーされていません。記事を読んだ後は、自分自身の自動売買ボットを作成することができるでしょう。
![多層パーセプトロンとバックプロパゲーションアルゴリズム](https://c.mql5.com/2/49/Multilayer-perceptron-and-backpropagation-algorithm_001_600x314.jpg)
多層パーセプトロンとバックプロパゲーションアルゴリズム
これら2つの手法の人気が高まり、Matlab、R、Python、C ++などで多くのライブラリが開発されています。これらのライブラリは、入力として訓練セットを受け取り、問題に適切なネットワークを自動的に作成します。基本的なニューラルネットワークタイプ(単一ニューロンパーセプトロンと多層パーセプトロンを含む)がどのように機能するかを理解してみましょう。ネットワークを訓練するためのエキサイティングなアルゴリズムである勾配降下法とバックプロパゲーションについて検討します。既存の複雑なモデルは、多くの場合、このような単純なネットワークモデルに基づいています。
![自動取引のための便利でエキゾチックな技術](https://c.mql5.com/2/49/exotic_techniques_automated_trading_600x314.jpg)
自動取引のための便利でエキゾチックな技術
本稿では、自動取引のためのいくつかの非常に興味深く有用な技術を紹介します。それらのいくつかには馴染みがあるかもしれません。最も興味深い手法を取り上げ、なぜ使用する価値があるのかを説明します。さらに、これらの技術の実際面での傾向を示します。エキスパートアドバイザーを作成し、説明されているすべての技術を相場履歴を使用してテストします。
![取引におけるニューラルネットワークの実用化(第2部)コンピュータービジョン](https://c.mql5.com/2/49/Practical_application_of_neural_networks_in_trading_001_600x314.jpg)
取引におけるニューラルネットワークの実用化(第2部)コンピュータービジョン
コンピュータービジョンを使用すると、価格チャートと指標の視覚的表現に関してニューラルネットワークを訓練できるようになります。この方法では、ニューラルネットワークにデジタルでフィードする必要がないため、テクニカル指標全体でより幅広い操作が可能になります。
![DoEasyライブラリでのその他のクラス(第66部): MQL5.comシグナルコレクションクラス](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library__4.png)
![DoEasyライブラリでのその他のクラス(第66部): MQL5.comシグナルコレクションクラス](https://c.mql5.com/i/articles/overlay.png)
DoEasyライブラリでのその他のクラス(第66部): MQL5.comシグナルコレクションクラス
本稿では、シグナルを管理する関数を備えたMQL5.comシグナルサービスのシグナルコレクションクラスを作成します。さらに、DOMの売買取引高の合計を表示するように板情報スナップショットオブジェクトクラスを改善します。
![DoEasyライブラリでの価格(第65部): 板情報コレクションとMQL5.comシグナル操作クラス](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library__3.png)
![DoEasyライブラリでの価格(第65部): 板情報コレクションとMQL5.comシグナル操作クラス](https://c.mql5.com/i/articles/overlay.png)
DoEasyライブラリでの価格(第65部): 板情報コレクションとMQL5.comシグナル操作クラス
本稿では、すべての銘柄の板情報コレクションクラスを作成し、シグナルオブジェクトクラスを作成することによってMQL5.comシグナルサービスを使用するための機能の開発を開始します。
![DoEasyライブラリでの価格(第64部): 板情報、DOMスナップショットのクラスおよびスナップショットシリーズオブジェクト](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library__2.png)
![DoEasyライブラリでの価格(第64部): 板情報、DOMスナップショットのクラスおよびスナップショットシリーズオブジェクト](https://c.mql5.com/i/articles/overlay.png)
DoEasyライブラリでの価格(第64部): 板情報、DOMスナップショットのクラスおよびスナップショットシリーズオブジェクト
本稿では、2つのクラス(DOMスナップショットオブジェクトのクラスとDOMスナップショットシリーズオブジェクトのクラス)を作成し、DOMデータシリーズの作成をテストします。
![DoEasyライブラリでの価格(第63部): 板情報とその抽象リクエストクラス](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library__1.png)
![DoEasyライブラリでの価格(第63部): 板情報とその抽象リクエストクラス](https://c.mql5.com/i/articles/overlay.png)
DoEasyライブラリでの価格(第63部): 板情報とその抽象リクエストクラス
本稿では、板情報を使用するための機能の開発を開始します。また、板情報抽象注文オブジェクトとその子孫のクラスも作成します。
![DoEasyライブラリでの価格(第62部): ティックシリーズをリアルタイムで更新して板情報で作業するための準備](https://c.mql5.com/2/42/MQL5-avatar-doeasy-library.png)
