記事、ライブラリコメント - ページ 16

  ライブラリ: Report  (151   1 2 3 4 5 ... 15 16)
Report : このMetaTrader 4/5ライブラリは取引履歴に基づいたレポートの生成を可能にします。 作者: fxsaber
  ライブラリ: TypeToBytes  (61   1 2 3 4 5 6 7)
TypeToBytes : 構造体と標準データ型のバイト単位の操作。 作者: fxsaber
i-回帰チャネル : i-回帰チャネルは、回帰チャネルを生成します。 作者: Nikolay Kositsin
新しい記事「 取引におけるニューラルネットワーク:時系列予測のためのTransformerの最適化(LSEAttention) 」はパブリッシュされました: LSEAttentionフレームワークは、Transformerアーキテクチャの改善を提供します。この手法は、特に長期の多変量時系列予測のために設計されました。提案されたアプローチは、従来のTransformerでよく遭遇するエントロピーの崩壊や学習の不安定性の問題を解決するために応用可能です。
新しい記事「 初級から中級まで:共用体(II) 」はパブリッシュされました: 今日はとても面白く興味深い記事をご紹介します。今回は共用体(union)を取り上げ、以前に触れた問題の解決を試みます。また、アプリケーションでunionを使用した際に発生しうる、少し変わった状況についても探っていきます。ここで提示される資料は教育目的のみに使用されます。いかなる状況においても、提示された概念を学習し習得する以外の目的でアプリケーションを閲覧することは避けてください。 前回の「 初級から中級まで:共用体(I)
新しい記事「 リプレイシステムの開発(第74回):新しいChart Trade(I) 」はパブリッシュされました: この記事では、Chart Tradeに関する本連載の最後に示したコードを修正します。これらの変更は、現在のリプレイ/シミュレーションシステムのモデルにコードを適合させるために必要です。ここで提示されるコンテンツは、教育目的のみに使用されることを意図しています。いかなる状況においても、提示された概念を学習し習得する以外の目的でアプリケーションを利用することは避けてください。
新しい記事「 未来のトレンドを見通す鍵としての取引量ニューラルネットワーク分析 」はパブリッシュされました: この記事では、テクニカル分析の原理とLSTMニューラルネットワークの構造を統合することで、取引量分析に基づく価格予測の改善可能性を探ります。特に、異常な取引量の検出と解釈、クラスタリングの活用、および機械学習の文脈における取引量に基づく特徴量の作成と定義に注目しています。
新しい記事「 Numbaを使用したPythonの高速取引ストラテジーテスター 」はパブリッシュされました: この記事では、Numbaを使った機械学習モデルのための高速ストラテジーテスターを実装しています。純粋なPythonのストラテジーテスターと比べて50倍速く動作します。このライブラリを使って特にループを含む数学計算を高速化することを推奨しています
ATRパーセント : ATR%、ATR%、ATR%、ATR%、ATR%、ATR%。 Author: Aleksandr Slavskii
新しい記事「 独自のLLMをEAに統合する(第5部):LLMを使った取引戦略の開発とテスト(III) - アダプタチューニング 」はパブリッシュされました: 今日の人工知能の急速な発展に伴い、言語モデル(LLM)は人工知能の重要な部分となっています。私たちは、強力なLLMをアルゴリズム取引に統合する方法を考える必要があります。ほとんどの人にとって、これらの強力なモデルをニーズに応じてファインチューニングし、ローカルに展開して、アルゴリズム取引に適用することは困難です。本連載では、この目標を達成するために段階的なアプローチをとっていきます。 前回の記事
新しい記事「 原子軌道探索(AOS)アルゴリズム 」はパブリッシュされました: この記事では、原子軌道モデルの概念を利用して解を探索する原子軌道検索(AOS:Atomic Orbital Search)アルゴリズムについて考えます。AOSは、原子内における確率分布や相互作用のダイナミクスに基づいており、解の探索プロセスをシミュレートするアルゴリズムです。この記事では、候補解の位置更新やエネルギーの吸収・放出のメカニズムを含めたAOSの数学的な側面について詳しく説明します。AOSは、量子力学の原理を計算問題に応用する新たな可能性を切り開く、革新的な最適化手法です。
