新しい記事「 動物移動最適化(AMO)アルゴリズム 」はパブリッシュされました: この記事は、生命と繁殖に最適な条件を求めて動物が季節的に移動する様子をモデル化するAMOアルゴリズムについて説明しています。AMOの主な機能には、トポロジカル近傍の使用と確率的更新メカニズムが含まれており、実装が容易で、さまざまな最適化タスクに柔軟に対応できます。
新しい記事「 取引におけるニューラルネットワーク：独立したチャネルへのグローバル情報の注入(InjectTST) 」はパブリッシュされました: 最新のマルチモーダル時系列予測方法のほとんどは、独立チャネルアプローチを使用しています。これにより、同じ時系列の異なるチャネルの自然な依存関係が無視されます。2つのアプローチ（独立チャネルと混合チャネル）を賢く使用することが、モデルのパフォーマンスを向上させる鍵となります。 近年、マルチモーダル時系列予測のための Transformer
新しい記事「 クライアント端末での取引戦略の例の分析 」はパブリッシュされました: この記事では、ブロック図を使用して、端末のExperts\Free Robotsフォルダにあるローソク足ベースの訓練EAのロジックを調べます。 しばらく前から、クライアント端末のEAディレクトリに新しいFree Robotsフォルダが表示されています。 このフォルダには28個のEAが含まれています。これは、独自の開発のために戦略で規定された原則を独自に研究および適用するための取引戦略の例です。Free
新しい記事「 取引におけるニューラルネットワーク：TEMPO法の実践結果 」はパブリッシュされました: TEMPO法について引き続き学習します。この記事では、実際の履歴データに対する提案されたアプローチの実際の有効性を評価します。 TEMPO 法は、事前に訓練された言語モデルの使用に基づいて構築されています。特に、この手法の著者は、実験で事前訓練済みの GPT-2
新しい記事「 初心者からプロまでMQL5をマスターする（第4回）：配列、関数、グローバルターミナル変数について 」はパブリッシュされました: この記事は初心者向け連載の続きです。データ配列、データと関数の相互作用、および異なるMQL5プログラム間でのデータ交換を可能にするグローバルターミナル変数について詳しく説明します。 この記事では、3つのグローバルなトピックを取り上げます。 データ配列 ：プログラム内のデータに関する主要部分を完成させる, グローバルターミナル変数 ：異なるMQL5プログラム間での簡単なデータの交換を可能にする , 関数 ：機能の一部と変数との相互作用 作者
Highly_Adaptable_MA_Alerts : 適応性の高い移動平均アラートインジケータ 作者: Scriptor
One More Average : この指標のアイデアは簡単です。出来るだけ多くの他の移動平均を「模倣する」ことです。 作者: Mladen Rakic
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30回）：機械学習におけるバッチ正規化のスポットライト 」はパブリッシュされました: バッチ正規化とは、ニューラルネットワークのような機械学習アルゴリズムに投入するデータの前処理です。これは、アルゴリズムが使用する活性化の種類を常に意識しながらおこなわれます。そこで、エキスパートアドバイザー(EA)を使って、そのメリットを享受するためのさまざまなアプローチを探ります。 また、本連載の他の記事と同様に、新しいアイデアをテストするためにウィザードで構築されたEAを使用することに焦点を当てています。このプロセスに関する詳細は、 こちら と
新しい記事「 MQL5入門（第9回）：MQL5のオブジェクトの理解と使用 」はパブリッシュされました: 現在のデータと履歴データを使用して、MQL5でチャートオブジェクトを作成およびカスタマイズする方法を学びます。このプロジェクトベースのガイドは、取引を可視化し、MQL5の概念を実際に適用するのに役立ち、取引のニーズに合わせたツールの構築が容易になります。
上下インディケータ : このインディケータは、市場のアクティビィーを確認することができます。 作者: Karlis Balcers
新しい記事「 MQL5のパラボリックSARトレンド戦略による取引戦略の自動化:効果的なEAの作成 」はパブリッシュされました: この記事では、MQL5を使用してパラボリックSAR戦略を基にした取引戦略を自動化する方法について説明します。効果的なエキスパートアドバイザー(EA)を創り出します。このEAは、パラボリックSAR指標によって識別されたトレンドに基づいて取引を実行します。
Fluctuate : スイングに基づいたエキスパートアドバイザーです。EAは、ロット数を増やして反対方向に逆指値注文を設定します。 作者: Vladimir Karputov
新しい記事 微分とエントロピー解析によるGrokking市場の「記憶」 はパブリッシュされました: 分数階微分は十分に広い範囲で使用されています。例えば、機械学習アルゴリズムには通常微分された級数が入力されます。 問題は、機械学習モデルが認識できるように、利用可能な履歴に従って新しいデータを表示する必要があることです。本稿では、時系列の微分に対する独自のアプローチを検討します。本稿にはさらに、この微分された級数に基づく自己最適化取引システムの例が含まれています。 テストで最も興味深い部分であるi8.eに進みましょう。
RSI-Crossover_Alert : アラートを有しメールボックスとスマートフォンにシグナルを送信する非常に簡単なセマフォ指標。 作者: Nikolay Kositsin
