記事、ライブラリコメント - ページ 2

新しい記事 Linux 上での MetaTrader 5 はパブリッシュされました: この記事では、一般的なLinuxバージョン（UbuntuとDebian）にMetaTrader 5をインストールする簡単な方法を示します。これらのシステムは、サーバーハードウェアだけでなく、トレーダーのパーソナルコンピューターでも広く使用されています。 作者: MetaQuotes Software Corp

タイムゾーン : この指標は、日中に4つの垂直色付きの線を描画します。ラインパラメータは、入力パラメータで設定できます。 作者: Nikolay Kositsin

VWAP - Volume Weighted Average Price(ボリューム加重平均価格) : VWAPは、主にアルゴリズムおよび制度トレーダーが日中のボリューム加重平均に相対して株がどこで取引されているかを評価するために使用される日中の計算です。 作者: Felipe Almeida

新しい記事「 取引におけるニューラルネットワーク：多変量時系列予測のためのエンドツーエンドモデル（主要構成要素） 」はパブリッシュされました: GinARフレームワークの主要構成要素の新たな実装例を紹介します。GinARは、グラフ構造時系列のデータを扱うための適応型アルゴリズムです。 そのアーキテクチャに加え、順伝播と誤差逆伝播のアルゴリズムを段階的に詳しく解説します。 補間アテンション（Interpolation Attention） メカニズムは、このアーキテクチャにおいて中心的な役割を果たしています。これは古典的な Self-Attention

新しい記事「 取引におけるニューラルネットワーク：多変量時系列予測のためのエンドツーエンドモデル(GinAR) 」はパブリッシュされました: GinARフレームワークを用いた、欠損データを含む時系列予測への革新的なアプローチを紹介します。 本記事では、高い処理性能を実現するため、OpenCLを用いて主要な構成要素を実装する方法を解説します。 次回の記事では、これらのソリューションをMQL5に統合する方法について詳しく取り上げます。 これにより、実際の取引においてこの手法をどのように活用できるかを理解しやすくなるでしょう。 GinAR フレームワークのアーキテクチャは、従来の Encoder →

新しい記事「 取引におけるニューラルネットワーク：確率的時系列予測（最終回） 」はパブリッシュされました: K²VAEフレームワークの概要と、提案された手法を取引システムにどのように統合できるかについて解説します。 Koopman–Kalman–VAEを組み合わせたハイブリッドアプローチが、適応性と解釈可能性を備えたモデルの構築にどのように役立つのかを紹介します。 最後に、実装した手法を用いて得られた実践的な成果についても取り上げます。 前述のとおり、モデルの学習は2つの段階に分けておこないます。 まず、第1段階では、15年分の EURUSD の価格履歴を使用し、 H1

新しい記事「 取引におけるニューラルネットワーク：確率的時系列予測(Encoder) 」はパブリッシュされました: 時系列解析における、従来の手法と最新のニューラルネットワークを融合した新たなアプローチを紹介します。 K²VAEモデルのアーキテクチャと動作原理について詳しく解説します。 K²VAE の最大の特徴は、単に将来の値を予測するのではなく、システムの将来状態を表す確率分布を推定する点にあります。 最も可能性の高いシナリオを単一の予測値として出力する従来型のモデルとは異なり、このアプローチでは、将来起こり得るさまざまな結果を分布として表現します。

新しい記事「 取引におけるニューラルネットワーク：確率的時系列予測(K2VAE) 」はパブリッシュされました: K²VAEフレームワークのオリジナル実装を見ていきましょう。これは、潜在空間における複雑なダイナミクスを線形近似できる柔軟なモデルです。 この記事では、パラメータ化された行列や、標準的なニューラルネットワーク層の外部でそれらを管理する方法など、MQL5における主要なコンポーネントの実装方法を解説します。 この資料は、解釈可能な時系列モデルを構築するための実践的なアプローチを探している方にとって役立つでしょう。 従来のモデルは、短期予測をおこなううえで非常に優れています。

新しい記事「 取引におけるニューラルネットワーク：適応的周期セグメンテーション（最終回） 」はパブリッシュされました: LightGTSの刺激的な世界へぜひ飛び込んでみてください。LightGTSは、時系列予測のための軽量かつ強力なフレームワークです。適応型畳み込みやRoPEによるエンコーディングを、革新的なAttentionメカニズムと組み合わせています。 本記事では、パッチの生成からDecoder内の複雑な混合エキスパートに至るまで、MQL5プロジェクトに組み込めるすべてのコンポーネントを詳しく解説します。

isNewBar : この関数は、指定された時間枠に新しいバーが登場したかどうかをチェックすることができます。 インディケータやエキスパートアドバイザーでは、新しいバーが指定された時間枠に登場したかどうかの情報は頻繁に必要とされます。下記は事柄の例です。 NewBar() 関数の最初の呼び出しの後では、現在のバーは新しいバーは考えられません。関数はその時間を記録し、次のバーが新しいものとなります。 コードはコメントされていて簡単に理解できるので、有用であることを願っています。 作者: Prival

