記事「MetaTrader 5における低頻度定量戦略（第1回）：OLAP対応データストアの構築」についてのディスカッション 新しいコメント MetaQuotes 2026.07.29 08:32 新しい記事「MetaTrader 5における低頻度定量戦略（第1回）：OLAP対応データストアの構築」はパブリッシュされました: Parquetストレージ、Hive形式のパーティション、そしてDuckDBを基盤とした、定量分析のための実用的なデータパイプラインについて説明します。選択したSQLiteテーブルをParquetへ移行する方法、市場データをデータソース、銘柄、時間足、日付によって構造化する方法、そしてSQLウィンドウ関数を使用してそれをクエリする方法について詳しく説明します。ゴールデンクロスの例では、銘柄横断的なフォワードリターン評価を示します。付属するPythonスクリプトでは、データのダウンロード、変換、実行を処理します。 私たちはちょうど、一般的なノートPC、通常のインターネット接続、そして限られた資金だけを備えた平均的な個人トレーダー向けに、統計的アービトラージの基本概念を紹介する一連の記事を終えたところです。これを可能にするために、私たちは低頻度の平均回帰戦略に焦点を置いています。これは、高頻度取引(HFT)が依然として多額の資本を必要とする分野であり、通常は機関投資家に限定されていると仮定しているためです。必要なデータさえ十分に保有していれば、個人トレーダーでも低頻度の定量取引で成功できることを示せたと考えています。なぜなら、必要となる計算能力はすでに広く利用可能になっているからです。十分なデータとは、ニッチな機会を発見するために必要なデータを意味します。十分な計算能力とは、必要な時間内にデータを処理できるハードウェアおよびソフトウェアを意味します。 連載最後の記事記事では、データ分析のために専用データベースを使用することを提案しました。これは、私たちのパイプライン内でSQLiteと併用する、オープンソースかつ無料のデータベースです。この提案の主な考えは、データセットが発展し成長するにつれて、SQLiteのようなオンライントランザクション処理(OLTP)システムは、入門的な概念の適用例を示していた段階では適していたかもしれませんが、データ分析の作業に最適なツールではなくなるということです。言い換えると、私たちが実際のトレードシステムへ進んでいくにつれて、専用のデータ分析ツールが必要になります。その最初のもの、そしておそらく最も重要なものが、専用のOLAPデータベースです。 さて、同じ物語の新しい章と考えることができるこの新しい連載では、このOLAP対応のデータ分析システムの実装を開始する時が来ました。しかし、前回の連載を読んでいて、ツールを実行し、提供されたスクリプトや統計手法を試していた場合、SQLiteデータベース内にすでに大量のデータが保存されているかもしれません。そして、そのデータの一部は、共和分テストやスコアリングシステムの出力結果のような、以前のデータ分析結果である可能性があります。新しいシステムへ移行または変換する必要があるこのデータの一部を保持したいと思うかもしれません。しかし、たとえこのデータが重要ではないと思ったとしても、将来のある時点で、SQLiteを含む他のデータベースシステム（Postgres、MySQLなど）からデータをインポートする必要に直面する可能性があります。したがって、この新しい章での最初の課題は、この移行がどれほど高速で単純に実行できるかを示すことです。 作者: Jocimar Lopes 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「MetaTrader 5における低頻度定量戦略（第1回）：OLAP対応データストアの構築」はパブリッシュされました:
私たちはちょうど、一般的なノートPC、通常のインターネット接続、そして限られた資金だけを備えた平均的な個人トレーダー向けに、統計的アービトラージの基本概念を紹介する一連の記事を終えたところです。これを可能にするために、私たちは低頻度の平均回帰戦略に焦点を置いています。これは、高頻度取引(HFT)が依然として多額の資本を必要とする分野であり、通常は機関投資家に限定されていると仮定しているためです。必要なデータさえ十分に保有していれば、個人トレーダーでも低頻度の定量取引で成功できることを示せたと考えています。なぜなら、必要となる計算能力はすでに広く利用可能になっているからです。十分なデータとは、ニッチな機会を発見するために必要なデータを意味します。十分な計算能力とは、必要な時間内にデータを処理できるハードウェアおよびソフトウェアを意味します。
連載最後の記事記事では、データ分析のために専用データベースを使用することを提案しました。これは、私たちのパイプライン内でSQLiteと併用する、オープンソースかつ無料のデータベースです。この提案の主な考えは、データセットが発展し成長するにつれて、SQLiteのようなオンライントランザクション処理(OLTP)システムは、入門的な概念の適用例を示していた段階では適していたかもしれませんが、データ分析の作業に最適なツールではなくなるということです。言い換えると、私たちが実際のトレードシステムへ進んでいくにつれて、専用のデータ分析ツールが必要になります。その最初のもの、そしておそらく最も重要なものが、専用のOLAPデータベースです。
さて、同じ物語の新しい章と考えることができるこの新しい連載では、このOLAP対応のデータ分析システムの実装を開始する時が来ました。しかし、前回の連載を読んでいて、ツールを実行し、提供されたスクリプトや統計手法を試していた場合、SQLiteデータベース内にすでに大量のデータが保存されているかもしれません。そして、そのデータの一部は、共和分テストやスコアリングシステムの出力結果のような、以前のデータ分析結果である可能性があります。新しいシステムへ移行または変換する必要があるこのデータの一部を保持したいと思うかもしれません。しかし、たとえこのデータが重要ではないと思ったとしても、将来のある時点で、SQLiteを含む他のデータベースシステム（Postgres、MySQLなど）からデータをインポートする必要に直面する可能性があります。したがって、この新しい章での最初の課題は、この移行がどれほど高速で単純に実行できるかを示すことです。
作者: Jocimar Lopes