新しい記事「 取引におけるニューラルネットワーク:双曲潜在拡散モデル(最終回) 」はパブリッシュされました: HypDiffフレームワークで提案されているように、双曲潜在空間における初期データのエンコーディングに異方性拡散プロセスを用いることで、現在の市場状況におけるトポロジー的特徴を保持しやすくなり、分析の質を向上させることができます。前回の記事では、提案されたアプローチの実装をMQL5を用いて開始しました。今回はその作業を継続し、論理的な完結に向けて進めていきます。
新しい記事「 フェアバリューギャップ(FVG)/不均衡取引方法をステップバイステップで学ぶ:スマートマネーコンセプトのアプローチ 」はパブリッシュされました: フェアバリューギャップ(FVG)取引戦略に基づいて、MQL5で自動売買アルゴリズムを作成して実装するためのステップバイステップのガイドです。初心者にも経験豊富なトレーダーにも役立つエキスパートアドバイザー(EA)の作成に関する詳細なチュートリアルです。 この記事では、フェアバリューギャップ(FVG)/不均衡戦略とスマートマネーコンセプトのアプローチに基づく EA
新しい記事「 取引におけるニューラルネットワーク:双曲潜在拡散モデル(HypDiff) 」はパブリッシュされました: この記事では、異方性拡散プロセスを用いた双曲潜在空間における初期データのエンコーディング手法について検討します。これにより、現在の市場状況におけるトポロジー的特徴をより正確に保持でき、分析の質が向上します。 双曲空間は、離散的な木構造や階層構造を連続的に表現するための理想的な多様体として広く認識されており、さまざまなグラフ学習タスクにおいて使用されています。論文「 Hyperbolic Geometric Latent Diffusion Model for Graph
新しい記事「 レーベンバーグ・マルカートアルゴリズムを用いた多層パーセプトロンのトレーニング 」はパブリッシュされました: この記事では、順伝播型(フィードフォワード)ニューラルネットワークの学習におけるレーベンバーグ・マルカートアルゴリズムの実装を紹介します。また、scikit-learn Pythonライブラリのアルゴリズムと性能比較もおこなっています。まずは、勾配降下法、モーメンタム付き勾配降下法、確率的勾配降下法などのより単純な学習法について簡単に触れます。
新しい記事「 Pythonによる農業国通貨への天候影響分析 」はパブリッシュされました: 天候と外国為替にはどのような関係があるのでしょうか。古典的な経済理論は、天候のような要因が市場の動きに与える影響を長い間無視してきました。しかし、すべてが変わりました。天候条件と農業通貨の市場でのポジションとの間に、どのようなつながりがあるのかを探ってみましょう。 ミシガン大学のEdward Saykin教授が2023年におこなった研究では、雨の日にはトレーダーの意思決定が晴れの日と比べて27%慎重になることが示されました。
新しい記事「 市場力学をマスターする:支持&抵抗戦略エキスパートアドバイザー(EA)の作成 」はパブリッシュされました: 支持&抵抗戦略に基づく自動売買アルゴリズム開発のための包括的ガイドです。MQL5でEAを作成し、MetaTrader 5でテストするための、価格帯行動の分析からリスク管理までのあらゆる側面に関する詳細情報が含まれます。
Candle Range : ローソク足レンジ MetaTrader インジケーターは、マウスオーバー時にローソク足のレンジをpips単位で表示する、非常にシンプルで軽量なインジケーターです。High/Lowレンジに加え、ローソク足のボディサイズ(Open/Close)もオプションで表示できます。複数の表示パラメータがあり、インジケータの見え方を制御できます。このインディケータは、取引プラットフォームのMT4とMT5の両バージョンで利用可能です。 Author: Tuan Nguyen Van
新しい記事「 新しい指標と条件付きLSTMの例 」はパブリッシュされました: 本記事は、テクニカル分析とディープラーニング(深層学習)予測を融合した自動取引用エキスパートアドバイザー(EA)の開発に焦点を当てます。
新しい記事「 リプレイシステムの開発(第73回):異例のコミュニケーション(II) 」はパブリッシュされました: この記事では、インジケーターとサービス間でリアルタイムに情報を伝達する方法について解説し、また時間軸を変更した際に発生しうる問題の原因とその解決方法について理解を深めます。おまけとして、最新バージョンのリプレイ/シミュレーションアプリへのアクセスも提供します。 前回の「 リプレイシステムの開発(第72回):異例のコミュニケーション(I)
