記事、ライブラリコメント - ページ 44

新しい記事「 Candlestick Trend Constraintモデルの構築（第9回）：マルチ戦略エキスパートアドバイザー(I) 」はパブリッシュされました: 今日は、MQL5を使って複数の戦略をエキスパートアドバイザー(EA)に組み込む可能性を探ります。EAは、指標やスクリプトよりも幅広い機能を提供し、変化する市場環境に適応できる、より洗練された取引アプローチを可能にします。詳しくは、この記事のディスカッションをご覧ください。 Thomas Bulkowski による『Encyclopedia of Candlestick

新しい記事 移動ミニマックス法：テクニカル分析用新インディケータと MQL5への実装実装 はパブリッシュされました: 本稿ではZ.G.Silagadze氏による論文 'Moving Mini-max: a new indicator for technical analysis'を基にした移動ミニマックス インディケータの実装手順について述べます。このインディケータの考え方は、G. Gamov 氏のα 崩壊で提案される量子トンネル現象を基にしています。 作者: investeo

新しい記事 トレーディングモデルに基づくマルチ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: MQL5にてオブジェクト指向のアプローチを使用すると、マルチ通貨・マルチシステム・マルチタイムフレームのエキスパートアドバイザーの作成を大幅に単純化することができます。全てのタイムフレーム、全ての金融商品において、いくつものトレーディング戦略に基づいた取引をあなたのEAが行うことを想像してみてください。さらに、EAはテスターにて簡単にテストすることができ、すべての戦略において、稼働する資産管理システムがいくつもあります。 作者: Vasiliy Sokolov

新しい記事「 MQL5を使用してローソク足パターンを検出する方法 」はパブリッシュされました: MQL5によって価格のローソク足パターンを自動的に検出する方法を学ぶ新しい記事です。 切り込み線パターン これは強気のローソク足であり、最初のローソク足が弱気で、続いて強気のローソク足が弱気のローソク足よりも低く開いてから上昇し、最初の弱気のローソク足の中点を超えて閉じるため、2本のローソク足で構成されています。次の図は、それを説明するグラフです。

相対ボラティリティ指標 : この指標は、アラートを含む多時間枠バージョンです。 作者: Mladen Rakic

新しい記事「 ニューラルネットワークが簡単に（第93回）：周波数領域と時間領域における適応予測（最終回） 」はパブリッシュされました: 本稿では、時系列予測において2つのブロック（周波数と時間）の結果を適応的に組み合わせるATFNetモデルのアプローチの実装を継続します。 前回の 記事 では、2つの時系列予測モデルのアンサンブルである ATFNet

新しい記事「 ストキャスティクス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: この記事では、学習シリーズを継続します。今回は、基本的な知識の新しいブロックを構築するために、最も人気があり、便利な指標の1つであるストキャスティックスオシレータ指標を使用して取引システムを設計する方法を学びます。 このセクションでは、先に述べた戦略の設計図を作成し、取引システムを簡単に作成できるようにします。この設計図は、私たちがプログラムに何を求めているかを正確に把握するためのステップバイステップのガイドラインになります。 戦略1：上昇トレンド戦略 %K, %D < 50 --> %K >

Pipsover : Pipsingエキスパートアドバイザーです。これはiChaikin（チャイキンオシレータ）指標とiMA（移動平均、MA）指標に基づいて動作します。 作者: Vladimir Karputov

Pending orders by time : このエキスパートアドバイザーは指定された時に未決買い逆指値注文と売り逆指値注文を設定します。 作者: Vladimir Karputov

Self_Adjusting_RSI : David Sepiashviliの論文の自己調整RSIに記載されているように、自己調整RSIは買われ過ぎ/売られ過ぎのレベルを調整する自動化メソッドを実装されています。 作者: Scriptor

Heiken_Ashi_Smoothed_Trend_HTF : 入力パラメータに時間枠選択オプションを備えたHeiken_Ashi_Smoothed_Trend指標です。 作者: Nikolay Kositsin

新しい記事「 MQL5とデータ処理パッケージの統合（第１回）：高度なデータ分析と統計処理 」はパブリッシュされました: 統合により、MQL5から生の財務データをJupyter Labのようなデータ処理パッケージにインポートし、統計テストを含む高度な分析をおこなうシームレスなワークフローが実現します。 その後、実際のデータをダウンロードする必要があります。そのためには、 [ 表示 ] に移動し、次に[ 銘柄 ] に移動して、[ 仕様 ] タブに移動し、ダウンロードするデータの種類に応じて[ バー ] または [ ティック ]

サポートとレジスタンス : 「サポートとレジスタンス」インディケータはビルウィリアムズのフラクタルインディケータを使ってサポートとレジスタンスレベルを表示します。 作者: Nikolay Kositsin

新しい記事「 チャート上で取引を視覚化する（第2回）：データのグラフ表示 」はパブリッシュされました: ここでは、取引エントリを分析するために取引の印刷画面のアンロードを簡素化するスクリプトをゼロから開発します。単一の取引に関するすべての必要な情報は、異なる時間枠を描画する機能を備えた1つのチャートに便利に表示されます。 その結果、スクリプトを使用した後のチャートファイルは図3のようになります。 図3：取引データを表示したスクリプト操作の結果

