記事、ライブラリコメント - ページ 5

新しい記事「 エキスパートアドバイザーのQ値の開発 」はパブリッシュされました: この記事では、エキスパートアドバイザー(EA)がストラテジーテスターで表示できる品質スコアを開発する方法を見ていきます。Van TharpとSunny Harrisという2つの有名な計算方法を見てみましょう。 この記事では、エキスパートアドバイザー(EA)がストラテジーテスターで表示できる品質スコアを開発する方法を見ていきます。下の図1では、OnTester

新しい記事「 MQL5の圏論（第20回）：セルフアテンションとTransformerへの回り道 」はパブリッシュされました: ちょっと寄り道して、chatGPTのアルゴリズムの一部について考えてみたいとおもいます。自然変換から借用した類似点や概念はあるのでしょうか。シグナルクラス形式のコードを用いて、これらの疑問やその他の質問に楽しく答えようと思います。 圏論と自然変換をテーマにしながら、この連載を続け、チャットGPTという「部屋の中の象」に触れないのは、不謹慎なことだと思います。今では誰もが、何らかの形で、chatGPTや他のAIプラットフォームのホストに精通しており、

新しい記事「 時系列マイニングのためのデータラベル（第2回）：Pythonを使ってトレンドマーカー付きデータセットを作成する 」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、いくつかの時系列のラベル付け方法を紹介します。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「 MQL5の圏論（第19回）：自然性の正方形の帰納法 」はパブリッシュされました: 自然性の正方形の帰納法を考えることで、自然変換について考察を続けます。MQL5ウィザードで組み立てられたエキスパートアドバイザー(EA)の多通貨の実装には若干の制約があるため、スクリプトでデータ分類能力を紹介しています。主な用途は、価格変動の分類とその予測です。 今回は、 前回

新しい記事「 時系列マイニングのためのデータラベル（第1回）：EA操作チャートでトレンドマーカー付きデータセットを作成する 」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、いくつかの時系列のラベル付け方法を紹介します。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「 取引トランザクション：リクエストとレスポンスの構造体、説明、ロギング 」はパブリッシュされました: この記事では、取引リクエストの構造体、すなわち、リクエストの作成、サーバーに送信する前の事前検証、取引リクエストに対するサーバーの応答、および取引トランザクションの構造体の取り扱いについて検討します。取引注文をサーバーに送信するためのシンプルで便利な関数を作成し、すべての議論された内容に基づいて、取引トランザクションを通知するEAを作成します。 MQL5には、未決注文を出し、ポジションを開き、注文やポジションを変更するための OrderSend()

新しい記事「 ニューラルネットワークが簡単に（第51回）：Behavior-Guided Actor-Critic (BAC) 」はパブリッシュされました: 最後の2つの記事では、エントロピー正則化を報酬関数に組み込んだSoft Actor-Criticアルゴリズムについて検討しました。このアプローチは環境探索とモデル活用のバランスをとりますが、適用できるのは確率モデルのみです。今回の記事では、確率モデルと確定モデルの両方に適用できる代替アプローチを提案します。

新しい記事「 ニューラルネットワークが簡単に（第50回）：Soft Actor-Critic（モデルの最適化） 」はパブリッシュされました: 前回の記事では、Soft Actor-Criticアルゴリズムを実装しましたが、有益なモデルを訓練することはできませんでした。今回は、先に作成したモデルを最適化し、望ましい結果を得ます。 Soft Actor-Criticアルゴリズムの研究を続けます。 前回 の記事では、アルゴリズムを実装しましたが、収益性の高いモデルを訓練することができませんでした。今日は可能な解決策を考えてみましょう。同じような疑問は、「 先延ばしのモデル、理由と解決策

新しい記事「 パターン検索への総当たり攻撃アプローチ（第V部）：新鮮なアングル 」はパブリッシュされました: この記事では、私が長い時間をかけてたどり着いた、アルゴリズム取引に対するまったく異なるアプローチを紹介します。もちろん、これはすべて私の総当たり攻撃プログラムに関係しています。これには、複数の問題を同時に解決できるように多くの変更が加えられています。とはいえ、この記事はより一般的で可能な限りシンプルなものであるため、総当たり攻撃について何も知らない読者にも適しています。

新しい記事「 MQL5における座標降下法を用いたエラスティックネット回帰 」はパブリッシュされました: この記事では、過学習を最小化すると同時に、有用な予測因子と予後予測力の低い予測因子を自動的に分離するエラスティックネット回帰の実用的な実装を探求します。 座標降下法は、多変数の最適化に適した最適化手法です。複雑な多次元最適化問題は、1次元の問題の集まりに縮小されます。 これは、他の次元の関数の値を静的に保ったまま、関数の個々の次元を繰り返し最小化することによって達成されます。インターネット上には、より詳細な説明を提供してくれる資料が数多くあります。ここで関心があるのは、戦略開発への応用です。