![DoEasyライブラリでの価格(第62部): ティックシリーズをリアルタイムで更新して板情報で作業するための準備](https://c.mql5.com/i/articles/overlay.png)
DoEasyライブラリでの価格(第62部): ティックシリーズをリアルタイムで更新して板情報で作業するための準備
この記事では、ティックデータの更新をリアルタイムで実装し、板情報を操作するための銘柄オブジェクトクラスを準備します(DOM自体は次の記事で実装されます)。
![自己適応アルゴリズム(第IV部):その他の機能とテスト](https://c.mql5.com/2/41/50_percents__4.png)
![自己適応アルゴリズム(第IV部):その他の機能とテスト](https://c.mql5.com/i/articles/overlay.png)
自己適応アルゴリズム(第IV部):その他の機能とテスト
引き続き、必要最小限の機能でアルゴリズムを実装して結果をテストします。収益性は非常に低いですが、連載では、完全に自動化された、根本的に異なる市場で取引される完全に異なる商品で収益性の高い取引モデルを示しています。
![DoEasyライブラリでの価格(第61部): 銘柄ティックシリーズのコレクション](https://c.mql5.com/2/41/MQL5-avatar-doeasy-library__5.png)
![DoEasyライブラリでの価格(第61部): 銘柄ティックシリーズのコレクション](https://c.mql5.com/i/articles/overlay.png)
DoEasyライブラリでの価格(第61部): 銘柄ティックシリーズのコレクション
プログラムでは作業に異なる銘柄を使用する可能性があるため、それぞれに個別のリストを作成する必要があります。本稿では、そのようなリストを組み合わせてティックデータコレクションにします。実際、これは、CObjectクラスのインスタンスへのポインタの動的配列のクラスおよび標準ライブラリの子孫に基づく通常のリストになります。
![ニューラルネットワークが簡単に(第10回): Multi-Head Attention](https://c.mql5.com/2/49/Neural_Networks_Easy_009_600x314.jpg)
ニューラルネットワークが簡単に(第10回): Multi-Head Attention
ニューラルネットワークにおける自己注意のメカニズムについては、以前に検討しました。実際には、最新のニューラルネットワークアーキテクチャは、いくつかの並列した自己注意スレッドを使用して、シーケンスの要素間のさまざまな依存関係を見つけます。このようなアプローチの実装を検討し、ネットワーク全体のパフォーマンスへの影響を評価しましょう。
![DoEasyライブラリでの価格(第60部): 銘柄ティックデータのシリーズリスト](https://c.mql5.com/2/41/MQL5-avatar-doeasy-library__4.png)
![DoEasyライブラリでの価格(第60部): 銘柄ティックデータのシリーズリスト](https://c.mql5.com/i/articles/overlay.png)
DoEasyライブラリでの価格(第60部): 銘柄ティックデータのシリーズリスト
本稿では、単一銘柄のティックデータを格納するためのリストを作成し、EAでの必要なデータの作成と取得を確認します。さらに、使用される銘柄ごとの個別のティックデータリストでティックデータのコレクションを構成します。
![自己適応アルゴリズム(第III部):最適化の放棄](https://c.mql5.com/2/41/50_percents__3.png)
![自己適応アルゴリズム(第III部):最適化の放棄](https://c.mql5.com/i/articles/overlay.png)
自己適応アルゴリズム(第III部):最適化の放棄
履歴データに基づく最適化を使用してパラメータを選択する場合、真に安定したアルゴリズムを取得することは不可能です。安定したアルゴリズムは、常時、どんな取引商品で作業していても、必要なパラメータを認識している必要があります。予測や推測ではなく、確実に知っているべきです。
![自己適応アルゴリズムの開発(第II部): 効率の向上](https://c.mql5.com/2/41/50_percents__2.png)
![自己適応アルゴリズムの開発(第II部): 効率の向上](https://c.mql5.com/i/articles/overlay.png)
自己適応アルゴリズムの開発(第II部): 効率の向上
この記事では、以前に作成したアルゴリズムの柔軟性を向上させることでトピックの開発を続けます。アルゴリズムは、分析期間内のローソク足の数の増加または上昇/下降ローソク足超過率のしきい値の増加によって、より安定しました。分析のためにより大きなサンプルサイズを設定するかより高いローソク足の超過率を設定して、妥協する必要がありました。
![パターン検索への総当たり攻撃アプローチ(第III部): 新しい水平線](https://c.mql5.com/2/49/Brute_force_approach_to_pattern_search_003_600x314.jpg)
パターン検索への総当たり攻撃アプローチ(第III部): 新しい水平線
本稿では、総当たり攻撃のトピックを続けます。プログラムアルゴリズムに市場分析の新しい機会を導入することで分析速度を高め、結果の品質を向上します。新しい追加により、このアプローチ内でグローバルパターンの最高品質で表示できるようになります。
![CatBoostアルゴリズムを使用した外国為替市場の季節によるパターンの特定](https://c.mql5.com/2/49/finding_seasonal_patterns_catboost_600x314.jpg)
