記事、ライブラリコメント - ページ 30

新しい記事「 データサイエンスと機械学習(第21回)：ニューラルネットワークと最適化アルゴリズムの解明 」はパブリッシュされました: ニューラルネットワーク内部で使用される最適化アルゴリズムを解明しながら、ニューラルネットワークの核心に飛び込みます。この記事では、ニューラルネットワークの可能性を最大限に引き出し、モデルを精度と効率の新たな高みへと押し上げる重要なテクニックご紹介します。

新しい記事「 MQL5でゾーン回復マーチンゲール戦略を開発する 」はパブリッシュされました: この記事では、ゾーン回復取引アルゴリズムに基づくエキスパートアドバイザー(EA)の作成に向けて実施すべきステップについて、詳細な観点から論じています。これは、アルゴリズムトレーダーの時間を節約するシステムの自動化に役立ちます。

新しい記事「 MQL5で古典的な戦略を再構築する（第3回）：FTSE100予想 」はパブリッシュされました: この連載では、よく知られた取引戦略を再検討し、AIを使って改善できるかどうかを検証します。本日の記事では、FTSE100について調べ、指数を構成する個別銘柄の一部を使って指数の予測を試みます。 ロンドン証券取引所(LSE)

新しい記事「 多通貨エキスパートアドバイザーの開発（第6回）：インスタンスグループ選択の自動化 」はパブリッシュされました: 取引戦略を最適化した後、パラメータのセットを受け取ります。これらを使用して、1つのEAに複数の取引戦略のインスタンスを作成することができます。以前は手動でおこないましたが、ここでは、このプロセスの自動化を試みます。 前回の 記事

新しい記事「 制約付きCustom Maxを実装するための一般的な最適化定式化(GOF) 」はパブリッシュされました: この記事では、MetaTrader 5端末の設定タブでCustom Maxを選択する際に、複数の目的と制約条件を持つ最適化問題を実装する方法を紹介します。最適化問題の例は、ドローダウンが10%未満、連敗回数が5回未満、1週間の取引回数が5回以上となるように、プロフィットファクター、ネットプロフィット、リカバリーファクターを最大化するといったものです。

新しい記事「 取引履歴を気にせずにチャート上で直接取引を表示する方法 」はパブリッシュされました: この記事では、キーナビゲーションを使用してチャート上でポジションと取引を直接便利に表示するためのシンプルなツールを作成します。トレーダーは個々の取引を視覚的に調べ、取引結果に関するすべての情報をその場で受け取ることができるようになります。 この記事の目的は、取引履歴の認識と分析を容易にするソリューションを提供することです。クローズされたポジションと改善された取引情報を段階的に表示するメカニズムを開発し、トレーダーが個々の取引に集中し、取引操作をより深く理解できるようにすることを目指します。

新しい記事「 MQL5における相関分析の要素：ピアソンのカイ二乗検定による独立性と相関比 」はパブリッシュされました: この記事では相関分析の古典的なツールについて考察します。簡潔な理論的背景と、ピアソンのカイ二乗独立性検定および相関比の実践的な実装に重点が置かれています。

新しい記事 運動継続モデル-チャート上での検索と実行統計 はパブリッシュされました: この記事では、運動継続モデルの1つをプログラムによって定義します。 この主なアイデアは、2つの波の定義です（メインと補正） 極値点については、フラクタルだけでなく、 "潜在的な " フラクタル-まだフラクタルとして形成されていない極値点を適用します。 この記事で記述されている継続モデルは2つの波から成っています（メインおよび補正）。 このモデルを模式的に図1に示します。 ABは主な波で、BCは補正波で、CDは主なトレンドに向う波です。 図1. 運動継続モデル チャート上では、次のようになります。 図2

KeyFinder : このスクリプトは、デマーク（DeMark）方式のピボットポイントを検索してチャート上に表示し、それらのディメンションを示します 作者: Pavel Trofimov