新しい記事「 リプレイシステムの開発 - 市場シミュレーション（第14回）：シミュレーターの誕生(IV) 」はパブリッシュされました: この記事ではシミュレーターの開発段階を続けます。 今回は、ランダムウォークタイプの動きを効果的に作成する方法を見ていきます。このような動きには非常に興味をそそられます。資本市場で起こるすべてのことの基礎がそれによって形成されるためです。さらに、市場分析をおこなう上で基本となるいくつかの概念についても理解を深めていきます。

新しい記事「 リプレイシステムの開発 - 市場シミュレーション（第12回）：シミュレーターの誕生（II） 」はパブリッシュされました: シミュレーターの開発は、見た目よりもずっと面白いものです。事態はさらに面白くなってきているため、今日は、この方向にもう少し踏み込んでみましょう。

新しい記事「 リプレイシステムの開発 - 市場シミュレーション（第11回）：シミュレーターの誕生（I） 」はパブリッシュされました: バーを形成するデータを使うためには、リプレイをやめてシミュレーターの開発に着手しなければなりません。難易度が最も低い1分バーを使用します。 私たちは常に、修正や変更が必要で、私たちの行動を理解するのに何時間も費やさなければならないコードよりも、読みやすく理解しやすいコードを好むべきです。これでこの記事は終わりです。以下のビデオは、記事に添付されているものを使用して作成された、現在の開発段階での結果を示しています。

新しい記事「 リプレイシステムの開発 - 市場シミュレーション（第10回）：リプレイで実データのみを使用する 」はパブリッシュされました: ここでは、リプレイシステムで、調整されているかどうかを気にすることなく、より信頼性の高いデータ（取引されたティック）を使用する方法を見ていきます。 のビデオでは、この記事で紹介した作業の結果を見ることができます。まだ見えていない部分もあるかもしれませんが、ビデオを見ることで、これらすべての記事におけるリプレイ/シミュレーションシステムの進歩を明確に理解することができるでしょう。ビデオを見て、最初と今の変化を比べてみてください。 作者: Daniel

新しい記事「 リプレイシステムの開発 - 市場シミュレーション（第9回）：カスタムイベント 」はパブリッシュされました: ここでは、カスタムイベントがどのようにトリガーされ、指標でどのようにリプレイ/シミュレーションサービスの状態がレポートされるかを見ていきます。 ここで、カスタムイベントをトリガーするために一般的なもの、つまり EventChartCustom

新しい記事「 リプレイシステムの開発 - 市場シミュレーション（第13回）：シミュレーターの誕生（III） 」はパブリッシュされました: ここでは、次回以降の仕事に関連するいくつかの要素を簡略化します。シミュレーターが生成するランダム性を視覚化する方法も説明しましょう。

新しい記事「 ニューラルネットワークが簡単に（第49回）：Soft Actor-Critic 」はパブリッシュされました: 連続行動空間の問題を解決するための強化学習アルゴリズムについての議論を続けます。この記事では、Soft Actor-Critic (SAC)アルゴリズムについて説明します。SACの主な利点は、期待される報酬を最大化するだけでなく、行動のエントロピー（多様性）を最大化する最適な方策を見つけられることです。 この記事では、別のアルゴリズムであるSoft Actor-Critic (SAC)に焦点を当てます。このアルゴリズムは最初に「 Soft

トレーダーのためのMQL5プログラミング - 書籍からのソースコード。第7部 : 本書最後となる第7部では、MetaTrader 5のプログラムを開発する際に役立つMQL5 APIの高度な機能について説明します。これには、カスタム金融銘柄、組み込みの経済指標カレンダーイベント、およびネットワーキング、データベース、暗号化などの汎用テクノロジーが含まれます。 作者: MetaQuotes

トレーダーのためのMQL5プログラミング - 書籍からのソースコード。第6部 : 『トレーダーのためのMQL5プログラミング』の第6部では、MQL5言語の重要な要素である取引の自動化について学びます。まず、金融商品の仕様や取引口座の設定など、基本的なエンティティについて説明します。これらはエキスパートアドバイザー(EA)を適切に動作させるための前提条件です。 作者: MetaQuotes

