記事「知っておくべきMQL5ウィザードのテクニック(第74回): 教師あり学習で一目均衡表とADX Wilderのパターンを利用する」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74回): 教師あり学習で一目均衡表とADX Wilderのパターンを利用する」はパブリッシュされました:

前回の記事では、一目均衡表とADXのインジケーターペアを紹介しました。今回は、このペアを教師あり学習でどのように改善できるかを見ていきます。一目均衡表とADXは、サポート/レジスタンスとトレンドを補完する組み合わせとして機能します。今回の教師あり学習アプローチでは、ディープスペクトル混合カーネルを用いたニューラルネットワークを活用し、このインジケーターペアの予測精度を微調整します。通常どおり、この処理はMQL5ウィザードでエキスパートアドバイザー(EA)を組み立てる際に利用できるカスタムシグナルクラスファイル内でおこないます。

前回の記事では、一目均衡表とADX Wilderのインジケーターペアを、サポート/レジスタンスとトレンドを補完するツールとして紹介しました。いつものように、これらをウィザードで組み立てたエキスパートアドバイザー(EA)でテストし、10種類のシグナルパターンを検証しました。このインジケーターペアに関しては、ほとんどのパターンが前年度のテスト・最適化を経て、1年間のフォワードウォークでも収益を上げることができました。しかし、Pattern_0、Pattern_1、Pattern_5の3つは満足いく結果が得られませんでした。そこで今回の記事では、教師あり学習がこれらのパターンのパフォーマンス向上にどの程度寄与するかを検証します。具体的には、各パターンのシグナルを単純な入力ベクトルとしてニューラルネットワークに再構築し、ニューラルネットワークを追加のフィルタとして機能させるアプローチを採用します。


作者: Stephen Njuki