記事、ライブラリコメント - ページ 26

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「 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)

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

Raymond Cloudy Day For EA : Raymond Cloudy Day For EAは、レイモンドがMT5プラットフォーム用に開発した画期的なトレーディングツールです。この革新的なインジケーターは、最先端の計算方法と高度なアルゴリズムを統合し、従来のピボット・ポイントを凌駕して、比類のない精度で取引戦略を強化します。 Author: The Hung Ngo

新しい記事「 取引におけるニューラルネットワーク：概念強化を備えたマルチエージェントシステム（最終回） 」はパブリッシュされました: FinConフレームワークの著者によって提案されたアプローチの実装を続けます。FinConは、大規模言語モデル(LLM)をベースとしたマルチエージェントシステムです。本日は、必要なモジュールを実装し、実際の過去データを用いたモデルの包括的なテストをおこないます。

新しい記事「 MQL5で自己最適化エキスパートアドバイザーを構築する（第16回）：教師あり学習を用いた線形システム同定 」はパブリッシュされました: 線形システム同定は、教師あり学習アルゴリズムにおける誤差補正の学習と組み合わせることができます。これにより、統計的モデリング手法に依存したアプリケーションを構築しつつも、モデルが前提とする厳格な仮定の脆弱性を必ずしも引き継ぐことなく設計することが可能になります。従来の教師あり学習アルゴリズムには多くの要件がありますが、それらはフィードバックコントローラーと組み合わせることで補完でき、モデルを補正しながら現在の市場環境に適応させることができます。

新しい記事「 取引におけるニューラルネットワーク：概念強化を備えたマルチエージェントシステム(FinCon) 」はパブリッシュされました: FinConフレームワークは、大規模言語モデル(LLM)をベースにしたマルチエージェントシステムです。概念的言語強化を活用して意思決定とリスク管理を改善し、さまざまな金融タスクで効果的に機能するよう設計されています。

価格チャネルストップ : 価格チャネルストップ指標では、チャネル期間と希望するリスクに基づいて現在の推定トレンドが示されます。また、この指標に基づいて出された注文のストップロスとして使用できる2つのレベルの値も表示されます（トレンド色の変更は新規注文を出すためのシグナルとすでに開いている注文の決済シグナルとして使用できます）。 作者: Mladen Rakic

新しい記事「 ペア取引における平均回帰による統計的裁定取引：数学で市場を攻略する 」はパブリッシュされました: 本記事では、ポートフォリオレベルの統計的アービトラージの基本的な概念を紹介します。数学の深い知識がない読者にも理解しやすく説明し、実際の運用を始めるためのコンセプトフレームワークを提案することを目的としています。記事には、動作するエキスパートアドバイザー(EA)と、1年間のバックテストに関する注記、再現用の設定ファイル（.iniファイル）も含まれています。

Custom Hammer and Inverted Hammer : カスタムハンマーと逆ハンマー Author: Rajesh Kumar Nait

MT5用リスクカリキュレーター : このインジケータは、リスクをパーセンテージで計算し、そのリスクに対して許容できるロットサ イ ズ を 示 し ま す 。リスクをパーセンテージで、ストップサイズをpipsで指定するだけです。 Author: Yevgeniy Koshtenko

新しい記事「 初心者からエキスパートへ：パラメータ制御ユーティリティ 」はパブリッシュされました: 従来のEAやインジケーターの入力プロパティを、リアルタイムで操作可能なオンチャートのコントロールインターフェースへと変換することを想像してみてください。本記事は、これまでに取り組んできたMarket Periods

新しい記事「 リスク管理（第1回）：リスク管理クラス構築の基礎 」はパブリッシュされました: 本記事では、取引におけるリスク管理の基礎を解説し、適切なロットサイズやストップロスを計算するための最初の関数の作成方法を学びます。さらに、これらの機能がどのように動作するのかを、各ステップを追いながら詳しく説明します。本記事の目的は、自動売買においてこれらの概念をどのように適用するかを明確に理解することです。最後に、インクルードファイルを使用したシンプルなスクリプトを作成し、すべてを実践に落とし込みます。

