新しい記事「 DoEasyライブラリでの価格(第64部): 板情報、DOMスナップショットのクラスおよびスナップショットシリーズオブジェクト 」はパブリッシュされました: 本稿では、2つのクラス(DOMスナップショットオブジェクトのクラスとDOMスナップショットシリーズオブジェクトのクラス)を作成し、DOMデータシリーズの作成をテストします。 最後のDOMスナップショットの数、銘柄の注文数、現在のスナップショットの注文数、およびDOMスナップショットリストに追加されたDOMスナップショットの総数は、銘柄チャートに表示されます。
新しい記事「 DoEasyライブラリでの価格(第63部): 板情報とその抽象リクエストクラス 」はパブリッシュされました: 本稿では、板情報を使用するための機能の開発を開始します。また、板情報抽象注文オブジェクトとその子孫のクラスも作成します。 本稿では、板情報(DOM)を使用するための機能の実装を開始します。概念的には、DOMを使用するためのクラスは、以前に実装されたすべてのライブラリクラスと同じです。同時に、DOMに保存されている注文に関するデータを特徴とするDOMのモールドがあります。データは、 OnBookEvent() ハンドラがアクティブ化されたときに
新しい記事「 DoEasyライブラリでの価格(第62部): ティックシリーズをリアルタイムで更新して板情報で作業するための準備 」はパブリッシュされました: この記事では、ティックデータの更新をリアルタイムで実装し、板情報を操作するための銘柄オブジェクトクラスを準備します(DOM自体は次の記事で実装されます)。
新しい記事「 自己適応アルゴリズム(第IV部)：その他の機能とテスト 」はパブリッシュされました: 引き続き、必要最小限の機能でアルゴリズムを実装して結果をテストします。収益性は非常に低いですが、連載では、完全に自動化された、根本的に異なる市場で取引される完全に異なる商品で収益性の高い取引モデルを示しています。
新しい記事「 ニューラルネットワークが簡単に(第10回): Multi-Head Attention 」はパブリッシュされました: ニューラルネットワークにおける自己注意のメカニズムについては、以前に検討しました。実際には、最新のニューラルネットワークアーキテクチャは、いくつかの並列した自己注意スレッドを使用して、シーケンスの要素間のさまざまな依存関係を見つけます。このようなアプローチの実装を検討し、ネットワーク全体のパフォーマンスへの影響を評価しましょう。
新しい記事「 DoEasyライブラリでの価格(第60部): 銘柄ティックデータのシリーズリスト 」はパブリッシュされました: 本稿では、単一銘柄のティックデータを格納するためのリストを作成し、EAでの必要なデータの作成と取得を確認します。さらに、使用される銘柄ごとの個別のティックデータリストでティックデータのコレクションを構成します。 EAをコンパイルし、現在の銘柄と時間枠を使用するように設定で事前に定義されている銘柄チャートで起動します。EAを初期化するとき、 EAパラメータのデータ、作成された時系列 、および(少し後で)作成されたティックシリーズのデータが表示されます。その日の
新しい記事「 自己適応アルゴリズム(第III部)：最適化の放棄 」はパブリッシュされました: 履歴データに基づく最適化を使用してパラメータを選択する場合、真に安定したアルゴリズムを取得することは不可能です。安定したアルゴリズムは、常時、どんな取引商品で作業していても、必要なパラメータを認識している必要があります。予測や推測ではなく、確実に知っているべきです。
新しい記事「 自己適応アルゴリズムの開発(第II部): 効率の向上 」はパブリッシュされました: この記事では、以前に作成したアルゴリズムの柔軟性を向上させることでトピックの開発を続けます。アルゴリズムは、分析期間内のローソク足の数の増加または上昇/下降ローソク足超過率のしきい値の増加によって、より安定しました。分析のためにより大きなサンプルサイズを設定するかより高いローソク足の超過率を設定して、妥協する必要がありました。
新しい記事「 パターン検索への総当たり攻撃アプローチ(第III部): 新しい水平線 」はパブリッシュされました: 本稿では、総当たり攻撃のトピックを続けます。プログラムアルゴリズムに市場分析の新しい機会を導入することで分析速度を高め、結果の品質を向上します。新しい追加により、このアプローチ内でグローバルパターンの最高品質で表示できるようになります。
Pivot Oscillator: ピボットオシレータ(Pivot Oscillator)は、ピボットラインを別のウィンドウに表示して、ピボットラインを基準にした価格の位置を示す、よく知られたピボット指標のバリエーションです。 作者: Mladen Rakic
SilverTrend_Signal:
インディケータはチャートで着色されたドットを使用して売買シグナルを生成してメッセージを表示します。
作者: Nikolay Kositsin
