記事「取引におけるニューラルネットワーク：暗号通貨市場向けメモリ拡張コンテキスト認識学習（最終回）」についてのディスカッション 新しいコメント MetaQuotes 2026.01.20 08:07 新しい記事「取引におけるニューラルネットワーク：暗号通貨市場向けメモリ拡張コンテキスト認識学習（最終回）」はパブリッシュされました: MacroHFTフレームワークは、高頻度暗号資産取引(HFT)のために、文脈認識型強化学習とメモリ機構を用いて動的な市場環境に適応します。本記事の最後では、実装した手法を実際の過去データで検証し、その有効性を評価します。 MQL5を用いて、MacroHFTフレームワークの著者が提案したアプローチを独自に解釈し実装するための大規模な作業が完了しました。次のステップでは、実装した手法の有効性を、実際の過去データを用いて評価します。 なお、ここで提示している実装は、テクニカル指標の選択を含め、オリジナルの実装とは大きく異なります。そのため、得られる結果にも必然的に影響があり、ここでの結論はあくまで暫定的であり、これらの修正に特有のものである点に注意が必要です。 モデルの学習には、2024年のEUR/USDの1分足 (M1)データを使用しました。分析対象となる指標のパラメータは変更せず、指標設定の影響を排除し、アルゴリズムおよびアプローチ自体の評価に集中しています。学習データセットの収集手順およびモデル学習の方法については、前述のとおりです。 学習済みモデルは、2025年1月の履歴データを用いてテストされました。以下にそのテスト結果を示します。 作者: Dmitriy Gizlyk 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
新しい記事「取引におけるニューラルネットワーク：暗号通貨市場向けメモリ拡張コンテキスト認識学習（最終回）」はパブリッシュされました:
MQL5を用いて、MacroHFTフレームワークの著者が提案したアプローチを独自に解釈し実装するための大規模な作業が完了しました。次のステップでは、実装した手法の有効性を、実際の過去データを用いて評価します。
なお、ここで提示している実装は、テクニカル指標の選択を含め、オリジナルの実装とは大きく異なります。そのため、得られる結果にも必然的に影響があり、ここでの結論はあくまで暫定的であり、これらの修正に特有のものである点に注意が必要です。
モデルの学習には、2024年のEUR/USDの1分足 (M1)データを使用しました。分析対象となる指標のパラメータは変更せず、指標設定の影響を排除し、アルゴリズムおよびアプローチ自体の評価に集中しています。学習データセットの収集手順およびモデル学習の方法については、前述のとおりです。
学習済みモデルは、2025年1月の履歴データを用いてテストされました。以下にそのテスト結果を示します。
作者: Dmitriy Gizlyk