ロウソク足シャドウ v1 : ロウソク足のサイズと影の分析。 OnTradeTransaction では、オープン (DEAL_ENTRY_IN) とクローズ (DEAL_ENTRY_OUT) のポジションがインターセプトされるだけでなく、ストップロス (DEAL_REASON_SL) によって決済します。 作者: Vladimir Karputov

新しい記事「 プライスアクション分析ツールキットの開発（第11回）：Heikin Ashi Signal EA 」はパブリッシュされました: MQL5は、ユーザーの好みに合わせてカスタマイズ可能な自動売買システムを開発するための無限の可能性を提供します。複雑な数値計算も実行できることをご存知でしょうか。この記事では、自動売買戦略として日本の平均足手法を紹介します。

Safe Risk Manager EA - Daily Loss, Break-Even and Trailing Stop : リスク管理機能、スプレッド保護、継続的な日次損失制限、ブレークイーブン、トレーリングストップを備えた、MT5のヘッジング口座向け教育用取引パネル。 Author: Reynard Carelse

MACDシグナル : 指標の新しいプラットフォーム版。 作者: Комбинатор

新しい記事「 取引におけるニューラルネットワーク：適応的周期セグメンテーション(LightGTS) 」はパブリッシュされました: 時系列の内部周期性を考慮しながら、データを柔軟に分割する「適応的パッチ化」という革新的な手法をご紹介します。 さらに、異なるスケールのデータを扱う際にも、重要な意味的特性を保持できる効率的なエンコーディング手法について解説します。 これらの手法により、金融市場に特有の複雑なマルチスケールデータをより正確に処理できるようになり、予測の安定性と信頼性の大幅な向上が期待できます。 時系列データを特徴づけるのは、そのリズムです。

新しい記事「 取引におけるニューラルネットワーク：インテリジェントな予測パイプライン（スパース混合エキスパート） 」はパブリッシュされました: OpenCLコンピューティング環境で、時系列データ向けのスパース混合エキスパートブロックを実装する実践的な方法を見ていきましょう。 この記事では、マスク付きマルチウィンドウ畳み込みの仕組みを段階的に解説するとともに、複数の情報ストリームが存在する場合に、勾配ベースの学習がどのように構成されるのかについても説明します。 今回は、前回からの取り組みを引き継ぎ、 Time-MoE フレームワークの重要な構成要素である スパース混合エキスパート (

新しい記事 エキスパートアドバイザーの資金管理のためのファンクション はパブリッシュされました: トレード戦略の開発は主に市場に入り、そして、出るためのパターンの探索と、ポジションの維持に注目している。もし自動トレーディングのためにあるパターンをルールとして形式化できれば、トレーダーはポジションの量、マージンのサイズを計算する問題に立ち向かい、さらに貸付資金の安全なレベルを維持して自動モードでオープンなポジションを確実にするであろう。この論説では MQL5 言語を用いてこれらの計算を行う簡単な例を構築する 作者: MetaQuotes Software Corp

Spread Monitor for Scalpers : サブウィンドウにヒストグラムを表示し、現在値・平均値・最大値・最小値の統計情報、1取引あたりのコスト、およびスキャルパー向けの閾値アラートを表示します。 Author: Radoslaw Karol Lubas

新しい記事「 初級から中級まで：サンドボックスの操作 」はパブリッシュされました: MetaTrader 5をベースプラットフォームとして、サンドボックスの内容を調べ、さらにはその中で操作をおこなうための2つの方法について解説します。 本記事の内容を理解することは、今後の記事で取り上げる内容を理解するうえで不可欠です。 前回の「 初級から中級まで：ランダムアクセス(II) 」では、ファイルに含まれるデータや情報にランダムアクセスできるようにしながら、ファイルを操作する方法を解説しました。

新しい記事「 初級から中級まで：ランダムアクセス(II) 」はパブリッシュされました: 2つのわずかに異なるアプローチが、パフォーマンスやディスクI/Oの設計を含む実装全体の方針に、どのような大きな違いをもたらすのかを考察します。また、アプリケーション間の互換性の問題を防ぐうえで、これらのアプローチがどのように役立つのかについても解説します。 前回の「 初級から中級まで：ランダムアクセス(I) 」では、ファイル内のデータを読み書きするためのランダムアクセスの仕組みについて簡単に紹介しました。