新しい記事「 CatBoostアルゴリズムを使用した外国為替市場の季節によるパターンの特定 」はパブリッシュされました: 本稿では、時間フィルタを使用した機械学習モデルの作成について検討し、このアプローチの有効性について説明します。人的要因はモデルに特定の曜日の特定の時間に取引するように指示するだけで排除できるようになっています。パターン検索は、別のアルゴリズムで提供できます。
新しい記事「 市場とそのグローバルパターンの物理学 」はパブリッシュされました: 本稿では、市場を少しでも理解してるシステムはどれでも世界規模で運用できるという前提を試してみます。理論やパターンは発明せずに既知の事実のみを使用し、これらの事実を徐々に数学的分析の言語に翻訳していきます。 これがMetaTrader5テスターの出番です。MetaTrader
新しい記事「 自己適応アルゴリズムの開発(第I部)：基本的なパターンの検索 」はパブリッシュされました: この連載では、ほとんどの市場要因を考慮した自己適応アルゴリズムの開発を示すとともに、これらの状況を体系化してロジックで説明し、取引活動で考慮に入れる方法を示します。非常に単純なアルゴリズムから始めて、徐々に理論を習得し、非常に複雑なプロジェクトに進化していきます。
新しい記事「 ニューラルネットワークが簡単に(第9部)：作業の文書化 」はパブリッシュされました: 長い道のりでした。ライブラリ内のコードはどんどん増えてきており、すべてのリンクと依存関係を追跡することが困難になっています。したがって、以前に作成したコードのドキュメントを作成し、新しい手順ごとに更新し続けることをお勧めします。適切に準備された文書化は、作業の整合性を確認するのに役立ちます。 プログラムが完了すると、すぐに使用できるドキュメントが届きます。いくつかのスクリーンショットを以下に示します。完全なドキュメントは添付ファイルに記載されています。 作者: Dmitriy Gizlyk
新しい記事「 ニューラルネットワークが簡単に（第8回) アテンションメカニズム 」はパブリッシュされました: 以前の記事では、ニューラルネットワークを整理するための様々な選択肢を既に検証しました. また、画像処理アルゴリズムから借りた畳み込みネットワークについても検討しました. 今回の記事では、言語モデルの開発に弾みをつけた「アテンション・メカニズム」を考えることを提案します. ローソク足のシンボルチャートを分析する際には、トレンドや傾向を定義し、その取引レンジを決定します. それは、全体像からいくつかのオブジェクトを選択し、それらに注意を集中させることを意味します
新しい記事「 DoEasyライブラリの時系列(第59部): 単一ティックのデータを格納するオブジェクト 」はパブリッシュされました: 本稿からは、価格データを処理するライブラリ機能を作成します。今日、さらに別のティックで到着したすべての価格データを格納するオブジェクトクラスを作成します。 EAをコンパイルし、現在の銘柄と時間枠を使用するように設定が事前に設定されているチャートで起動します。起動して新しいティックが到着すると、ティックデータオブジェクト(到着したティック)の説明が操作ログに表示されます。 Account 8550475 : Artyom Trishkin (MetaQuotes
新しい記事「 DoEasyライブラリの時系列(第58部): 指標バッファデータの時系列 」はパブリッシュされました: 時系列の操作に関するトピックのしめくくりとして、指標バッファに格納されているストレージ、検索、およびデータの並べ替えを整理します。これにより、プログラムでライブラリベースで作成される指標の値に基づいて分析をさらに実行できます。ライブラリのすべてのコレクションクラスの一般的な概念により、対応するコレクションで必要なデータを簡単に見つけることができます。それぞれ、今日作成されたクラスでも同じことが可能です。
新しい記事「 パターン検索への総当たり攻撃アプローチ(第II部): イマージョン 」はパブリッシュされました: 本稿では、引き続き総当たり攻撃アプローチについて説明します。改良されたアプリケーションの新バージョンを使用して、パターンをより良く説明を試みます。また、さまざまな時間間隔と時間枠を使用して、安定性の違いの特定も試みます。
新しい記事「 トレーディングにおけるニューラルネットワークの実用化。 Python (パートI) 」はパブリッシュされました: 今回は、Pythonによるディープニューラルネットワークのプログラミングに基づいたトレードシステムの実装を一つ一つ分析します。 Googleが開発した機械学習ライブラリ「TensorFlow」を使って行います。 また、ニューラルネットワークの記述にはKerasライブラリを使用します。 ニューラルネットワーク学習のデータ準備に関するポイントを考えてみましょう。 意思決定 のために、2つのニューラルネットワークを用いて、 一方向 にポジションを開くために使用します。
新しい記事「 スプレッドシートを使ってトレード戦略を構築する 」はパブリッシュされました: この記事では、スプレッドシート（Excel、Calc、Google）を使ってあらゆる戦略を分析できるようにするための基本的な考え方や方法を解説します。 得られた結果をMetaTrader5のテスターと比較します。 戦略の収益性を分析するためには、トレード期間中の価格による移動距離を計算する必要があります。 一番簡単なのは、数段階に分けて行うことです。 まず、トレード価格を選択します。 トレードが開かれている場合は、シグナル（ L