新しい記事「 初級から中級まで:共用体(I) 」はパブリッシュされました: この記事では、union(共用体)とは何かを見ていきます。ここでは実験を通じて、unionを使用できる最初の構文について分析していきます。ただし、ここで紹介するのは一連の概念や情報の中核部分にすぎません。ここで提示されるコンテンツは、教育目的のみに使用されることを意図しています。いかなる状況においても、提示された概念を学習し習得する以外の目的でアプリケーションを利用することは避けてください。 前回の「 初級から中級まで:配列(IV)
新しい記事 ピボット・パターン:『ダブルトップ・ダブルボトム』パターンのテスト はパブリッシュされました: トレーディングの実践において、トレーダーはしばしば、トレンドの傾向の逆転のポイントを探します。なぜなら、トレンドが生まれたときに、その価格が最も大きな変動の可能性を秘めているからです。そのため、技術分析の実践において、様々な反転パターンが考慮されます。最も有名で頻繁に使用されるパターンの1つはダブルトップ・ダブルボトムです。この記事では、パターンの自動検出の例を提案し、またその履歴データに対する収益性をテストします。
新しい記事「 取引におけるニューラルネットワーク:方向性拡散モデル(DDM) 」はパブリッシュされました: 本稿では、前向き拡散過程においてデータ依存的な異方性および方向性を持つノイズを活用するDirectional Diffusion Models(DDM、方向性拡散モデル)について議論し、意味のあるグラフ表現を捉える手法を紹介します。 論文「 Directional Diffusion Models for Graph Representation Learning
新しい記事「 初級から中級まで:配列(IV) 」はパブリッシュされました: この記事では、C、C++、Javaなどの言語で実装されていることと非常によく似たことを実現する方法について見ていきます。つまり、関数や手続きにほぼ無限の数のパラメータを渡す方法についてです。これは一見すると高度なトピックに思えるかもしれませんが、前回までの内容をきちんと理解していれば、実装は決して難しくありません。もちろん、それらの内容を本当に理解していることが前提です。 前回の「 初級から中級まで:配列(III)
新しい記事「 リプレイシステムの開発(第72回):異例のコミュニケーション(I) 」はパブリッシュされました: 私たちが本日作成する内容は、理解が難しいものになるでしょう。したがって本稿では、初期段階についてのみ説明します。この段階は次のステップに進むための重要な前提条件となるため、ぜひ注意深く読んでください。この資料の目的はあくまで学習にあります。提示された概念を実際に応用するのではなく、あくまで理解・習得することが目的です。
新しい記事「 MQL5とPythonを使用したブローカーAPIとエキスパートアドバイザーの統合 」はパブリッシュされました
新しい記事「 MQL5におけるSQLiteの機能:銘柄とマジックナンバー別の取引統計を表示するダッシュボード 」はパブリッシュされました: この記事では、口座別、銘柄別、および取引戦略別に取引統計をダッシュボードに表示するインジケーターの作成について考察します。コードは、ドキュメントおよびデータベース操作に関する記事の例に基づいて実装します。
Trend Equilibrium Indicator TrendEQ : トレンド均衡インディケータTrendEQは、モメンタムとボラティリティを組み合 わせて市場の動きをダイナミックに分析します。モメンタムと市場のボラティリティをスケーリングすることで、TrendEQは トレンドの強さと方向性を示す信頼性の高い指標を提供します。 Author: Simon Draxler
新しい記事「 高度なICT取引システムの開発:インジケーターへのオーダーブロックの実装 」はパブリッシュされました: この記事では、オーダーブロックのミティゲーションを検出し、描画し、アラートを発するインジケーターの作り方を学びます。また、チャート上でこれらのブロックを正確に特定する方法や、正確なアラートの設定方法、価格の動きをより理解しやすくするために矩形で位置を可視化する方法についても詳しく解説します。このインジケーターは、スマートマネーコンセプトやインナーサークルトレーダーの手法を用いるトレーダーにとって重要なツールとなるでしょう。 オーダーブロック
新しい記事「 取引におけるニューラルネットワーク:NAFSによるノード依存型グラフ表現 」はパブリッシュされました: NAFS (Node-Adaptive Feature Smoothing)手法を紹介します。これは、パラメータの学習を必要としない非パラメトリックなノード表現生成手法です。NAFSは、各ノードの近傍ノードに基づいて特徴量を抽出し、それらを適応的に統合することで最終的なノード表現を生成します。