記事、ライブラリコメント - ページ 43

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17回）：多通貨取引 」はパブリッシュされました: ウィザードを介してEAが組み立てられた場合、デフォルトでは複数の通貨をまたいだ取引は利用できません。トレーダーが一度に複数の銘柄から自分のアイデアをテストする際に、2つの可能なトリックを検討します。

新しい記事「 GMDH (The Group Method of Data Handling)：MQL5で組合せアルゴリズムを実装する 」はパブリッシュされました: この記事では、MQL5における組合せアルゴリズムと、その改良版である組合せ選択(Combinatorial Selective)アルゴリズムの実装について、データ処理のグループ法アルゴリズムファミリーの探求を続けます。 GMDHの 組合せアルゴリズム

新しい記事「 ボラティリティベースの取引システムの構築と最適化の方法（チャイキンボラティリティ - CHV） 」はパブリッシュされました: この記事では、チャイキンボラティリティ（CHV、Chaikin Volatility）という名前の、ボラティリティに基づく後1つの指標を提供します。カスタム指標の使用方法と構築方法を確認した後、カスタム指標の構築方法を理解します。使用できるいくつかの簡単な戦略を共有し、どちらがより優れているかを理解するためにテストします。

新しい記事「 Candlestick Trend Constraintモデルの構築（第1回）：EAとテクニカル指標について 」はパブリッシュされました: この記事は初心者とプロMQL5開発者の両方を対象としています。これは、シグナルを生成する指標をより長い時間枠のトレンドに定義し、制約するためのコードの一部を提供します。このように、トレーダーはより広い市場視点を取り入れることで戦略を強化することができ、より強固で信頼性の高い売買シグナルが得られる可能性があります。

新しい記事 自動ニューストレーダーのバインディング はパブリッシュされました: これは一からシンプルなオブジェクト指向 EA を構築する方法を述べ、オブジェクト指向プログラミングのアドバイスを提供したもう一つ別の MQL5 OOP クラス記事の続編です。本稿では、ニュースをトレードすることのできる EA を開発するのに必要とされる技術の基本をお話します。目標は OOP に関する考え方を提示し続け、ファイルシステムと関連づけながらこのシリーズにおける新しいトピックを取り上げることです。 インベストペディア に

新しい記事「 ニューラルネットワークが簡単に（第28部）：方策勾配アルゴリズム 」はパブリッシュされました: 強化学習法の研究を続けます。前回は、Deep Q-Learning手法に触れました。この手法では、特定の状況下でとった行動に応じて、これから得られる報酬を予測するようにモデルを訓練します。そして、方策と期待される報酬に応じた行動がとられます。ただし、Q関数を近似的に求めることは必ずしも可能ではありません。その近似が望ましい結果を生み出さないこともあります。このような場合、効用関数ではなく、行動の直接的な方針（戦略）に対して、近似的な手法が適用されます。その1つが方策勾配です。

新しい記事「 ニューラルネットワークが簡単に（第27部）：DQN (Deep Q-Learning) 」はパブリッシュされました: 強化学習の研究を続けます。今回は、「Deep Q-Learning」という手法に触れてみましょう。この手法を用いることで、DeepMindチームはアタリ社のコンピューターゲームのプレイで人間を凌駕するモデルを作成することができました。取引上の問題を解決するための技術の可能性を評価するのに役立つと思います。 Deep

Trend direction and force - DSEMA平滑化済み : Trend direction and force - 二重平滑EMA平滑化済み 作者: Mladen Rakic

新しい記事「 データサイエンスと機械学習(第22回)：オートエンコーダニューラルネットワークを活用してノイズからシグナルへと移行することで、よりスマートな取引を実現する 」はパブリッシュされました

新しい記事「 ニューラルネットワークが簡単に（第22部）：回帰モデルの教師なし学習 」はパブリッシュされました: モデルと教師なし学習アルゴリズムの研究を続けます。今回は、回帰モデルの学習に適用した場合のオートエンコーダの特徴について提案します。 モデルテストのパラメータは同じでした（EURUSD、H1、過去15年、指標のデフォルト設定）。エンコーダに過去10回分のローソク足に関するデータを入力します。デコーダは、過去40個のローソク足をデコードするように訓練されます。テスト結果は下のチャートのとおりです。新しいローソク足の形成が完了するたびに、エンコーダにデータが入力されます。

新しい記事「 Volumesによる取引システムの設計方法を学ぶ 」はパブリッシュされました: 最も人気のあるテクニカル指標に基づいて取引システムを設計する方法を学ぶための連載の新しい記事です。今回は、Volumes指標について紹介します。出来高という概念は、金融市場の取引において非常に重要な要素の1つであり、注意を払う必要があります。この記事では、Volumes指標を使用した簡単な取引システムの設計方法について説明します。

新しい記事「 MQL5における組合せ対称交差検証法 」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の低速&完全アルゴリズムを使用してストラテジーを最適化した後に過剰学習が発生する可能性の程度を測定するために、純粋なMQL5における組合せ対称交差検証法の実装を紹介します。

リスクマネージャー : Expert Advisor は口座の全体的な損失、およびすべての取引の損失を制御して制限します。それは口座のトレーリングストップを含みます。 作者: Анатолий Сергеев

新しい記事「 ニューラルネットワークが簡単に(第11部): GPTについて 」はパブリッシュされました: GPT-3は現在存在する言語ニューラルネットワークの中でおそらく最も高度なモデルの1つであり、その最大バリアントには1,750億個のパラメータが含まれています。もちろん、家庭にあるようなPCでそのような怪物を作成するつもりはありませんが、どのアーキテクチャソリューションを作業に使用し、それらからどのように利益を得ることができるかは確認することができます。

