記事「知っておくべきMQL5ウィザードのテクニック(第76回): Awesome Oscillatorのパターンとエンベロープチャネルを教師あり学習で利用する」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76回): Awesome Oscillatorのパターンとエンベロープチャネルを教師あり学習で利用する」はパブリッシュされました:

前回の記事では、オーサムオシレータ(AO: Awesome Oscillator)とエンベロープチャネル(Envelopes Channel)のインディケーターの組み合わせを紹介しましたが、今回はこのペアリングを教師あり学習でどのように強化できるかを見ていきます。Awesome OscillatorとEnvelope Channelは、トレンドの把握とサポート/レジスタンスの補完的な組み合わせです。私たちの教師あり学習アプローチでは、CNN(畳み込みニューラルネットワーク)を使用し、ドット積カーネルとクロスタイムアテンションを活用してカーネルとチャネルのサイズを決定します。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、オーサムオシレータ(AO: Awesome Oscillator)とエンベロープチャネル(Envelopes Channel)のインディケーターの組み合わせを紹介しました。そして、そのペアのテスト結果では、10パターンのうち7~8パターンが2年間のテスト期間でフォワードテストに成功しました。私たちは通常、インディケーターのペアを紹介した後、その信号のパフォーマンスに機械学習がどのような影響を与えるかを探ります。今回の記事も例外ではなく、Pattern_4、Pattern_8、Pattern_9が教師あり学習ネットワークによるフィルタで補強された場合に、どのように影響を受けるかを検証します。ネットワークでは、ドット積カーネルとクロスタイムアテンションを用いてカーネルとチャネルのサイズを決定するCNNを使用しています。


作者: Stephen Njuki