CatBoostアルゴリズムを使用した外国為替市場の季節によるパターンの特定
本稿では、時間フィルタを使用した機械学習モデルの作成について検討し、このアプローチの有効性について説明します。人的要因はモデルに特定の曜日の特定の時間に取引するように指示するだけで排除できるようになっています。パターン検索は、別のアルゴリズムで提供できます。
![市場とそのグローバルパターンの物理学](https://c.mql5.com/2/40/5a55ed9f370f2c15608b457b.png)
![市場とそのグローバルパターンの物理学](https://c.mql5.com/i/articles/overlay.png)
市場とそのグローバルパターンの物理学
本稿では、市場を少しでも理解してるシステムはどれでも世界規模で運用できるという前提を試してみます。理論やパターンは発明せずに既知の事実のみを使用し、これらの事実を徐々に数学的分析の言語に翻訳していきます。
![自己適応アルゴリズムの開発(第I部):基本的なパターンの検索](https://c.mql5.com/2/41/50_percents__1.png)
![自己適応アルゴリズムの開発(第I部):基本的なパターンの検索](https://c.mql5.com/i/articles/overlay.png)
自己適応アルゴリズムの開発(第I部):基本的なパターンの検索
この連載では、ほとんどの市場要因を考慮した自己適応アルゴリズムの開発を示すとともに、これらの状況を体系化してロジックで説明し、取引活動で考慮に入れる方法を示します。非常に単純なアルゴリズムから始めて、徐々に理論を習得し、非常に複雑なプロジェクトに進化していきます。
![ニューラルネットワークが簡単に(第9部):作業の文書化](https://c.mql5.com/2/49/Neural_networks_made_easy_008_600x314.jpg)
ニューラルネットワークが簡単に(第9部):作業の文書化
長い道のりでした。ライブラリ内のコードはどんどん増えてきており、すべてのリンクと依存関係を追跡することが困難になっています。したがって、以前に作成したコードのドキュメントを作成し、新しい手順ごとに更新し続けることをお勧めします。適切に準備された文書化は、作業の整合性を確認するのに役立ちます。
![ニューラルネットワークが簡単に(第8回): アテンションメカニズム](https://c.mql5.com/2/49/Neural_Networks_Easy_008_600x314.jpg)
ニューラルネットワークが簡単に(第8回): アテンションメカニズム
以前の記事では、ニューラルネットワークを整理するための様々な選択肢を既に検証しました. また、画像処理アルゴリズムから借りた畳み込みネットワークについても検討しました. 今回の記事では、言語モデルの開発に弾みをつけた「アテンション・メカニズム」を考えることを提案します.
![DoEasyライブラリの時系列(第59部): 単一ティックのデータを格納するオブジェクト](https://c.mql5.com/2/41/MQL5-avatar-doeasy-library__3.png)
![DoEasyライブラリの時系列(第59部): 単一ティックのデータを格納するオブジェクト](https://c.mql5.com/i/articles/overlay.png)
DoEasyライブラリの時系列(第59部): 単一ティックのデータを格納するオブジェクト
本稿からは、価格データを処理するライブラリ機能を作成します。今日、さらに別のティックで到着したすべての価格データを格納するオブジェクトクラスを作成します。
![DoEasyライブラリの時系列(第58部): 指標バッファデータの時系列](https://c.mql5.com/2/49/doeasy_058_600x314.jpg)
DoEasyライブラリの時系列(第58部): 指標バッファデータの時系列
時系列の操作に関するトピックのしめくくりとして、指標バッファに格納されているストレージ、検索、およびデータの並べ替えを整理します。これにより、プログラムでライブラリベースで作成される指標の値に基づいて分析をさらに実行できます。ライブラリのすべてのコレクションクラスの一般的な概念により、対応するコレクションで必要なデータを簡単に見つけることができます。それぞれ、今日作成されたクラスでも同じことが可能です。
![パターン検索への総当たり攻撃アプローチ(第II部): イマージョン](https://c.mql5.com/2/49/Brute_force_approach_to_pattern_search_002_600x314.jpg)
パターン検索への総当たり攻撃アプローチ(第II部): イマージョン
本稿では、引き続き総当たり攻撃アプローチについて説明します。改良されたアプリケーションの新バージョンを使用して、パターンをより良く説明を試みます。また、さまざまな時間間隔と時間枠を使用して、安定性の違いの特定も試みます。
![トレーディングにおけるニューラルネットワークの実用化。 Python (パートI)](https://c.mql5.com/2/49/Practical_application_of_neural_networks_in_trading_003_600x314.jpg)
トレーディングにおけるニューラルネットワークの実用化。 Python (パートI)
今回は、Pythonによるディープニューラルネットワークのプログラミングに基づいたトレードシステムの実装を一つ一つ分析します。 Googleが開発した機械学習ライブラリ「TensorFlow」を使って行います。 また、ニューラルネットワークの記述にはKerasライブラリを使用します。