記事「知っておくべきMQL5ウィザードのテクニック（第70回）： 指数カーネルネットワークにおけるSARとRVIのパターンの使用」についてのディスカッション

[MetaQuotes]

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70回）： 指数カーネルネットワークにおけるSARとRVIのパターンの使用」はパブリッシュされました:

前回の記事では、SARとRVIのインジケーターペアを紹介しました。今回は、このインジケーターペアを機械学習によってどのように拡張できるかを検討します。SARとRVIは、それぞれトレンドとモメンタムを補完し合う関係にあります。本機械学習アプローチでは、畳み込みニューラルネットワーク(CNN)を使用し、カーネルとチャネルのサイズを指数関数的に拡大・調整することで、このインジケーターペアの予測を微調整します。この処理は、常にMQL5ウィザードと連携してエキスパートアドバイザー(EA)を組み立てるカスタムシグナルクラスファイル内でおこなわれます。

前回の記事では、パラボリックSARインジケーター(SAR)と相対活力指数オシレーター(RVI: Relative Vigour Index)という補完的なペアを紹介しました。10種類のパターンをテストした結果、明確なフォワードウォークを達成できなかったパターンが3つありました。それが、インデックス1、2、6に該当するパターンです。パターンは0から9まで番号付けされており、これによりエキスパートアドバイザー(EA)で特定のパターンのみを利用するためのマップ値を簡単に計算できます。たとえば、パターンのインデックスが1であれば、パラメータ「PatternsUsed」を2^1=2に設定する必要があります。 

同様に、インデックスが2の場合は2^2=4と計算できます。このパラメータの最大値は1023で、10パターンすべてを利用する場合に対応します。0から1023の範囲で、2の累乗でない値を設定すると複数のパターンを組み合わせることを意味します。読者はEAに複数パターンを使用させる設定を試すことも可能です。しかし、過去の記事で提示した議論やテスト結果に基づき、本連載では現時点でこの方法は扱いません。 

過去の記事での約束通り、今回は教師あり学習を用いて、これまでクリーンなフォワードウォークを実現できなかったパターン1、2、6のシグナルを復活させることに挑戦します。これらのMQL5インジケーターシグナルに機械学習を適用するにあたり、ネットワークモデルのコーディングと学習を支援する目的でPythonを使用します。PythonはGPUを用いなくても効率的に処理をおこなえるためです。Pythonを使用する際には、MetaTraderのPythonモジュールを活用します。このモジュールにより、ログイン用のユーザー名とパスワードを提供することで、MetaTraderブローカーのサーバーに接続可能です。

作者: Stephen Njuki