記事「プライスアクション分析ツールキットの開発（第35回）：予測モデルの学習とデプロイ」についてのディスカッション

[MetaQuotes]

新しい記事「プライスアクション分析ツールキットの開発（第35回）：予測モデルの学習とデプロイ」はパブリッシュされました:

履歴データは決して「ゴミ」ではありません。それは、堅牢な市場分析の基盤です。本記事では、履歴データの収集から、それを用いた予測モデルの学習、そして学習済みモデルを用いたリアルタイムの価格予測のデプロイまでを、ステップごとに解説します。ぜひ最後までお読みください。

本記事では、単純なスクリプトの使用から一歩進め、完全なEAを開発し、継続的なモニタリングとPythonバックエンドとのリアルタイム通信を実現します。これは、単体のスクリプトでは効率的に処理できない部分です。MetaTrader5上で動作するSpike Detector EAはクライアント-サーバ構成で設計されており、EAがクライアントとして機能し、PythonのFlaskサーバがバックエンドとして動作します。EAは新しいローソク足の形成を常時監視します。定義された時間間隔ごとに、設定された本数の履歴ローソク足（OHLCVデータとタイムスタンプ）を収集し、それをJSON形式にシリアライズしてHTTPのPOSTリクエストを介してPythonサーバへ送信します。

Pythonバックエンドは、通常は機械学習モデルまたはルールベースのロジックを含んでおり、受信した市場データを分析してシグナル（BUY、SELL、CLOSE、WAIT）を返します。EAはこのレスポンスを受け取ると、ユーザー設定に基づいてシグナルを解釈し、チャート上に矢印を描画したり、新規ポジションを開いたり、既存のポジションをクローズしたりといった動作をおこないます。このフィードバックループにより、MetaTraderは外部の分析的インテリジェンスをリアルタイムで活用できるようになり、MetaTrader 5の実行エンジンとPythonの処理能力を効果的に組み合わせることができます。

作者: Christian Benjamin

[Helga Gustana Argita]

これは素晴らしい

しかし、なぜシグナルがあってもオブジェクトが作成されないのでしょうか？