記事、ライブラリコメント - ページ 2

シングルテスター・キャッシュ : テスターのシングルパスデータ。 Author: fxsaber

新しい記事「 取引におけるニューラルネットワーク：ResNeXtモデルに基づくマルチタスク学習（最終回） 」はパブリッシュされました: ResNeXtに基づくマルチタスク学習フレームワークの探求を続けます。このフレームワークは、モジュール性が高く、計算効率に優れ、データ中の安定したパターンを特定できることが特徴です。単一のエンコーダーと専門化された「ヘッド」を使用することで、モデルの過学習のリスクを減らし、予測の精度を向上させます。 フレームワークのエンコーダーの基盤として採用された ResNeXt

新しい記事「 取引におけるニューラルネットワーク：ResNeXtモデルに基づくマルチタスク学習 」はパブリッシュされました: ResNeXtに基づくマルチタスク学習フレームワークは、金融データの高次元性、非線形性、時間依存性を考慮しながら分析を最適化します。グループ畳み込みと専用ヘッドの使用により、モデルは入力データから重要な特徴を効果的に抽出することができます。 現代の畳み込みアーキテクチャの中でも、「 Aggregated Residual Transformations for Deep Neural Networks 」で紹介されたResNeXtは特に注目されます。 ResNeXt

新しい記事「 初級から中級まで：構造体(I) 」はパブリッシュされました: 本日は、構造体について、よりシンプルで実践的、かつ無理のない形で学び始めます。構造体は、構造化プログラミングであろうとなかろうと、プログラミングの基礎を成す要素のひとつです。多くの人は、構造体を単なるデータの集合だと考えがちですが、実際にはそれ以上の役割を持っています。本記事では、この新しい世界を、できるだけ分かりやすく、体系的に探っていきます。

新しい記事 トレーディングにおけるOLAPの適用（その4）。テスターレポートの定量的・視覚的分析 はパブリッシュされました: この記事では、シングルパスや最適化結果に関連するテスターレポートのOLAP分析のための基本的なツールを提供しています。 このツールは標準フォーマットのファイル(tstとopt)を扱うことができ、グラフィカルなインターフェイスも提供します。 最後にMQLのソースコードを添付します。 レベル別の利益の一般的な分布を100刻みで表示するには、X軸に沿った統計から「利益」フィールドを選択し、「カウント」アグリゲータを選択します。 100台単位でのレンジ別全利益配分

ZigZag_channel : ジグザグインジケーターの天井とトラフに基づくチャネル。 作者: Nikolay Kositsin

新しい記事「 MQL5取引ツール（第1回）：インタラクティブで視覚的なペンディングオーダー取引アシスタントツールの構築 」はパブリッシュされました: この記事では、FX取引におけるペンディングオーダーの設置を簡素化するために開発した、MQL5によるインタラクティブ取引アシスタントツール(Trade Assistant

DoubleZigZag : 2つのジグザグインジケーターを分析に使用します。 作者: Vladimir Karputov

ボリンジャーバンド ®に基づいたエキスパートアドバイザー : このエキスパートアドバイザーはボリンジャーバンドに基づいています。トレンドフォローストラテジー（DEMA）と ボリンジャーバンド ® インディケータが使われます。 それは最後の17年間（EURUSD M30）のストラテジーテスターで安定した収益を示しています。 ストラテジー： ロングポジションのオープン： DEМАが上昇し、白（ブル）ローソク足が下から上に下のボリンジャーバンドを交差しました, ショートポジションのオープン： DEМАが下降し、黒（ベア）ローソク足が上部ボリンジャーバンドを上から下に交差しました

新しい記事「 市場シミュレーション（第7回）：ソケット(I) 」はパブリッシュされました: ソケットについてご存じでしょうか。また、MetaTrader 5でどのように使用するかをご存じでしょうか。もし答えが「いいえ」であれば、ここから一緒に学んでいきましょう。本日の記事では、その基礎について解説します。同じことを実現する方法はいくつも存在しますが、私たちが常に重視するのは結果です。そこで、MetaTrader 5からExcelのような他のプログラムへデータを転送するための、実際にシンプルな方法が存在することを示したいと思います。ただし、本来の主な目的は、MetaTrader

新しい記事「 ロイヤルフラッシュ最適化(RFO) 」はパブリッシュされました: オリジナルの「ロイヤルフラッシュ最適化」アルゴリズムは、最適化問題を解決するための新しいアプローチを提示しています。この手法では、遺伝的アルゴリズムで一般的に用いられる古典的な二進符号化を、ポーカーの原理に着想を得たセクターベースのアプローチに置き換えています。RFOは、基本原理を単純化することで、効率的かつ実用的な最適化手法が実現できることを示しています。本記事では、アルゴリズムの詳細な解析とテスト結果を紹介します。