新しい記事「 リプレイシステムの開発（第53回）：物事は複雑になる(V) 」はパブリッシュされました: 今回は、あまり理解されていない重要なトピックを取り上げます。「カスタムイベント」です。これは危険です。これらの要素の長所と短所を解説します。このトピックは、MQL5やその他の言語でプロのプログラマーになりたい人にとって重要な鍵となります。ここではMQL5とMetaTrader 5に焦点を当てます。

Wick_Length : ウィックレンクスインジケータ 作者: Scriptor

AbsoluteStrength : 買い手（Bulls）と売り手（Bears）の強さを別々に表示するオシレータ。 作者: Igor Durkin

ColorCandlesDaily : ColorCandlesDaily は、曜日ごとにロウソク足を異なる色で描写します。 作者: MetaQuotes Software Corp

新しい記事「 データサイエンスと機械学習（第12回）：自己学習型ニューラルネットワークは株式市場を凌駕することができるのか？ 」はパブリッシュされました

資産比率によるクローズ : エクイティが一定の比率に達した場合、EA はすべてのポジションをクローズします。 作者: Vladimir Karputov

新しい記事「 多通貨エキスパートアドバイザーの開発（第11回）：最適化の自動化（最初のステップ） 」はパブリッシュされました: 良いEAを得るためには、取引戦略の複数のインスタンスから優れたパラメータセットを選択する必要があります。これを実現するためには、さまざまな銘柄で最適化を行い、最良の結果を選ぶという手動のプロセスがあります。しかし、この作業をプログラムに任せ、より生産的な活動に専念したほうが効率的です。

ClosePositionsBySymbol : このスクリプトは現在の銘柄の全てのポジションを決済します。 作者: Nikolay Kositsin

新しい記事「 エキスパートアドバイザー(EA)の選び方：取引ボットを却下するための20の強力な基準 」はパブリッシュされました

新しい記事「 リプレイシステムの開発（第52回）：物事は複雑になる(IV) 」はパブリッシュされました: この記事では、信頼性と安定性のある操作を確保するために、マウスポインタを変更してコントロール指標との対話を有効にします。 前回の「 リプレイシステムの開発（第51回）：物事は複雑になる(III) 」では、リプレイ/シミュレーターシステムで正しく動作するよう、古いマウスポインタにいくつかの改良を施しました。また、MetaTrader

新しい記事「 PythonとMQL5による多銘柄分析（前編）：NASDAQ集積回路メーカー 」はパブリッシュされました: ポートフォリオのリターンを最大化するために、AIを活用してポジションサイジングと注文数量を最適化する方法について解説します。本稿では、アルゴリズムを用いて最適なポートフォリオを特定し、期待リターンやリスク許容度に応じてポートフォリオを調整する手法を紹介します。このプロセスでは、SciPyライブラリやMQL5言語を活用し、保有中のすべてのデータを基に、最適かつ分散化されたポートフォリオを構築します。

含有提醒功能的 Kijun-Sen : 可以自定义颜色的 Kijun-sen 线形，可以在趋势改变时作出提醒。 作者: Automated-Trading

新しい記事「 MQL5用スキャルピングオーダーフロー 」はパブリッシュされました: このMetaTrader 5エキスパートアドバイザー(EA)は、高度なリスク管理を備えたスキャルピングオーダーフロー戦略を実装しています。複数のテクニカル指標を使用し、オーダーフローの不均衡に基づいて取引機会を特定します。バックテストは潜在的な収益性を示しているが、特にリスク管理と取引結果の比率において、さらなる最適化の必要性を強調しています。経験豊富なトレーダーに適していますが、本番運用の前に十分なテストと理解が必要です。

新しい記事「 多通貨エキスパートアドバイザーの開発（第13回）：第2段階の自動化 - グループへの選択 」はパブリッシュされました: 自動最適化の第１段階はすでに実装されています。いくつかの基準に従ってさまざま銘柄と時間枠の最適化を実行し、各パスの結果に関する情報をデータベースに保存します。ここで、最初の段階で見つかったものから最適なパラメータセットのグループを選択します。

新しい記事「 データサイエンスと機械学習（第01回）：線形回帰 」はパブリッシュされました: 私たちトレーダーは、数字に基づいた判断をするよう、システムと自分自身を訓練する時期に来ています。目ではなく、直感で信じるのは、これが世界が向かっているところだということです。波の方向に垂直に移動しましょう。 単純線形回帰は、1つの従属変数と1つの独立変数を持っています。ここで理解しようとするのは、例えば単純移動平均の変化に対して株価がどのように変化するかなど、2つの変数の関係です。 複雑なデータ 株価に対して描画したときに、ランダムに散らばる指標値があるとします （現実に起こることです） 。

新しい記事「 MQL5とPythonで自己最適化エキスパートアドバイザーを構築する（第4回）：スタッキングモデル 」はパブリッシュされました: 本日は、自らの失敗から学習するAI搭載の取引アプリケーションの構築方法について解説します。特に、「スタッキング」と呼ばれる手法を紹介します。この手法では、2つのモデルを組み合わせて1つの予測をおこないます。1つ目のモデルは通常、性能が比較的低い学習者であり、2つ目のモデルはその学習者の残差を学習する、より高性能なモデルです。目標は、これらのモデルをアンサンブルとして統合することで、より高精度な予測を実現することです。