新しい記事「 MQL5での発注を理解する 」はパブリッシュされました: 取引システムを構築する際には、効果的に処理しなければならない作業があります。この作業は、注文の発注、または作成された取引システムに注文を自動的に処理させることです。これはあらゆる取引システムにおいて極めて重要だからです。この記事では、発注が効果的な取引システムを作成する作業のために理解する必要があるほとんどのトピックについて説明します。 注文： 特定の価格で特定のロットまたは数量の売買取引を開始するために取引サーバーによって受信された要求です。注文には成行注文と指値注文の2種類があります。 成行注文：

新しい記事「 最も注目すべき人工協調探索アルゴリズムの修正(ACSm) 」はパブリッシュされました: ここでは、ACSアルゴリズムの進化、つまり収束特性とアルゴリズムの効率性を向上させることを目的とした3つの変更について検討します。主要な最適化アルゴリズムの1つを変換します。行列の修正から母集団形成に関する革新的なアプローチまでをカバーします。 前回の記事では、 人工協調探索(ACS)

新しい記事「 ニューラルネットワークが簡単に（第92回）：周波数および時間領域における適応的予測 」はパブリッシュされました: FreDF法の著者は、周波数領域と時間領域を組み合わせた予測の利点を実験的に確認しました。しかし、重みハイパーパラメータの使用は、非定常時系列には最適ではありません。この記事では、周波数領域と時間領域における予測の適応的組み合わせの方法について学びます。

新しい記事「 時系列マイニングのためのデータラベル（第6回）：ONNXを使用したEAへの応用とテスト 」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、時系列のラベル付け方法をいくつかご紹介します。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。

新しい記事「 リプレイシステムの開発（第51回）：物事は複雑になる(III) 」はパブリッシュされました: この記事では、MQL5プログラミングの分野で最も難解な問題の1つである、チャートIDを正しく取得する方法と、オブジェクトがチャートにプロットされない場合がある理由について解説します。ここで提供される資料は教育目的のみに使用されるべきです。いかなる状況においても、提示された概念を学習し習得する以外の目的でアプリケーションを閲覧することは避けてください。

新しい記事「 ニューラルネットワークが簡単に（第91回）：周波数領域予測(FreDF) 」はパブリッシュされました: 周波数領域における時系列の分析と予測を継続的に探求していきます。この記事では、これまでに学習した多くのアルゴリズムに追加できる、周波数領域でデータを予測する新しい方法について説明します。 近年、注目を集めているモデルの1つに、動的な自己相関推定に 自己アテンション (self-attention)メカニズムを組み込んだ Transformer

新しい記事「 ニューラルネットワークが簡単に（第88回）：Time-series Dense Encoder (TiDE) 」はパブリッシュされました: 研究者たちは、より正確な予測を得るために、しばしばモデルを複雑化します。しかし、その結果として、モデルの訓練やメンテナンスにかかるコストも増加します。この増大したコストは常に正当化されるのでしょうか。本記事では、シンプルで高速な線形モデルの特性を活かし、複雑なアーキテクチャを持つ最新モデルに匹敵する結果を示すアルゴリズムを紹介します。

EES Hedger : このユーティリティは、現在のシンボルに対して裁量または別の EA によって開かれたポジションを追跡し、反対のポジションを開きます。 ポジションを開くと、OnTradeTransaction で追跡されます。 作者: Vladimir Karputov

X-バーフラクタル : X-バーフラクタル指標はフラクタルの左右のバーの数を設定することができます。これは、ローカルとグローバル極値のために使用できます。 作者: Serhii Ivanenko

Hoop master : エキスパートアドバイザーは逆指値買い(BuyStop)注文と逆指値売り(SellStop)注文を出します。 マーチンゲール。 作者: Vladimir Karputov

新しい記事「 PSAR、平均足、ディープラーニングを組み合わせて取引に活用する 」はパブリッシュされました: このプロジェクトでは、ディープラーニングとテクニカル分析の融合を探求し、FXの取引戦略を検証します。EUR/USDの動きを予測するために、PSAR、SMA、RSIのような伝統的な指標とともにONNXモデルを採用し、迅速な実験のためにPythonスクリプトを使用します。MetaTrader