新しい記事「 取引におけるニューラルネットワーク：階層型ダブルタワーTransformer（最終回） 」はパブリッシュされました: 複雑な多変量時系列の分析および予測を目的に設計された、Hidformer階層型ダブルタワーTransformerモデルの構築を引き続き進めます。本記事では、これまでに着手した作業を論理的な結論へと導き、実際の履歴データを用いてモデルを検証します。 ここまでで、 Hidformer

新しい記事「 弁証法的探索(DA) 」はパブリッシュされました: 本記事では、弁証法の考え方に着想を得た大域最適化手法である弁証法的アルゴリズム(Dialectical Algorithm, DA)を紹介します。このアルゴリズムは、集団を「思索的思考者(speculative thinkers)」と「実践的思考者(practical thinkers)」に独自に分割する点が特徴です。テストでは、低次元問題において最大98%の高い性能を示し、全体的な効率は57.95%に達しました。本記事ではこれらの指標を解説し、アルゴリズムの詳細な説明とさまざまな関数に対する実験結果を提示します。

新しい記事「 金融時系列予測のための生物学的ニューロン 」はパブリッシュされました: 時系列予測のために生物学的に正しいニューロンシステムを構築します。ニューラルネットワークのアーキテクチャにプラズマ的な環境を導入することで、一種の「集合知」が生まれます。そこでは、各ニューロンが直接的な結合だけでなく、長距離の電磁相互作用を通じてもシステム全体の動作に影響を与えます。このようなニューラル脳モデリングシステムが市場においてどのような性能を発揮するのかを見ていきます。

新しい記事「 取引におけるニューラルネットワーク：階層型ダブルタワーTransformer (Hidformer) 」はパブリッシュされました: 階層型ダブルタワーTransformer (Hidformer: Hierarchical Double-Tower Transformer)フレームワークについて紹介します。このフレームワークは時系列予測およびデータ分析向けに開発されました。Hidformerの開発者は、Transformerアーキテクチャに対して複数の改良を提案しており、その結果、予測精度の向上と計算リソースの削減を実現しています。

新しい記事「 取引におけるニューラルネットワーク：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。

新しい記事「 PythonとMQL5を使用した特徴量エンジニアリング（第3回）：価格の角度(2)極座標 」はパブリッシュされました: この記事では、あらゆる市場における価格レベルの変化を、それに対応する角度の変化へと変換する2回目の試みをおこないます。今回は、前回よりも数学的に洗練されたアプローチを採用しました。得られた結果は、アプローチを変更した判断が正しかった可能性を示唆しています。本日は、どの市場を分析する場合でも、極座標を用いて価格レベルの変化によって形成される角度を意味のある方法で計算する方法についてご説明します。

取引戦略の頭または尾 (Heads or Tails) : 信号ブロックコードの分析を伴う頭または尾の取引戦略（頭または尾）の古典的なバージョン。 作者: Vladimir Pastushak

新しい記事「 Pythonを使用したボラティリティ予測インジケーターの作成 」はパブリッシュされました: 本記事では、二値分類を使って将来の極端なボラティリティを予測します。さらに、機械学習を活用した極端ボラティリティ予測インジケーターの開発もおこないます。 この記事では、絶望から実用的なボラティリティ予測システムに至るまでの私の旅路を共有します。退屈な理論や学術用語は一切なし。実際に動く手法と経験談だけをお伝えします。MetaTrader 5とPythonをどう組み合わせたか（最初は相性が悪かった）、機械学習をどう活用したか、途中で遭遇した落とし穴などもお見せします。

新しい記事「 市場シミュレーション（第6回）：MetaTrader 5からExcelへの情報の転送 」はパブリッシュされました: 多くの人、特にプログラマーではない人は、MetaTrader 5と他のプログラムとの間で情報をやり取りすることは非常に難しいと感じます。その代表的な例がExcelです。多くの人がExcelをリスク管理や運用管理のための手段として利用しています。Excelは非常に優れたプログラムであり、VBAプログラマーでなくても比較的容易に習得できます。ここでは、MetaTrader 5とExcelの間に接続を確立する方法について説明します。方法は非常にシンプルなものです。