新しい記事「 MQL5をマスターする — 初心者からプロまで（第7回）：MQLアプリケーションのデバッグの原則 」はパブリッシュされました: デバッグは、プログラミングサイクルにおいて不可欠な要素です。 この記事では、MetaTrader 5環境で動作するあらゆるアプリケーションのデバッグに用いられる一般的な手法について解説します。 本連載の前回の記事では、MQL5でエキスパートアドバイザー(EA)を構築するための原則について 解説 しました。 当初、この記事では、サーバーからの応答を含む回復可能なエラーに対処できる、マーケット向けの信頼性の高いEAを取り上げる予定でした。

新しい記事「 初級から中級まで：オブジェクトイベント(II) 」はパブリッシュされました: オブジェクトによって発生する残り3種類のイベントが、どのように機能するのかを見ていきましょう。 これらを理解することは非常に興味深いものになるはずです。というのも、最後には、多くの人にとって突拍子もないことに思えるかもしれませんが、実際には十分に実現可能で、非常に驚くべき結果をもたらす機能を実装するからです。 前回の「 初級から中級まで：オブジェクトイベント(I) 」では、オブジェクトで発生するイベントを中心に、基本的な内容を解説し、具体例を示しました。

新しい記事「 取引におけるニューラルネットワーク：インテリジェントな予測パイプライン(Time-MoE) 」はパブリッシュされました: 時系列予測タスク向けに適応された最新のTime-MoEフレームワークを詳しく見ていきましょう。 アーキテクチャの主要な構成要素を段階的に実装しながら、随所で解説と実践的な例を紹介します。 このアプローチにより、モデルの仕組みを理解するだけでなく、その原理を実際の取引シナリオに応用することも可能になります。 Time-MoE は、時系列データ向けに特別に設計された次世代の Decoder-Only型Transformer です。

新しい記事「 取引におけるニューラルネットワーク：クロスドメイン時系列予測フレームワーク（最終回） 」はパブリッシュされました: 時系列予測モデルTimeFoundの実践的な実装に焦点を当てます。 MQL5を用いて、このフレームワークの主要な手法を実装する際の重要な段階について解説します。 最初の段階では、1分足の EURUSD ペアの過去5年分のデータを使用してEncoderを学習させました。 このデータ量と詳細度により、現在の市場状態を深く捉えた、情報量の豊富な潜在表現を生成できます。

マルチテスター : テスターでの複数回の実行/最適化。 Author: fxsaber

新しい記事 人工知能を用いたTDシーケンシャル(トーマス デマークのシーケンシャル) はパブリッシュされました: 本稿では、よく知られている戦略とニューラルネットワークを融合させた成功裡の取引方法を説明します。これは、人工知能システムを用いたトーマス デマークのシーケンシャル戦略に関するもので、「セットアップ」シグナルと「インターセクション」シグナルを使用して、戦略の最初の部分のみが適用されます。

Heiken Ashi ATR Blend : 「Heiken Ashi ATR Blend」は、平滑化されたヘイケンアシのローソク足、ATRに基づくボラティリティフィルタリング、および高速・低速EMAによるトレンド確認を組み合わせ、潜在的なトレンド転換シグナルを特定します。 Author: Tshidiso Ephraim Mpakanyane

新しい記事「 取引におけるニューラルネットワーク：クロスドメイン時系列予測フレームワーク「TimeFound」 」はパブリッシュされました: TimeFoundのインテリジェントモデルの中核を段階的に構築し、実世界の時系列予測タスクに適用していきます。 MQL5におけるニューラルネットワークのパッチ化アルゴリズムの実践的な実装に興味がある方にとって、うってつけの記事です。 かつては、 ARIMA や指数平滑法といった古典的な統計モデルが広く用いられていました。 考えてみれば、線形回帰でさえ役立つことが少なくありませんでした。

新しい記事「 取引におけるニューラルネットワーク：高精度分類のための効果的な特徴抽出（オブジェクトの実装） 」はパブリッシュされました: Mantisは、金融分野のさまざまなシナリオに柔軟に対応できる、拡張性に優れた時系列分析ツールです。 本記事では、パッチ化、局所畳み込み、クロスアテンションを組み合わせることで、市場のパターンを高精度に捉えられる仕組みについて解説します。 Mantis は、マルチチャネル入力を受け取ると真価を発揮します。 リズムを刻むように変動するRSI、取引量、移動平均線、通貨ペア間の相関関係などが組み合わさることで、市場の複雑な状況を多角的に捉えられるようになります。

週明けリオープンを基準にエントリーするEA（絶対時刻を使わずGMTオフセットとDSTに依存しない実装） : 絶対時刻を使わず、バー履歴から週次の市場再開（リオープン）バーを実行時に検出してエントリーするEAの実装例です。ブローカーのGMTオフセットやDST規則に依存しません。 作者: Daisuke Arimizu