記事、ライブラリコメント - ページ 45

新しい記事「 スワップ(第I部)：ロックと合成ポジション 」はパブリッシュされました: この記事では、スワップ取引手法の古典的な概念を拡張しようとします。私が、この概念に特別な注意を払う価値があり、この概念が研究に絶対的に推奨されるという結論に達した理由を説明します。

新しい記事「 エンベロープ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、バンドで取引する方法の1つを紹介します。今回はエンベロープについて検討し、それに基づいてストラテジーを作成するのがいかに簡単であるかを見ていきます。 価格がエンベロープの上位線を上向きに横切ると買いシグナルが生成されます。価格がエンベロープの下位線を下向きに横切るとテイクプロフィットのシグナルが生成されます。 価格 > 上位線 = 買い, 価格 < 下位線 = テイクプロフィット 作者: Mohamed Abdelmaaboud

複数の時間フレームから取引レンジ(サポートとレジスタンスのレベル)を算出し、その範囲内で売り/買い注文を均等に配置 : 毎日、複数の時間フレームから取引レンジ(サポートとレジスタンスのレベル)を算出し、その範囲内で売り/買い注文を均等に配置します。 作者: Haruki Teranaka

Candle Closing Time Remaining (CCTR) MT5 : Candle Closing Time Remaining (CCTR) のMetaTrader 5版はローソク足が閉じられるまでの残り時間を表示する指標です。 作者: Foad Tahmasebi

新しい記事 オブジェクト指向プログラミング はパブリッシュされました: オブジェクト指向プログラミングに関する多相性やカプセル化などについて理解する必要はありません。これらの機能を使うだけで良いのです。この記事ではオブジェクト指向プログラミングの基本を例を使って具体的に見ていきます。 作者: Dmitry Fedoseev

現在のバーのマレー（Murrey ）数学ライン : 現在のバーのマレー数学ラインは、市場の動きを予測するための効果的なツールです。 作者: Nikolay Kositsin

新しい記事「 ニューラルネットワークと容易性（後編）。ネットワークのトレーニングとテスト 」はパブリッシュされました: 第2回目の今回は、引き続きニューラルネットワークの勉強をし、作成したCNetクラスをEAで使用した例を考えていきます。 学習時間、予測精度ともに同様の結果を示す2つのニューラルネットワークモデルを用いてタスクを行います。 最初のエポックは、初期段階でランダムに選択されたニューラルネットワークの加重に強く依存します。 35エポックのトレーニングを行った後、統計量の差はわずかに増加した - 回帰ニューラルネットワークモデルはより良いパフォーマンスを示しました。 値

新しい記事 ネイティブTwitterクライアント: 第2部 はパブリッシュされました: MQLクラスとして実装した、写真付きのツイートを送信できるようにするTwitterクライアントです。1つの自己完結型インクルードファイルを含めるだけで、すぐにすべての素晴らしいチャートとシグナルをツイートできるようになります。 添付されているのは、最大4つのチャートのスクリーンショットを取り、チャートの銘柄とOHLCV値の簡単なツイートメッセージを作成する、機能するMT5スクリプトです。 これは、独自のエキスパートやスクリプトの開発を始めるための簡単な例です。 注

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 ミクロ、ミドル、メイントレンドのインディケータ はパブリッシュされました: 本稿は James Hyerczyk著 "Pattern, Price &amp; Time: Using Gann Theory in Trading Systems" から得たいくらかの考え方を基にインディケータやExpert Advisor形式でトレードの自動化可能性調査と分析を目的とします。完全にとは言わず、ここではモデル、すなわちギャン理論の最初の部分だけを対象とします。 作者: Dmitriy Skub

新しい記事 相場パターンを見つけるための計量的アプローチ:自己相関、ヒートマップ、散布図 はパブリッシュされました: この記事では、季節的特徴の拡張である自己相関ヒートマップと散布図を紹介します。 この記事の目的は、"マーケットメモリ"が季節的な性質を持ち、任意のオーダーの増分の最大相関によって表現されることを示すものです。 M15時間枠に関する追加のチェックを行いましょう。 現在の時間と前日の同じ時間の間の同じ相関関係を探しているとします。 この場合、有効ラグは4倍大きく、毎時4つのM15期間が含まれているため、約24 *4 = 96でなければなりません。

平均スムーズATR トレンドエンベロープ : 平均スムーズATR トレンドエンベロープ 作者: Mladen Rakic

Smart_Money_Pressure_Oscillator : スマートマネープレッシャーオシレーター 作者: Scriptor

新しい記事「 MQL5を使用したカスタムTrue Strength Index指標の作成方法 」はパブリッシュされました: カスタム指標の作成方法についてご紹介します。今回はTSI (True Strength Index)を扱い、それに基づいてエキスパートアドバイザー(EA)を作成することにします。 MAタイプ、価格タイプ、高速MA期間、低速MA期間の4つの入力があることからわかるように、MAタイプ、価格タイプ、高速MA期間、低速MA期間の4つの入力があります。環境設定をおこない、[OK]を押すと、EAがチャートに接続され、そのシグナルは以下のようになることがわかります。 買いシグナルの場合

新しい記事「 母集団最適化アルゴリズム：Spiral Dynamics Optimization (SDO)アルゴリズム 」はパブリッシュされました: 本稿では、軟体動物の殻など自然界における螺旋軌道の構築パターンに基づく最適化アルゴリズム、Spiral Dynamics Optimization（SDO、螺旋ダイナミクス最適化）アルゴリズムを紹介します。著者らが提案したアルゴリズムを徹底的に修正し、改変しました。この記事では、こうした変更の必要性について考えてみたいと思います。 Spiral Dynamics Optimization

