記事「MQL5で自己最適化エキスパートアドバイザーを構築する（第17回）：アンサンブルインテリジェンス」についてのディスカッション
見つからないONNXリソースに対処するには？
.onnxファイルは外部でコンパイルされたモデルであり、オリジナルのトレーニング・データがなければ復元できないため、最良の解決策は、それを組み込みのMQL5数学的回帰に置き換えることです。
その結果、「動的線形回帰に基づく統計的信号確認ブロック」がシステムに統合されます。
数理予測（ニューラルネットワークの置き換え）
ロボットはもはや、今起こっていることに反応するだけではなく、未来を見通そうとします。
線形回帰：毎ティック、エキスパートアドバイザー（EA）は過去50日間（日足バー）を分析し、価格の数学的軌跡を計算します。
レベル予測：1ステップ先（明日）と20ステップ先（1ヶ月後）の高値と安値の可能性を計算します。
「アンサンブル・トレード・フィルタリング
これは最も重要な知的機能強化です。取引を開始するかどうかの判断は、2つの独立した「声」によって行われます：
指標の声（直感）：現在のローソク足の方向と移動平均（MA）の位置をチェックします。
数学の声（予測）：短期予測と長期トレンドを比較します。
結果：両方の声が一致した場合のみ、取引が開始されます。例えば、インジケータが「買い」と言っても、数学的予測ではトレンドが 弱まっている（明日の予想高値が20日後の予想高値を下回っている）場合、ロボッ トはエントリーを無視し、相場の頂点で買わずに済みます。
ダイナミックな市場適応
元記事で使用した静的なONNXファイル（一度だけ学習された）とは異なり、私の現在のバージョンは以下の機能を備えています：
オンザフライ再学習：回帰係数を常に更新する。市場のボラティリティが変化すれば、計算は自動的に適応する。
自律性：もはや外部ファイルやライブラリーを必要としない。ロジック全体がコード内に含まれているため、テストや最適化の信頼性が高い。
アグレッシブ・グリッド戦略と慎重なエントリーの組み合わせ
この方法をグリッド戦略に適用すると、両方の長所を得ることができます：
コアとなるグリッド・スキャルピング・アルゴリズムは積極的なままであり、EAは注文のグリッドを構築し、合計利益に基づいて終了することができます。
しかし、一連の最初の注文は、上昇または下降の数学的予想によって確認されるため、より高い精度で発注されます。
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
新しい記事「MQL5で自己最適化エキスパートアドバイザーを構築する（第17回）：アンサンブルインテリジェンス」はパブリッシュされました:
すべてのアルゴリズム取引戦略は、その複雑さに関係なく、構築や維持が困難です。これは初心者と専門家の双方に共通する課題です。初心者は移動平均クロスオーバー戦略の期間を調整し続けることに苦労し、専門家もまたディープニューラルネットワークの重みを絶えず調整することに悩まされています。どちらの立場にも共通する本質的な問題があります。
機械学習モデルは脆弱であり、実際のライブ取引環境では崩壊してしまうことが少なくありません。その不透明で複雑な設計は、パフォーマンスのボトルネックの診断や特定をさらに困難にします。一方で、人間主導の戦略は比較的堅牢であることが多いものの、開始時には手動での設定を必要とし、その作業はアプローチによっては非常に手間がかかります。本記事では、教師ありモデルと人間の直感が相互に補完し合い、それぞれの限界をより迅速に克服するアンサンブルフレームワークを提案します。
この目的を達成するために、戦略と統計モデルが同じ4つのテクニカル指標を共有するよう設計しました。移動平均チャネル戦略を選択し、同じ指標に基づいてリッジ回帰モデルを適合させました。これにより、システム全体として収益性のある構成を迅速に特定できるようになりました。
作者: Gamuchirai Zororo Ndawana