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2回）：MQL5からTelegramへのシグナル送信 」はパブリッシュされました: この記事では、移動平均クロスオーバーシグナルをTelegramに送信するMQL5-Telegram統合エキスパートアドバイザー(EA)を作成します。移動平均クロスオーバーから売買シグナルを生成し、MQL5で必要なコードを実装し、統合がシームレスに機能するようにするプロセスを詳しく説明します。その結果、リアルタイムの取引アラートをTelegramのグループチャットに直接提供するシステムが完成します。
新しい記事「 古典的戦略の再構築：原油 」はパブリッシュされました: この記事では、教師あり機械学習アルゴリズムを活用することで、古典的な原油取引戦略を強化することを目的として、原油取引戦略を再検討します。ブレント原油価格とWTI原油価格のスプレッドに基づいて、将来のブレント原油価格を予測する最小二乗モデルを構築します。目標は、将来のブレント価格変動の先行指標を特定することです。 世界の原油取引は、北米の指標であるWTI（ウエスト・テキサス・インターミディエート）と、世界の大半の原油の相場に使用されるブレントという2つの指標に支配されています。
Valid_Swing_HighLow : バリッドスイングハイローインジケータ 作者: Scriptor
新しい記事 MQL5 クックブック：MetaTrader 5トレードイベントへの音声通知 はパブリッシュされました: 本稿では Expert Advisor のファイルに音声ファイルをインクルードすること、それによりトレードイベントに音声通知を追加するなどの問題を考察します。事実、ファイルのインクルードが意味するところは Expert Advisor内に音声ファイルを入れるということです。よってコンパイルされた Expert Advisor (*.ex5) バージョンを他のユーザーに提供する際、音声ファイルは提供せずそれがどこの保存されるか説明する必要があるのです。 作者: Anatoli
EA_MARSI : このエキスパートアドバイザーは EMA_RSI_VA 指標に基づいています。 買いシグナル：高速ラインの上向きの交差、売りシグナル：高速ラインの下向きの交差 このEAは、預金/最大ドローダウン比に依存するロット増加のオプションを持っています。 作者: Alexander Puzikov
Extreme_TMA_line_indicator : エクストリームTMA ラインインジケータ 作者: Scriptor
新しい記事「 ニューラルネットワークの実験（第1回）：幾何学の再検討 」はパブリッシュされました: この記事では、実験と非標準的なアプローチを使用して、収益性の高い取引システムを開発し、ニューラルネットワークがトレーダーに役立つかどうかを確認します。 最適化と転送テストの結果。 テスト日を2021.05.31から2022.05.31にフォワードします。すべての結果の中から、複雑な基準の最大値が20～40を超える最大の利益率を特徴とするものを選択する必要があります。 作者: Roman Poshtar
Martin : 指標を持たないエキスパートアドバイザーで、ステップを増加するのに使われます。 作者: Vladimir Karputov
Henderson's Filter : ヘンダーソンフィルタは、移動平均系列の3番目の差の二乗和を最小化することによって導出されます。ヘンダーソンの基準は、これらのフィルタを3次多項式に適用すると、結果として得られる平滑化出力がこれらの放物線に正確に収まることを保証します。ヘンダーソンフィルタは、トレンドの典型的なサイクルをそのまま通過させることができるため、経済的な時系列を平滑化するのに適しています。また、6ヶ月以内の非常に短い頻度の不規則な変化のほとんどを排除するという性質も持っています。 作者: Mladen Rakic
新しい記事「 人工蜂の巣アルゴリズム(ABHA)：テストと結果 」はパブリッシュされました: この記事では、人工蜂の巣アルゴリズム(ABHA)の探索を続け、コードの詳細を掘り下げるとともに、残りのメソッドについて考察します。ご存じのとおり、このモデルにおける各蜂は個別のエージェントとして表現されており、その行動は内部情報、外部情報、および動機付けの状態に依存します。さまざまな関数を用いてアルゴリズムをテストし、その結果を評価表としてまとめて提示します。 前回の記事では、 人工蜂の巣アルゴリズム(ABHA)
新しい記事「 人工蜂の巣アルゴリズム(ABHA)：理論と方法 」はパブリッシュされました: この記事では、2009年に開発された人工蜂の巣アルゴリズム(ABHA)について説明します。このアルゴリズムは、連続的な最適化問題を解決することを目的としています。この記事では、蜂がそれぞれの役割を担って効率的に資源を見つける蜂のコロニーの行動から、ABHAがどのようにインスピレーションを得ているかを探ります。
新しい記事「 取引におけるニューラルネットワーク：時系列予測のための言語モデルの使用 」はパブリッシュされました: 時系列予測モデルの研究を続けます。本記事では、事前訓練済みの言語モデルを活用した複雑なアルゴリズムについて説明します。 論文「 TEMPO:Prompt-basedGenerativePre-trainedTransformerforTimeSeriesForecasting 」では、この課題に取り組み、時系列予測のために大規模な事前訓練済みモデルを適応させる手法を提案しています。著者は、効果的な時系列表現学習のために設計された GPT ベースの包括的なモデル TEMPO
CDictionary : CArrayObjとCListに基づくMQL5ライブラリ（連想配列）データ構造の実装です。 作者: Enrico Lambino
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