記事、ライブラリコメント - ページ 26

Auto_Envelope : 自動エンベロープインジケータ 作者: Scriptor

新しい記事「 知っておくべきMQL5ウィザードのテクニック（第43回）：SARSAによる強化学習 」はパブリッシュされました: SARSAは、State-Action-Reward-State-Actionの略で、強化学習を実装する際に使用できる別のアルゴリズムです。Q学習とDQNで見たように、ウィザードで組み立てられたエキスパートアドバイザー(EA)の中で、これを単なる訓練メカニズムとしてではなく、独立したモデルとしてどのように実装できるかを検討します。 強化学習

EA逆指値注文 : このエキスパートアドバイザーは、逆指値買い注文および逆指値売り注文のグリッドを配置します。 作者: Vladimir Karputov

RSI EA v2 : RSI EA - iRSI(相対強度指数、RSI)指標によって決定された買われ過ぎ/売られ過ぎ領域に基づく取引です。 作者: Vladimir Karputov

新しい記事「 ニュース取引が簡単に（第4回）：パフォーマンス向上 」はパブリッシュされました: この記事では、ストラテジーテスターでエキスパートアドバイザー(EA)のランタイムを改善する方法について掘り下げていきます。これらのニュースイベントの時間は、指定された時間内にアクセスされます。これにより、EAはボラティリティの高い環境でも低い環境でも、イベントドリブン取引を効率的に管理できます。 前回の記事

Exp_RSIOMA : RSIOMAヒストグラムのシグナルに基づいて描画されるExp_RSIOMAエキスパートアドバイザーです。 ‌ 作者: Nikolay Kositsin

新しい記事「 MQL5取引ツールキット（第3回）：未決注文管理EX5ライブラリの開発 」はパブリッシュされました: MQL5のコードやプロジェクトで、包括的な未決注文管理EX5ライブラリを開発して実装する方法を学びましょう。本記事では、広範な未決注文管理EX5ライブラリを作成する手順を紹介し、それをインポートおよび実装する方法を、取引パネルまたはグラフィカルユーザーインターフェース(GUI)の構築を通じて解説します。このEA注文パネルを使用すれば、チャートウィンドウ上のGUIから、指定されたマジックナンバーに関連する未決注文を直接オープン、監視、削除することが可能です。 まず、

新しい記事「 MQL5とデータ処理パッケージの統合（第3回）：データ可視化の強化 」はパブリッシュされました: この記事では、基本的なチャートの枠を超え、インタラクティブ性、データの層化、ダイナミックな要素といった機能を組み込むことで、トレーダーがトレンド、パターン、相関関係をより効果的に探求できるようにする、データ可視化の高度化について解説します。

新しい記事「 古典的な戦略を再構築する（第10回）：AIはMACDを強化できるか？ 」はパブリッシュされました: MACDインジケーターを経験的に分析し、インジケーターを含む戦略にAIを適用することで、EURUSDの予測精度が向上するかどうかをテストします。さらに、インジケーター自体が価格より予測しやすいのか、またインジケーターの値が将来の価格水準を予測できるのかも同時に評価します。これにより、AI取引戦略にMACDを統合することに投資する価値があるかどうかを判断するための情報を提供します。

新しい記事「 Pythonを使用した深層学習GRUモデルとEAによるONNX、GRUとLSTMモデルの比較 」はパブリッシュされました: Pythonを使用してGRU ONNXモデルを作成する深層学習のプロセス全体を説明し、最後に取引用に設計されたエキスパートアドバイザー(EA)の作成と、その後のGRUモデルとLSTNモデルの比較をおこないます。 LSTM と同様に、 GRU は逐次的なデータをモデル化するために作られ、時間経過に伴う情報の選択的な保持や省略を可能にします。特筆すべきは、 GRU は LSTM

新しい記事「 MQL5-Telegram統合エキスパートアドバイザーの作成（第4回）：関数コードのモジュール化による再利用性の向上 」はパブリッシュされました: の記事では、MQL5からTelegramへのメッセージおよびスクリーンショット送信に使用されている既存コードを、再利用可能なモジュール関数へと整理し、リファクタリングをおこないます。これによりプロセス全体が効率化され、複数インスタンスでの実行効率が高まるだけでなく、コードの管理も容易になります。 本連載第4部では、コードの モジュール化

PVT : 価格ボリュームトレンド（Price Volume Trend。PVT）は、標準的なオン・バランス・ボリューム（OBV）指標と同様の価格トレンドと量の指標です。 作者: Scriptor

Exp_MovingAverage_FN : このエキスパートアドバイザーは、MovingAverage_FN（デジタルおよびアナログフィルタハイブリッド指標）の方向の変更に基づいて描かれています。 作者: Nikolay Kositsin

CloseAllPositions : このスクリプトは現在の口座の全てのポジションを決済します。 作者: Nikolay Kositsin

新しい記事「 ニューラルネットワークが簡単に（第96回）：マルチスケール特徴量抽出(MSFformer) 」はパブリッシュされました: 長期的な依存関係と短期的な特徴量の効率的な抽出と統合は、時系列分析において依然として重要な課題です。正確で信頼性の高い予測モデルを作成するためには、それらを適切に理解し、統合することが必要です。 MSFformer モデルの著者は、異なる時間間隔におけるピラミッド型アテンションメカニズムの革新的なアーキテクチャを提案しています。さらに、入力データ内の多階層の時間情報を構築するため、大規模構築モジュールである CSCM ( Coarser-Scale

