記事「知っておくべきMQL5ウィザードのテクニック（第80回）：TD3強化学習で一目均衡表とADX-Wilderのパターンを使用する」についてのディスカッション

新しいコメント
 

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80回）：TD3強化学習で一目均衡表とADX-Wilderのパターンを使用する」はパブリッシュされました:

本記事は第74回の続編です。第74回では、教師あり学習の枠組みにおける一目均衡表とADXの組み合わせを検討しました。本記事では焦点を強化学習に移します。一目均衡表とADXは、サポート/レジスタンスの把握とトレンドの強さの検出という点で、互いに補完し合う組み合わせを形成します。今回は、TD3 (Twin Delayed Deep Deterministic Policy Gradient)アルゴリズムをこのインジケーターセットでどのように活用できるかを詳しく解説します。前回までと同様に、実装はMQL5ウィザードに統合できるカスタムシグナルクラスとしておこないます。MQL5ウィザードを使用すると、エキスパートアドバイザー(EA)の構築をスムーズに進めることが可能です。

RLアルゴリズムの中でも、TD3は金融分野への応用において有力な候補として注目されています。TD3は連続行動空間向けに設計されており、ポジションサイズやタイミングが二値的ではなく細かい制御を必要とする取引問題に適しています。その前身であるDDPGと比較すると、TD3は、複数のCriticネットワークを使用すること、ターゲット行動にノイズを加えて平滑化すること、さらに方策の更新を遅延させることで、一時的な変動への過学習を防ぐことなどの重要な安定化手法を導入しています。 

本記事の主な目的は、Pythonで学習したTD3モデルをMQL5のEAフレームワークに統合し、プロトタイピングに活用する方法を示すことです。具体的には、ONNX形式にエクスポートしたTD3のActorネットワークをカスタムシグナルクラス内でラップして利用する手法を紹介します。これらのシグナルクラスは、その後MQL5ウィザードを用いて自動売買ロボットに組み込まれます。

より実践的な観点を補強するため、記事の最後ではMetaTraderのストラテジーテスターでおこなったフォワードテストを確認します。分析対象は、以前第74回でさらに検討するために選択した3つのシグナルパターン（Pattern_0、Pattern_1、Pattern_5）の各レポートです。


作者: Stephen Njuki

新しいコメント