新しい記事「 取引におけるニューラルネットワーク：金融市場向けマルチモーダルツール拡張エージェント(FinAgent) 」はパブリッシュされました: FinAgentを紹介します。FinAgentは、マーケットの動向や過去の取引パターンを反映するさまざまなタイプのデータを分析できるマルチモーダル金融取引エージェントのフレームワークです。 しかし、金融データ分析における LLM エージェントにはいくつかの制約があります。 数値データ、テキスト、視覚情報のマルチモーダル処理が限定的 複数ソースからのデータ統合の精度が必要 急速に変化する市場への適応性が低い 専門知識や従来の手法の活用が困難

新しい記事「 取引におけるニューラルネットワーク：金融市場向けマルチモーダルツール拡張エージェント（最終部） 」はパブリッシュされました: マルチモーダル市場の動向データと過去の取引パターンを分析するために設計されたマルチモーダル金融取引エージェント「FinAgent」のアルゴリズム開発を続けます。 前回と前々回の記事では、 FinAgent

新しい記事「 多通貨エキスパートアドバイザーの開発（第21回）：重要な実験の準備とコードの最適化 」はパブリッシュされました: さらなる前進のためには、自動最適化を定期的に再実行し、新しいエキスパートアドバイザー(EA)を生成することで結果を改善できるかどうかを検証することが有益でしょう。パラメータ最適化の利用を巡る多くの議論における最大の障害は、取得したパラメータを将来の期間において、収益性およびドローダウンを所定の水準に保ったまま、どれだけ長く取引に使用できるのかという点です。そして、そもそもそれは可能なのかという問題でもあります。

新しい記事「 取引におけるニューラルネットワーク：層状メモリを持つエージェント（最終回） 」はパブリッシュされました: 引き続き、FinMemフレームワークの構築に取り組みます。本フレームワークは、人間の認知プロセスを模した層状メモリアプローチを用いることで、複雑な金融データを効果的に処理できるだけでなく、新しいシグナルに適応することも可能にします。その結果、動的に変化する市場における投資判断の精度と有効性が大幅に向上します。 前回の2つの記事では FinMem

新しい記事「 MQL5とPythonで自己最適化エキスパートアドバイザーを構築する（第3回）：Boom 1000アルゴリズムの解読 」はパブリッシュされました: 本連載では、動的な市場状況に自律的に適応できるエキスパートアドバイザー(EA)を構築する方法について説明します。本日の記事では、Derivの合成市場に合わせてディープニューラルネットワークを調整してみます。 Derivの合成市場をすべて個別に分析します。まずは最も有名な合成市場であるBoom 1000から始めます。Boom

Wickless Breakout : ウィックレス・ブレイクアウト Author: Rajesh Kumar Nait

新しい記事「 共和分株式による統計的裁定取引（第6回）：スコアリングシステム 」はパブリッシュされました: 本記事では、共和分株式の統計的裁定取引に基づく平均回帰戦略のスコアリングシステムを提案します。流動性や取引コストから、共和分ベクトルの数（ランク）や回帰までの時間に至るまでの基準を示しつつ、時間足やルックバック期間のような戦略的基準も考慮し、スコアランキングを正しく評価する前に検討しています。バックテストの再現に必要なファイルも提供され、その結果についてもコメントしています。

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47回）：MetaTrader 5で外国為替セッションとブレイクアウトを追跡する 」はパブリッシュされました

新しい記事「 迅速な取引判断を極める：実行麻痺を克服する 」はパブリッシュされました: UT BOT ATRトレーリングインジケーターは、個人向けにカスタマイズ可能なインジケーターであり、短期売買において素早い意思決定を好むトレーダー（スキャルパー）にとって非常に効果的です。また、長期取引をおこなうトレーダー（ポジショントレーダー）にとっても重要かつ非常に有効であることが実証されています。

DCC / Piercing : DCC / ピアス Author: Rajesh Kumar Nait