記事、ライブラリコメント - ページ 3

新しい記事「 MQL5を使ったシンプルな多通貨エキスパートアドバイザーの作り方（第3回）：銘柄名のプレフィックスおよび/またはサフィックスと取引時間セッションを追加しました 」はパブリッシュされました: 数人のトレーダー仲間から、プレフィックスやサフィックスを持つ銘柄名を持つブローカーでこの多通貨EAを使用する方法、およびこの多通貨EAで取引タイムゾーンや取引タイムセッションを実装する方法についてメールやコメントをいただきました。 前回の 記事 で、この多通貨エキスパートアドバイザー（EA)は、プレフィックスまたはサフィックスを持つ銘柄名またはペア名を持つブローカーでは機能しないと述べました。

新しい記事「 ニューラルネットワークが簡単に（第26部）：強化学習 」はパブリッシュされました: 機械学習の手法の研究を続けます。今回からは、もう1つの大きなテーマである「強化学習」を始めます。この方法では、モデルは問題を解決するためのある種の戦略を設定することができます。この強化学習の特性は、取引戦略を構築する上で新たな地平を切り開くものと期待されます。 私たちは常に周りを見渡し、触って物を評価し、音を聞いています。私たちは感覚を通して、刻々と世界を評価しているのです。心の中ではその状態を固定してしまいます。 同様に、 環境 はその エージェント によって評価される 状態 を生成します。

書籍「MQL5を使用したアルゴリズム取引のためのニューラルネットワーク」からの例 : 本書「MQL5を使用したアルゴリズム取引のためのニューラルネットワーク」は、人工知能とニューラルネットワークの理論的基礎と、MQL5プログラミング言語を使った金融取引への応用の実践的側面の両方を網羅した包括的なガイドブックです。 作者: MetaQuotes

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（第4回） 」はパブリッシュされました: この記事は、MQTT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第4回です。このセクションでは、MQTT v5.0のプロパティとは何か、そのセマンティクス、いくつかのプロパティの読み方について説明し、プロトコルを拡張するためにプロパティをどのように使用できるかの簡単な例を示します。 プロパティは、MQTT

新しい記事「 エキスパートアドバイザー(EA)に指標を追加するための既製のテンプレート（第3部）：トレンド指標 」はパブリッシュされました: この参考記事では、トレンド指標カテゴリから標準的な指標を取り上げます。パラメータの宣言と設定、指標の初期化と解除、EAの指標バッファからのデータとシグナルの受信など、EAで指標を使用するためのすぐに使えるテンプレートを作成します。 この記事では、EAで指標を使用するための既製のテンプレートについての話題を続けます。 オシレーター と 出来高指標、ビルウィリアムズの指標 をEAに接続するためのテンプレートについては、すでに検討しました。

新しい記事「 母集団最適化アルゴリズム：Shuffled Frog-Leaping (SFL) アルゴリズム 」はパブリッシュされました: 本稿では、Shuffled Frog-Leaping (SFL)アルゴリズムの詳細な説明と、最適化問題を解く上でのその能力を紹介します。SFLアルゴリズムは、自然環境におけるカエルの行動から着想を得ており、関数最適化への新しいアプローチを提供します。SFLアルゴリズムは、効率的で柔軟なツールであり、様々な種類のデータを処理し、最適解を得ることができます。 Shuffled Frog Leaping Algorithm

新しい記事「 ニューラルネットワークが簡単に（第58回）：Decision Transformer (DT) 」はパブリッシュされました: 強化学習の手法を引き続き検討します。この記事では、一連の行動を構築するパラダイムでエージェントの方策を考慮する、少し異なるアルゴリズムに焦点を当てます。 本連載では、すでにかなり幅広い種類の強化学習アルゴリズムを検証してきました。どれも基本的なアプローチを採用しています。 エージェントは環境の現状を分析します。 （学習した方策-行動戦略の枠内で）最適な行動をとります。 環境の新しい状態に移行します。

新しい記事「 データサイエンスと機械学習(第15回)：SVM、すべてのトレーダーのツールボックスの必須ツール 」はパブリッシュされました

新しい記事「 ビジュアルプログラミング言語DRAKON：MQL開発者と顧客のコミュニケーションツール 」はパブリッシュされました

新しい記事「 ペアトレード 」はパブリッシュされました: 本稿では、ペアトレードについて、その原理は何か、実用化の見込みはあるのかを考えてみたいと思います。また、ペアトレード戦略にも挑戦します。 ペアトレードは、1980年代にJerry Bambergerが初めて提唱した 統計的裁定取引 （英語）の一種です。この取引戦略は市場中立であるため、トレーダーはほとんどどのような市場環境でも利益を得ることができます。ペアトレードは、相互に関連する金融商品の特性が、一時的な乖離の後、過去の平均値に戻るという仮定に基づいています。このように、ペアトレードはいくつかの簡単な操作に集約されます。