新しい記事 ビジュアルストラテジービルダー。 プログラミングなしでトレーディングロボットを作成する はパブリッシュされました: この記事では、ビジュアルストラテジービルダーを紹介します。 ユーザーがプログラミングせずにトレードロボットやユーティリティを作成する方法について紹介します。 作成されたEAは、完全に機能し、ストラテジーテスターでテストすることができます。また、クラウドで最適化またはリアルタイムチャートでライブ実行することも可能です。 さて、EA のトレーディングロジックの準備ができました。

垂直線 : インジケーターは垂直線 (OBJ_VLINE) を描画し、指定した時間 (時間と分) に移動します。 作者: Vladimir Karputov

新しい記事「 ディープラーニングを用いたCNA（因果ネットワーク分析）、SMOC（確率モデル最適制御）、ナッシュゲーム理論の例 」はパブリッシュされました: 以前の記事で発表されたこれら3つの例にディープラーニング(DL)を加え、以前の結果と比較します。目的は、他のEAにディープラーニングを追加する方法を学ぶことです。

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6回）：レスポンシブなインラインボタンの追加 」はパブリッシュされました: この記事では、インタラクティブなインラインボタンをMQL5エキスパートアドバイザー(EA)に統合し、Telegram経由でリアルタイムにコントロールできるようにします。各ボタンを押すたびに特定のアクションがトリガーされ、ユーザーにレスポンスが返されます。また、Telegramメッセージやコールバッククエリを効率的に処理するための関数もモジュール化します。 このセクションでは、インラインボタンが Telegram ボットと MQL5

新しい記事「 取引における道徳的期待値 」はパブリッシュされました: この記事は、道徳的期待値についてです。取引でのその使用のいくつかの例と、その助けを借りて達成できる結果を見ていきます。 これは理論でした。それでは、実際に何ができるか見てみましょう。それには、取引の実行をシミュレートするスクリプトを作成します。同時に、固定損切りと利食い、フローティング損切りとフローティング利食いの3つのオプションをチェックします。 一見すると、損切りと利食いが固定されたオプション（青い線）が勝ちです。

新しい記事 MQL5 クックブック: MQL5でのマルチシンボルボラティリティインジケーターの開発 はパブリッシュされました: この記事では、マルチシンボルボラティリティインジケーターを紹介します。マルチシンボルインジケーターの開発は、MQL5開発初心者にとっていく つか難しい点があります。マルチシンボルインジケーターの開発中に生じる主要な問題は、現在のシンボルに関連したその他のシンボルのデータの同期化、いく つかのインジケーターデータの欠如、特定のタイムフレーム間の初めの「本当の」バーの特定などに関連します。これらの問題は、この記事にて詳しく焦点が当 てられます。

新しい記事「 MQL5で取引管理者パネルを作成する（第2回）：応答性と迅速なメッセージングの強化 」はパブリッシュされました: この記事では、以前作成した管理パネルの応答性を強化します。さらに、取引シグナルの文脈におけるクイックメッセージングの重要性についても検討します。

高値および安値のカスタムレベル : 高値と安値 オフセットを指定できます。 レベルを検索する間隔 (PERIOD_D1) を指定できます。 作者: Vladimir Karputov

Volatility_Step_Channel : この指標は、ボラティリティに基づいてステップチャネルをプロットします。 作者: Nikolay Kositsin

新しい記事「 PythonとMQL5を使用した取引戦略の自動パラメータ最適化 」はパブリッシュされました: 取引戦略とパラメータを自己最適化するアルゴリズムには、いくつかの種類があります。これらのアルゴリズムは、過去と現在の市場データに基づいて取引戦略を自動的に改善するために使用されます。この記事では、そのうちの1つをpythonとMQL5の例で見ていきます。 苦労して開発した取引ボットがあるとしましょう。実際に使うのがすごく嬉しいのですが、適切な最適化なしに使い始めます。最初の好結果に惑わされ、すべてがうまくいっているように思っても、すぐに矛盾や損失が現れます。