記事「知っておくべきMQL5ウィザードのテクニック（第66回）：FrAMAのパターンとForce Indexを内積カーネルで使用する」についてのディスカッション 新しいコメント MetaQuotes 2025.09.15 09:22 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66回）：FrAMAのパターンとForce Indexを内積カーネルで使用する」はパブリッシュされました: FrAMAインジケーターとForce Indexオシレーターは、トレンドと出来高のツールであり、エキスパートアドバイザー(EA)を開発する際に組み合わせることができます。前回の記事では、このペアを紹介し、機械学習の適用可能性を検討しました。畳み込みニューラルネットワークを使用しており、内積カーネルを利用して、これらのインジケーターの入力に基づいた予測をおこないます。これは、MQL5ウィザードと連携してEAを組み立てるカスタムシグナルクラスファイルで実行されます。 前回の記事では、これらのインジケーターのペアをエキスパートアドバイザー(EA)のエントリーシグナルパターンのソースとして紹介しましたが、フォワードウォークの結果はあまり有望ではありませんでした。その理由をいくつか提示するとともに、私たちのトレーニングおよび最適化は1年間のみを対象としているため、いかなるパターンに対してもできる限り膨大な履歴に基づいて徹底的にテストすることが不可欠であると注意しました。常にそうしているように、その記事の続きとして、フォワードウォークに成功したパターンを機械学習とともに検証します。 MQL5で機械学習アルゴリズムを適用する際、OpenCLは常に選択肢の一つですが、これはしばしばGPUハードウェアを必要とします。これは便利ですが、Pythonのコードライブラリは非常に充実しており、CPUだけでも多くの効率性を享受することができます。本連載ではその点を探求しており、今回も過去におこなったようにニューラルネットワークをPythonで実装しています。なぜなら、Pythonでの実装とトレーニングは非常に効率的だからです。 前回の記事で最適化またはトレーニングした10個のパターンのうち、フォワードウォークに成功したのは2つだけでした。Pattern_6とPattern_9です。したがって、これらをニューラルネットワークでさらにテストします。過去の記事と同様ですが、違いは畳み込みニューラルネットワーク(CNN)を使用する点です。このCNNは内積カーネルを実装します。しかしまず、Pythonでの実装においては常にそうであるように、ネットワークにシグナルを供給するために必要なインジケーター関数を定義します。 作者: Stephen Njuki 新しいコメント 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 スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
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66回）：FrAMAのパターンとForce Indexを内積カーネルで使用する」はパブリッシュされました:
前回の記事では、これらのインジケーターのペアをエキスパートアドバイザー(EA)のエントリーシグナルパターンのソースとして紹介しましたが、フォワードウォークの結果はあまり有望ではありませんでした。その理由をいくつか提示するとともに、私たちのトレーニングおよび最適化は1年間のみを対象としているため、いかなるパターンに対してもできる限り膨大な履歴に基づいて徹底的にテストすることが不可欠であると注意しました。常にそうしているように、その記事の続きとして、フォワードウォークに成功したパターンを機械学習とともに検証します。
MQL5で機械学習アルゴリズムを適用する際、OpenCLは常に選択肢の一つですが、これはしばしばGPUハードウェアを必要とします。これは便利ですが、Pythonのコードライブラリは非常に充実しており、CPUだけでも多くの効率性を享受することができます。本連載ではその点を探求しており、今回も過去におこなったようにニューラルネットワークをPythonで実装しています。なぜなら、Pythonでの実装とトレーニングは非常に効率的だからです。
前回の記事で最適化またはトレーニングした10個のパターンのうち、フォワードウォークに成功したのは2つだけでした。Pattern_6とPattern_9です。したがって、これらをニューラルネットワークでさらにテストします。過去の記事と同様ですが、違いは畳み込みニューラルネットワーク(CNN)を使用する点です。このCNNは内積カーネルを実装します。しかしまず、Pythonでの実装においては常にそうであるように、ネットワークにシグナルを供給するために必要なインジケーター関数を定義します。
作者: Stephen Njuki