ZigZag NK FiboFan : 最後の2トップにフィボファンを構築することを可能にするジグザグ。 作者: Nikolay Kositsin

ChannelEA2 : ChannelEA2 - 指数注文を使ってチャネルで作動するエキスパートアドバイザーです。 作者: Scriptor

新しい記事「 ケルトナーチャネル取引システムの構築とテスト 」はパブリッシュされました: この記事では、金融市場において非常に重要な概念であるボラティリティを利用した取引システムを紹介します。ケルトナーチャネル指標を理解し、それをどのようにコードし、どのように簡単な取引戦略に基づいて取引システムを作成し、様々な資産でテストすることができるかを理解した上で、ケルトナーチャネル指標に基づく取引システムを提供します。 ケルトナーチャネルは、1960年代にチェスター・ケルトナーが著書「How to Make Money in

新しい記事「 自動で動くEAを作る（第15回）：自動化(VII) 」はパブリッシュされました: 自動化に関するこの連載を完結させるために、前回に引き続きトピックについて説明しましょう。EAを時計仕掛けのように動かすために、すべてがどのように組み合わされるかを見ていきます。 自動的に機能するEAを作成する際にプログラマーの作業に影響するような主な失敗、問題、困難について説明しましたが、それが多くの知識をもたらし、実際の市場観察の方法を変える可能性があることもお見せしました。

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「 アルーン（Aroon）取引システムの構築とテスト 」はパブリッシュされました: この記事では、指標の基本を学んだ後、どのようにアルーンの取引システムを構築できるかを学び、アルーンの指標に基づいた取引システムを構築するために必要なステップを紹介します。この取引システムを構築した後、利益が出るのかさらに最適化が必要なのかをテストします。

新しい記事「 PythonとMetaTrader5 Pythonパッケージを使用した深層学習による予測と注文とONNXモデルファイル 」はパブリッシュされました: このプロジェクトでは、金融市場における深層学習に基づく予測にPythonを使用します。平均絶対誤差(MAE)、平均二乗誤差(MSE)、R二乗(R2)などの主要なメトリクスを使用してモデルのパフォーマンスをテストする複雑さを探求し、すべてを実行ファイルにまとめる方法を学びます。また、そのEAでONNXモデルファイルを作成します。 現在、MetaQuotesの「 MQL5でONNXモデルを使用する方法

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5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5回です。今回は、PUBLISHパケットの構造、Publishフラグの設定方法、Topic Name文字列のエンコード方法、必要な場合のPacket Identifierの設定方法について説明します。

新しい記事 任意のインジケータの計算部分をEAのコードに転送する方法 はパブリッシュされました: インジケータコードをEAに転送する理由は様々です。しかし、このアプローチの長所と短所はどのように評価するべきでしょうか？この記事では、インジケータコードをEAに転送する技術をご紹介します。EAの動作スピードを評価するためにいくつかの実験を行いました。 私たちは4つの別々のEAを作成します。 標準で、関数を実行しない空のEA。これは相場の履歴選別する為に、ターミナル自体が費やす時間の評価に役立ちます。, インジケータクラスで値を計算することでデータを受け取るEA。

新しい記事「 自動で動くEAを作る（第09回）：自動化(I) 」はパブリッシュされました: 自動EAの作成はそれほど難しい作業ではありませんが、必要な知識がないと多くの間違いを犯す可能性があります。この記事では、ブレイクイーブンとトレーリングストップレベルを作動させるトリガーの作成からなる自動化の最初のレベルを構築する方法について見ていきます。 下の動画は、このシステムが動作する様子を示したものです。何か違う、機能がない、と想像している方は、動画を見て結論を出してみてください。ただし、何が起こっているかを理解するためにおこなう最善のことは、EAをコンパイルし、 デモ口座

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12回）：ニュートン多項式 」はパブリッシュされました: ニュートン多項式は、数点の集合から二次方程式を作るもので、時系列を見るには古風だが興味深いアプローチです。この記事では、このアプローチをトレーダーがどのような面で役立てることができるかを探るとともに、その限界についても触れてみたいと思います。

新しい記事「 MQL5における一般化ハースト指数と分散比検定の実装 」はパブリッシュされました: 本稿では、一般化ハースト指数と分散比検定が、MQL5における価格系列の挙動を分析するためにどのように利用できるかを調査します。

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10回）：型破りなRBM 」はパブリッシュされました: 制限ボルツマンマシン（Restrictive Boltzmann Machine、RBM）は、基本的なレベルでは、次元削減による教師なし分類に長けた2層のニューラルネットワークです。その基本原理を採用し、常識にとらわれない方法で設計し直して訓練すれば有用なシグナルフィルタが得られるかどうかを検証します。

新しい記事「 過去のポジションをチャート上に損益図として表示する 」はパブリッシュされました: 今回は、取引履歴に基づいて、過去のポジションの情報を入手するオプションについて考えてみたいと思います。その他、各バーにおけるポジションのおおよその損益を図として表示する簡単な指標を作成します。 この関数は、ポジションの利益ポイント数を取得する相対価格（バーの終了）と、ポジションの存在を確認する時間（バーの開始時間）を取得します。次に、過去ポジションの各オブジェクトから受け取ったすべてのポジションの利益を合計して返します。

新しい記事「 float16およびfloat8形式のONNXモデルを扱う 」はパブリッシュされました: 機械学習モデルの表現に使用されるデータ形式は、その有効性に決定的な役割を果たします。近年、深層学習モデルを扱うために特別に設計された新しい型のデータがいくつか登場しています。この記事では、現代のモデルで広く採用されるようになった2つの新しいデータ形式に焦点を当てます。