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（第2回） 」はパブリッシュされました: この記事は、MQTT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一部です。今回は、コードの構成、最初のヘッダーファイルとクラス、そしてテストの書き方について説明します。この記事には、テスト駆動開発(Test-Driven-Development)の実践と、それをこのプロジェクトにどのように適用しているかについての簡単なメモも含まれています。

新しい記事「 ニューラルネットワークが簡単に（第57回）：Stochastic Marginal Actor-Critic (SMAC) 」はパブリッシュされました: 今回は、かなり新しいStochastic Marginal Actor-Critic (SMAC)アルゴリズムを検討します。このアルゴリズムは、エントロピー最大化の枠組みの中で潜在変数方策を構築することができます。

新しい記事「 MQL5のALGLIB数値解析ライブラリ 」はパブリッシュされました: この記事では、ALGLIB3.19数値分析ライブラリ、その応用、金融データ分析の効率を向上させる新しいアルゴリズムについて簡単に説明します。 金融データを扱うときにALGLIBを選択する理由は何でしょうか。 このライブラリの主な利点は次のとおりです。 携帯性：ALGLIBは、さまざまなコンパイラを使用してさまざまなプラットフォーム上で簡単にコンパイルできるため、さまざまな背景を持つ開発者が利用できます。

新しい記事「 エキスパートアドバイザー(EA)に指標を追加するための既製のテンプレート（第2部）：出来高指標とビルウィリアムズの指標 」はパブリッシュされました: この記事では、標準的な出来高指標とビルウィリアムズ指標のカテゴリについて見ていきます。パラメータの宣言と設定、指標の初期化と解除、EAの指標バッファからのデータとシグナルの受信など、EAで指標を使用するためのすぐに使えるテンプレートを作成します。 この記事では、EAで指標を使用するための既製のテンプレートについての話題を続けます。ここでは、出来高指標とビルウィリアムズの指標をEAに接続して使用することについて見ていきます。本連載の

新しい記事「 時系列マイニング用データラベル（第３回）：ラベルデータの利用例 」はパブリッシュされました: この連載では、ほとんどの人工知能モデルに適合するデータを作成できる、いくつかの時系列のラベル付け方法を紹介します。ニーズに応じて的を絞ったデータのラベル付けをおこなうことで、訓練済みの人工知能モデルをより期待通りの設計に近づけ、モデルの精度を向上させ、さらにはモデルの質的飛躍を助けることができます。 この記事では、Metatrader

新しい記事「 独自のLLMをEAに統合する（第2部）：環境展開例 」はパブリッシュされました: 今日の人工知能の急速な発展に伴い、言語モデル(LLM)は人工知能の重要な部分となっています。私たちは、強力なLLMをアルゴリズム取引に統合する方法を考える必要があります。ほとんどの人にとって、これらの強力なモデルをニーズに応じて微調整し、ローカルに展開して、アルゴリズム取引に適用することは困難です。本連載では、この目標を達成するために段階的なアプローチをとっていきます。

新しい記事「 独自のLLMをEAに統合する（第1部）：ハードウェアと環境の導入 」はパブリッシュされました: 今日の人工知能の急速な発展に伴い、言語モデル(LLM)は人工知能の重要な部分となっています。私たちは、強力なLLMをアルゴリズム取引に統合する方法を考える必要があります。ほとんどの人にとって、これらの強力なモデルをニーズに応じて微調整し、ローカルに展開して、アルゴリズム取引に適用することは困難です。本連載では、この目標を達成するために段階的なアプローチをとっていきます。

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07回）：樹状図 」はパブリッシュされました: 分析や予測を目的としたデータの分類は、機械学習の中でも非常に多様な分野であり、数多くのアプローチや手法があります。この作品では、そのようなアプローチのひとつである「凝集型階層分類」を取り上げます。 階層クラスタリング （英語）というと難しく聞こえますが、実際はとてもシンプルです。わかりやすく言えば、まず基本的な個々の クラスタ

新しい記事「 MQL5での価格バーの並べ替え 」はパブリッシュされました: この記事では、価格バーを並べ替えるアルゴリズムを紹介し、EAの潜在的な購入者を欺くためにストラテジーのパフォーマンスが捏造された事例を認識するために並べ替えテストをどのように使用できるかを詳述します。

新しい記事「 MQL5で日付と時刻を扱う方法を学ぶ 」はパブリッシュされました: 日付と時刻の取り扱いという、新しい重要なトピックについての新しい記事です。トレーダーとして、あるいは取引ツールのプログラマーとして、日付と時間という2つの側面をいかにうまく、効果的に扱うかを理解することは非常に重要です。そこで今回は、効果的な取引ツールを円滑かつシンプルに作成するために、日付と時刻をどのように扱えばよいのか、私ができる範囲で重要な情報をお伝えします。 時間の重要性、そしてそれが取引の意思決定や結果にどのような影響を与えるかは、金融市場関係者は誰も隠していないことです。MQL5