新しい記事 初心者のためのMQL5: Expert Advisorでのテクニカルインディケーター使用ガイド はパブリッシュされました: Expert Advisorで内蔵またはカスタムインディケーターの値を入手するには、まずそのハンドラーを対応する関数を使って作成しなければなりません。本記事の例は、自分のプログラム作成時にどのようにテクニカルインディケーターを使うか説明します。本記事はMQL5 言語の内蔵のインディケーターを説明します。これはトレーディングストラテジー策定の経験が浅い人向けで、関数のライブラリを使ったシンプルで分りやすいインディケーターの使用法を紹介します。

Exp_XOSignal_ReOpen : Exp_XOSignal_ReOpen取引システムは、XOSignal指標シグナルに基づいて、トレンドによるスケーリングを行います。 作者: Nikolay Kositsin

新しい記事「 ニューラルネットワークが簡単に（第85回）：多変量時系列予測 」はパブリッシュされました: この記事では、線形モデルとTransformerの長所を調和的に組み合わせた、新しい複雑な時系列予測手法を紹介します。 Client アルゴリズムの主な考え方は、時間的なAttentionから変数間の依存関係の分析に移行し、これに加えて線形モジュールを統合することで、変数間の依存関係とトレンド情報をより効果的に利用する点にあります。 Client

Cointegration : この指標は、複数の金融銘柄間の線形関係を計算して表示します。 у 作者: Maxim Dmitrievsky

新しい記事「 Across Neighbourhood Search (ANS) 」はパブリッシュされました: この記事では、問題の詳細と検索空間内の環境のダイナミクスを考慮できる柔軟でインテリジェントな最適化手法の開発における重要なステップとしてのANSアルゴリズムの可能性を明らかにします。 ANS (Across Neighborhood Search)アルゴリズムは、進化アルゴリズムおよびメタヒューリスティックの分野のアイデアを活用し、問題のパラメータ空間における最適解を見つけるために設計された最適化手法です。 ANSの主な特徴は次のとおりです。 近傍探索

新しい記事「 知っておくべきMQL5ウィザードのテクニック（第27回）：移動平均と迎角 」はパブリッシュされました: 迎角はよく引用される指標で、その急勾配は優勢なトレンドの強さと強い相関があると理解されています。一般的にどのように使用され、理解されているかを調べ、それを使用する取引システムの利益のために、その測定方法に導入可能な変更があるかどうかを検討します。

新しい記事「 スマートマネーコンセプト（オーダーブロック）とフィボナッチ指標を組み合わせた最適な取引エントリー方法 」はパブリッシュされました: SMC（オーダーブロック）は、機関投資家トレーダーが大規模なな売買を開始する主要領域です。価格が大きく動いた後、フィボナッチは直近のスイングハイからスイングローへの潜在的なリトレースメントを特定し、最適な取引エントリーを特定するのに役立ちます。

新しい記事 マルチ通貨システム エキスパートアドバイザーの作成 はパブリッシュされました: 一つ以上のトレーディングシンボルをトレードし、複数の戦略を用いるトレーダーがいると信じています。このアプローチは潜在的に利益を拡大させるだ けではなく、効果的な資金管理におけるリスクを最小限にします。エキスパートアドバイザーを作成する際は、プログラムの戦略の効果をチェックする上での最 初のステップは、最適な入力パラメーターを決定するための最適化です。 パラメーター値が特定されることで、エキスパートアドバイザーはトレードの準備が完了します。しかしながら、未だ答えられていない重要な質問が残っ

EMAレベルMTF : EMAレベルの複数時間枠バージョンです。 作者: Mladen Rakic

Grr-al : このエキスパートアドバイザーはストラテジーテスターの「始値のみ」や「1分足OHLC」モードのみで有用です。 作者: Igor Volodin

NeuroNirvamanEA 2 : このトレーディングシステムは、シンプルなニューラルネットワークに基づいています。 作者: Vladimir Karputov

新しい記事「 MetaTrader 5用のMQTTクライアントの開発：TDDアプローチ（最終回） 」はパブリッシュされました: この記事は、MQTT 5.0プロトコルのネイティブMQL5クライアントの開発ステップを説明する連載の最終回です。ライブラリはまだ製品化されていませんが、この部分では、他の証券会社から入手したティック（またはレート）でカスタム銘柄を更新するためにクライアントを使用します。ライブラリの現在の状況、MQTT 5.0プロトコルに完全に準拠するために足りないもの、可能なロードマップ、そしてその開発をフォローし貢献する方法についての詳細は、この記事の最後をご覧ください。

Symbol : 標準銘柄やカスタム銘柄を扱うためのライブラリ 作者: fxsaber

新しい記事「 PythonとMQL5でロボットを開発する（第3回）：モデルベース取引アルゴリズムの実装 」はパブリッシュされました: PythonとMQL5で自動売買ロボットを開発する連載を続けます。この記事では、Pythonで取引アルゴリズムを作成します。

新しい記事「 ニューラルネットワークが簡単に（第95回）：Transformerモデルにおけるメモリ消費の削減 」はパブリッシュされました: Transformerアーキテクチャに基づくモデルは高い効率を示しますが、その使用は、訓練段階と運転中の両方で高いリソースコストによって複雑になります。この記事では、このようなモデルのメモリ使用量を削減するアルゴリズムを紹介します。 MLKV 法は、 MQA と GQA のアルゴリズムを論理的に継承したものです。この手法では、 KV キャッシュサイズは、単一の 自己アテンション 層内のアテンションヘッド群によって共有される KV