トレーダーのためのMQL5プログラミング - 書籍からのソースコード。第5部 : 本書の第5部では、金融データの分析・処理、チャートの視覚化、自動化、ユーザーとのインタラクションなど、アルゴリズム取引に関連するAPIについて掘り下げていきます。 作者: MetaQuotes

トレーダーのためのMQL5プログラミング - 書籍からのソースコード。第4部 : 本書の第4部では、組み込み関数(MQL5 API)のマスターに焦点を当て、徐々に特殊なサブシステムに踏み込んでいきます。どんなMQL5プログラムでも、多くのテクノロジーと機能を利用することができます。したがって、ほとんどのプログラムで利用できる最もシンプルで便利な機能から始めるのが理にかなっています。 作者: MetaQuotes

トレーダーのためのMQL5プログラミング - 書籍からのソースコード。第3部 : 第3部「MQL5でのオブジェクト指向プログラミング」では、MQL5言語によるオブジェクト指向プログラミング(OOP)の世界に浸ることができます。ソフトウェア開発には、複数のエンティティの管理に関連する複雑さが伴うことが多く、プログラミングの利便性、生産性、品質を向上させる高度な技術が必要とされます。 作者: MetaQuotes

トレーダーのためのMQL5プログラミング - 書籍からのソースコード。第2部 : 第2部「MQL5プログラミングの基礎」では、このプログラミング言語の主要な概念を紹介します。本書のこの部分では、データ型、識別子、変数、式、および演算子について説明します。さまざまな命令を組み合わせてプログラムロジックを形成する方法を学びます。 作者: MetaQuotes

トレーダーのためのMQL5プログラミング - 書籍からのソースコード。第1部 : 本書の第1章では、MQL5言語と開発環境を紹介しています。MQL4（MetaTrader 4言語）と比較してMQL5言語で導入された新機能の1つは、オブジェクト指向プログラミング(OOP)のサポートです。これはC++に似ています。 作者: MetaQuotes

新しい記事「 離散ハートレー変換 」はパブリッシュされました: この記事では、スペクトル分析と信号処理の方法の1つである離散ハートレー変換について説明します。信号のフィルタリング、スペクトルの分析などが可能になります。DHTの能力は離散フーリエ変換の能力に劣りません。ただし、DFTとは異なり、DHTは実数のみを使用するため、実際の実装がより便利であり、その適用結果はより視覚的です。 1942年、 ラルフ・ハートレー は、記事「 A More Symmetrical Fourier Analysis Applied to Transmission Problems

新しい記事「 MQL5の構造体とデータ表示メソッド 」はパブリッシュされました: この記事では、MqlDateTime、MqlTick、MqlRates、MqlBookInfoの各構造体と、それらからデータを表示するメソッドについて見ていきます。構造体のすべてのフィールドを表示するためには、標準的なArrayPrint()関数があります。この関数では、配列に含まれるデータを便利な表形式で、扱われる構造体の型とともに表示します。 MqlParam および MqlTradeRequest

新しい記事「 StringFormat()：レビューと既成の例 」はパブリッシュされました: この記事では、PrintFormat()関数のレビューを続けます。StringFormat()を使った文字列の書式設定と、そのプログラムでのさらなる使用法について簡単に説明します。また、ターミナル操作ログに銘柄データを表示するためのテンプレートも作成します。この記事は、初心者にも経験豊富な開発者にも役立つでしょう。 StringFormat()関数は、受け取ったパラメータをフォーマットし、フォーマットされた文字列を返します。文字列の書式設定規則は、 PrintFormat()

新しい記事「 PrintFormat()を調べてすぐ使える例を適用する 」はパブリッシュされました: この記事は、初心者にも経験豊富な開発者にも役立つでしょう。PrintFormat()関数について調べ、文字列フォーマットの例を分析し、ターミナルのログに様々な情報を表示するためのテンプレートを書きます。 ログやモニター画面に値を表示するのは、「Hello, world」よりも複雑なものを表示しなくていい限り、シンプルで馴染みのある操作です。しかし、遅かれ早かれ、あまり需要のない値やプロパティをフォーマットして出力する必要がある状況が発生します。もちろん、MQL5のヘルプで調べることもできます。

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。

新しい記事「 ニューラルネットワークが簡単に（第47回）：連続行動空間 」はパブリッシュされました: この記事では、エージェントのタスクの範囲を拡大します。訓練の過程には、どのような取引戦略にも不可欠な資金管理とリスク管理の側面も含まれます。 前回の記事では、取引方向を決定するためだけにエージェントを訓練しました。エージェントの行動範囲は4つの選択肢に限られていました。 買う 売る 維持/待機 すべてのポジションを閉じる