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15回）：ニュートンの多項式を用いたサポートベクトルマシン 」はパブリッシュされました: サポートベクトルマシンは、データの次元を増やす効果を調べることで、あらかじめ定義されたクラスに基づいてデータを分類します。これは教師あり学習法で、多次元のデータを扱う可能性を考えるとかなり複雑です。この記事では、2次元データの非常に基本的な実装であるニュートンの多項式が、価格とアクションを分類する際にどのように効率的に実行できるかを検討します。 サポートベクトルマシン (SVM)は機械学習の分類アルゴリズムです。分類は、 こちら と こちら

新しい記事「 ニュース取引が簡単に（第1回）：データベースの作成 」はパブリッシュされました: ニュース取引は複雑で圧倒されるかもしれませんが、この記事ではニュースデータを入手する手順を説明し、さらに、MQL5経済指標カレンダーとその特徴についても学びます。 この記事では、MQL 5経済指標カレンダーのデータを格納するデータベースの作成方法について説明します。このデータは後に次回の記事で、ニュースの取引に使用することができます。また、このデータベースから特定の整理された情報を取得するために、基本的なSQLクエリを実行する方法を探ります。すべてのプロセスはMQL5のIDEでおこなわれます。

XWPR_Histogram_Vol_Direct : XWPR_Histogram_Vol インジケータ足の色のアイコンを使用して、ヒストグラムの足の動きの方向を示します。 作者: Nikolay Kositsin

XWPR_Histogram_Vol : ヒストグラムの加算平均 WPR_Histogram_Vol インジケータ 作者: Nikolay Kositsin

新しい記事「 MQL5入門（第6部）：MQL5における配列関数の入門ガイド 」はパブリッシュされました: MQL5の旅の次の段階を始めましょう。この洞察に満ちて初心者に優しい記事では、残りの配列関数について調べ、複雑な概念を解明し、効率的な取引戦略を作成できるようにします。ArrayPrint、ArrayInsert、ArraySize、ArrayRange、ArrarRemove、ArraySwap、ArrayReverse、ArraySortについて説明します。アルゴリズム取引の専門知識を、これらの必要不可欠な配列関数で高めてください。一緒にMQL5マスターへの道を歩みましょう。

新しい記事「 GMDH (The Group Method of Data Handling)：MQL5で多層反復アルゴリズムを実装する 」はパブリッシュされました: この記事では、MQL5におけるGMDH (The Group Method of Data Handling)の多層反復アルゴリズム実装について説明します。 Group Method of Data Handling （英語）は、データ分析と予測に使われるアルゴリズムの一種です。これは、与えられたデータセットを記述するのに最適な数学モデルを見つけることを目的とした機械学習技術です。GMDHは1960年代にソ連の数学者Alexey

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14回）：STFによる多目的時系列予測 」はパブリッシュされました: データのモデリングに「空間」と「時間」の両方の測定基準を使用する空間的時間的融合は、主にリモートセンシングや、私たちの周囲をよりよく理解するための他の多くの視覚ベースの活動で有用です。発表された論文のおかげで、トレーダーへの可能性を検証することで、その活用に斬新なアプローチを取ります。 SpatiaTemporal Fusion (STF)に関するこの 論文

新しい記事「 データサイエンスと機械学習（第11回）：単純ベイズ、取引における確率論 」はパブリッシュされました

新しい記事「 ニューラルネットワークが簡単に（第48回）：Q関数値の過大評価を減らす方法 」はパブリッシュされました: 前回は、連続的な行動空間でモデルを学習できるDDPG法を紹介しました。しかし、他のQ学習法と同様、DDPGはQ関数値を過大評価しやすくなります。この問題によって、しばしば最適でない戦略でエージェントを訓練することになります。この記事では、前述の問題を克服するためのいくつかのアプローチを見ていきます。

Leader EMA : Leader EMA 作者: Mladen Rakic

TradeStatisticsPanel : 取引履歴に基づいて算出される統計パラメータの表示用パネル。 作者: Andrey Voytenko

Show Pips : 利益、ポイント、パーセント、スプレッド、現在の通貨ペアのバーを決済するまでの残り時間、および時間枠についての情報です。 作者: Roman Podpora

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13回）：ExpertSignalクラスのためのDBSCAN 」はパブリッシュされました: DBSCAN (Density-Based Spatial Clustering of Applications with Noise)は、データをグループ化する教師なし形式であり、入力パラメータをほとんど必要としません。入力パラメータは2つだけであり、K平均法などの他のアプローチと比較すると利点が得られます。ウィザードで組み立てたEAを使用してテストし、最終的に取引するために、これがどのように建設的であり得るかを掘り下げます。

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6回） 」はパブリッシュされました: この記事は、MQTT 5.0プロトコル用のネイティブMQL5クライアントの開発ステップを説明する連載の第6部です。今回は、私たちの最初のリファクタリングにおける主な変更点、私たちがどのようにしてパケット構築クラスのための実行可能な設計図にたどり着いたか、どのようにPUBLISHとPUBACKパケットを構築しているか、そしてPUBACK Reason Codeの背後にあるセマンティクスについてコメントします。

新しい記事 MQL5 クックブック：BookEvent の処理 はパブリッシュされました: 知られたことですが、 MetaTrader 5 トレーディングターミナルはマルチマーケットプラットフォームで、Forex、株式市場、先物および差金決済契約でのトレードを容易にします。 フリーランス セクションの統計によると、 Forex マーケット以外でもトレードしているトレーダー数は増加しています。 本稿では初心者の MQL5 プログラマーに BookEvent 処

maximus_vX ライト : レベルを使って取引するエキスパートアドバイザーです。市場では、各タイプ（売買）のポジションを2つまで指定できます。 作者: Vladimir Karputov