新しい記事「 トランスダクション・アクティブ機械学習におけるスロープブースト 」はパブリッシュされました: 本記事では、実データを活用したアクティブな機械学習手法について考察するとともに、その長所と短所について考察していきます. おそらく、いくつかの方法が有用であるとわかるでしょうし、機械学習モデルのアーセナルにインクルードするでしょう. トランスダクションは、サポートベクターマシン（SVM）の共同発明者であるVladimir Vapnik氏が紹介しています. アクティブラーニングに直行して、その効果をデータで検証してみましょう
新しい記事「 MetaTrader5のWebSocket 」はパブリッシュされました: MQL5 APIが更新されてネットワーク機能が導入される前は、MetaTraderプログラムでは、WebSocketベースのサービスに接続してインターフェイスする機能が制限されていました。しかしもちろん、これはすべて変わっています。本稿では、純粋なMQL5でのWebSocketライブラリの実装について説明します。WebSocketプロトコルの簡単な説明とともに結果のライブラリの使用方法に関する手順のガイドが提示されます。 以下は、サーバーに接続しているときに実行されているプログラムのビデオです。 作者
新しい記事「 ニューラルネットワークができるように（その７）．適応的最適化法 」はパブリッシュされました: 以前の記事では、ネットワーク内のすべてのニューロンに対して同じ学習率を用いてニューラルネットワークをトレーニングするためにストキャスティクススロープ降下法を使用しました。 本論文では、各ニューロンの学習速度を変化させることができる適応学習法に着目します。 その是非についても検討していきたいと思います。 アダム法による最適化のテストは、以前の テスト
新しい記事「 アルゴリズム取引から100万ドルを稼ぐ方MQL5.comサービスを使用してください 」はパブリッシュされました: トレーダーは皆、最初の百万ドルを稼ぐことを目標に市場を訪れます。過度のリスクと初期予算なしでこれを行う方法は何でしょうか。MQL5サービスは、世界中の開発者やトレーダーにそのような機会を提供します。 当社の取引アプリケーションマーケットは、この種のオンラインストアで世界で最も人気があり、月間売上高は数百万ドルに上ります。現在までに、数十の販売者がすでに数十万ドルを稼いでいます。
新しい記事「 取引システムの開発と分析への最適なアプローチ 」はパブリッシュされました: 本稿では、資金を投資するためのシステムまたはシグナルを選択する際に使用する基準を示すとともに、取引システムの開発への最適なアプローチを説明し、外国為替取引におけるこの問題の重要性を強調します。 ご覧のとおり、ここにもグローバルパターンの兆候があり、間隔全体をテストして、グローバルスケールでどのように見えるかを確認する必要があります。
新しい記事「 ニューラルネットワークができるように（その６）。ニューラルネットワークの学習率を実験する 」はパブリッシュされました: これまで、様々な種類のニューラルネットワークをその実装とともに考察してきました。 すべての場合において、ニューラルネットワークは、学習率を選択する必要があるグラディエントディーセント法を用いてトレーニングされました。 今回は、正しく選択されたレートの重要性とニューラルネットワーク学習への影響を例を用いて示したいと思います。 実験3は、この記事の本題から少し逸脱します。 そのアイデアは、最初の2つの実験の間に生まれました。 ということで、シェアすることにしました。
新しい記事「 ニューラルネットワークが簡単にできるように(その5).OpenCLでのマルチスレッド計算 」はパブリッシュされました: ニューラルネットワークの実装のいくつかのタイプについては、これまで説明してきました。 これまで考慮されたネットワークでは、各ニューロンに対して同じ操作が繰り返されます。 さらに論理的な進展としては、ニューラルネットワークの学習プロセスを高速化するために、現代の技術が提供するマルチスレッドコンピューティング機能を利用することです。 可能な実装の1つは、この記事で説明しています。 どの技術を使うかは選択しました。
新しい記事「 TDシーケンシャルと一連のMurray-Gannレベルを使用したチャートの分析 」はパブリッシュされました: 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、価格変動のバランスの変化を示すのが得意です。これは、そのシグナルをレベル指標(Murreyレベルなど)と組み合わせると特に明白になります。本稿は、主に初心者や「聖杯」を見つけることができない人を対象としています。また、他のフォーラムでは見たことのないレベル構築の機能をいくつか提示するので、おそらく上級トレーダーにも役立つでしょう... 提案や合理的な批判は大歓迎です
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
新規登録
ログイン