新しい記事「 リスク管理（第2回）：グラフィカルインターフェースでのロット計算の実装 」はパブリッシュされました: 本記事では、前回の記事で紹介した内容をさらに発展させ、MQL5の強力なグラフィカルコントロールライブラリを使って実際にGUIを作成する方法を解説します。ステップごとに、完全に動作するGUIを作る過程を追いながら、各メソッドの仕組みや役割、そしてその背後にある考え方についても丁寧に説明します。また、記事の最後には、作成したパネルをテストして、正しく機能することを確認します。 前回の 記事

新しい記事「 より優れたプログラマー(第07部): 成功したフリーランス開発者になるためのメモ 」はパブリッシュされました: MQL5でフリーランス開発者として成功したいならば、この記事はあなたにぴったりです。 報酬が高いからといって、やり方がわからない仕事に応募してはいけません。あなたがそもそもフリーランスの開発者になろうと思った最初の理由は報酬の高さだと思います。作業しながら学び、やり方をみつけることができると思い込むのは簡単です。私の経験では、この考え方はフリーランスでは通用しません。何を求めているかを正確に知っている真剣な顧客や、締め切りの厳しい仕事に対してはなおさらです。

新しい記事 MQL5.community 支払いシステム はパブリッシュされました: MQL5.community のビルトインサービスは MQL5 開発者、プログラム技能のない通常のトレーダー双方に多大な機会を与えてくれます。ただ、こういった機能はすべて売り手と買い手の間での清算をするための便利な基盤を提供する組織内での安全な支払システムなしには導入できないものです。本稿では MQL5.community 支払いシステムがどのように機能しているのかお話していきます。 作者: MetaQuotes Software Corp

新しい記事「 市場シミュレーション（第5回）：C_Ordersクラスの作成(II) 」はパブリッシュされました: 本記事では、Chart Tradeとエキスパートアドバイザー(EA)が連携して、ユーザーが保有しているすべてのポジションを決済する要求をどのように処理するのかを解説します。一見すると単純な処理に思えるかもしれませんが、実際には注意すべきいくつかの複雑な点があります。 前回の「 市場シミュレーション（第4回）：C_Ordersクラスの作成(I) 」では、主に成行注文を送信するためのコードの構造について説明しました。全体の説明は、Chart

新しい記事「 初級から中級まで：テンプレートとtypename(V) 」はパブリッシュされました: 本記事では、テンプレートの最後の簡単な使用例を探り、コード内でtypenameを使用する利点と必要性についても解説します。最初は少し難しく感じるかもしれませんが、テンプレートやtypenameを後で正しく使うためには、しっかり理解しておくことが重要です。 前回の「 初級から中級まで：テンプレートとtypename (IV)

トレーダーのためのMQL5プログラミング - 書籍からのソースコード。第6部 : 『トレーダーのためのMQL5プログラミング』の第6部では、MQL5言語の重要な要素である取引の自動化について学びます。まず、金融商品の仕様や取引口座の設定など、基本的なエンティティについて説明します。これらはエキスパートアドバイザー(EA)を適切に動作させるための前提条件です。 作者: MetaQuotes

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(MacroHFT) 」はパブリッシュされました: MacroHFTフレームワークは、マクロ経済データと適応型エージェントを用いて、高頻度暗号資産取引の意思決定を改善するために、コンテキスト認識型強化学習とメモリを応用するものです。 強化学習( RL )手法は、複雑な逐次意思決定問題に対応できるため、金融分野で注目を集めています。 RL

新しい記事「 市場シミュレーション（第4回）：C_Ordersクラスの作成(I) 」はパブリッシュされました: 本記事では、取引サーバーに注文を送信できるようにするためのC_Ordersクラスの作成を開始します。これは少しずつ進めていきますが、目的は、メッセージングシステムを通じてこれがどのようにおこなわれるのかを詳細に説明することです。 この連載を追ってきた方であれば、「 リプレイシステムの開発（第78回）：新しいChart Trade (V)

新しい記事「 DoEasy - サービス関数（第1回）：価格パターン 」はパブリッシュされました: この記事では、時系列データを使用して価格パターンを検索するメソッドの開発に着手します。パターンには、どのようなタイプのパターンにも共通する、一定のパラメータセットがあります。この種のデータはすべて、基となる抽象パターンのオブジェクトクラスに集約されます。今回は、抽象パターンクラスとピンバーパターンクラスを作成します。

Arbitrage Triangle EURGBP-EURUSD-GBPUSD : EAは、理論上の為替レートと実際の為替レートの不一致を識別し、リスクを最小限に抑えた取引機会を実行します。 Author: Peter Mueller