新しい記事「 ONNXをマスターする：MQL5トレーダーにとってのゲームチェンジャー 」はパブリッシュされました

新しい記事「 MQL5の圏論（第23回）：二重指数移動平均の別の見方 」はパブリッシュされました: この記事では、前回に引き続き、日常的な取引指標を「新しい」視点で見ていくことをテーマとします。今回は、自然変換の水平合成を取り扱いますが、これに最適な指標は、今回取り上げた内容を拡大したもので、二重指数移動平均(DEMA)です。 本稿の目的は、 自然変換 の水平合成の概念を強調することです。前回の記事では、その反意語について考えました。

新しい記事「 MQL5における代替リスクリターン指標 」はパブリッシュされました: 本稿では、シャープレシオの代替指標とされるいくつかのリスクリターン指標の実装を紹介し、その特徴を分析するために仮想資本曲線を検証します。 下の図は、エキスパートアドバイザー(EA)として実装されたMetatrader 5 (MT5)アプリケーションで、3つの資本曲線を表示しています。赤の資本曲線は、青と緑の資本曲線の元となるベンチマークです。ベンチマークは、初期資本を設定することで変更できます。アプリケーションから調整可能です。

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（第３部） 」はパブリッシュされました: この記事は、MQTTプロトコルのネイティブMQL5クライアントの開発手順を説明する連載の第3部です。今回は、CONNECT/CONNACKパケット交換の操作時の動作部分を実装するために、テスト駆動開発をどのように使用しているかについて詳しく説明します。この手順の最後に、クライアントは、接続の試みから生じる可能性のあるサーバー結果のどれに対しても、絶対的に、適切に振る舞うことができなければなりません。

新しい記事「 エキスパートアドバイザー(EA)に指標を追加するための既製のテンプレート（第1部）：オシレーター 」はパブリッシュされました: この記事では、オシレーターカテゴリから標準的な指標を検討します。パラメータの宣言と設定、指標の初期化と初期化解除、EAの指標バッファからのデータとシグナルの受信など、EAですぐに使用できるテンプレートを作成します。

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VI部）：循環最適化 」はパブリッシュされました: この記事では、MetaTrader 4および5の取引の自動化チェーン全体を完成するだけでなく、より興味深いことができるようになった改善の最初の部分を示します。今後、このソリューションにより、EAの作成と最適化の両方を完全に自動化し、効果的な取引構成を見つけるための人件費を最小限に抑えることができます。

新しい記事「 MQL5の圏論（第22回）：移動平均の別の見方 」はパブリッシュされました: この記事では、最も一般的で、おそらく最も理解しやすい指標を1つだけ取り上げて、連載で扱った概念の説明の簡略化を試みます。移動平均です。そうすることで、垂直的自然変換の意義と可能な応用について考えます。 圏論

新しい記事「 MQL5の圏論（第21回）：LDAによる自然変換 」はパブリッシュされました: 連載21回目となるこの記事では、自然変換と、線形判別分析を使ったその実装方法について引き続き見ていきます。前回同様、シグナルクラス形式でその応用例を紹介します。 自然変換 についての考察を続けるにあたり、この記事では時系列予測への応用についてさらに考察します。自然な変換は、関連性のあるデータセットから推測できることが多いです。

新しい記事「 ニューラルネットワークが簡単に（第56回）：核型ノルムを研究の推進力に 」はパブリッシュされました: 強化学習における環境の研究は喫緊の課題です。いくつかのアプローチについてすでに見てきました。この記事では、核型ノルムの最大化に基づくもう一つの方法について見てみましょう。これにより、エージェントは新規性と多様性の高い環境状態を特定することができます。 強化学習は、エージェントが独立して環境を探索するというパラダイムに基づいています。エージェントは環境に影響を与え、それが環境の変化につながります。その見返りとして、エージェントは何らかの報酬を受け取ります。

新しい記事「 ニューラルネットワークが簡単に（第55回）：対照的内発制御（Contrastive intrinsic control、CIC） 」はパブリッシュされました: 対照訓練は、教師なしで表現を訓練する方法です。その目標は、データセットの類似点と相違点を強調するためにモデルを訓練することです。この記事では、対照訓練アプローチを使用してさまざまなActorスキルを探究する方法について説明します。 対照的内発制御アルゴリズムは、フィードバックを使用して環境内でエージェントを訓練し、状態と行動の軌跡を取得することから始まります。次に 対照予測コーディング（Contrastive