記事、ライブラリコメント - ページ 5

新しい記事「 一目均衡表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: 最も人気のある指標の取引システムを設計する方法についての連載の新しい記事です。今回は一目均衡表とこの指標によって取引システムを設計する方法について説明します。 このセクションでは、各戦略の設計図を作成します。このステップは、私たちが何をしたいのかを正確に理解するためのステップバイステップの設計図に役立つので、取引システムを作成するミッションの中で最も重要なステップであると思います。 戦略1：Ichimoku Trend Identifier

新しい記事「 サンゴ礁最適化(CRO) 」はパブリッシュされました: サンゴ礁の形成および発展過程に着想を得たメタヒューリスティクス手法であるサンゴ礁最適化(CRO, Coral Reef Optimization)アルゴリズムを包括的に解析します。このアルゴリズムは、放卵放精、体内発生、幼生定着、無性生殖、ならびに限られた礁空間を巡る競争といった、サンゴの進化過程における主要な生物学的現象をモデル化したものです。特に、本記事では改良版アルゴリズムに重点を置いて説明します。

新しい記事「 市場シミュレーション（第17回）：ソケット(XI) 」はパブリッシュされました: MetaTrader 5上で実行されるコードの実装自体は、それほど難しいものではありません。しかし、いくつか考慮すべき重要な点があります。これはシステムを正しく動作させるために必要です。ここで重要な点を1つ覚えておいてください。実際には1つのプログラムだけが動作するわけではありません。現実には、3つのプログラムを同時に実行する必要があります。それぞれのプログラムが相互に連携し、通信できるように設計して構造化することが重要です。また、それぞれが他のプログラムの処理内容を認識できる必要があります。

新しい記事「 市場シミュレーション（第16回）：ソケット(X) 」はパブリッシュされました

新しい記事「 総合的なフクロウ取引戦略を構築する 」はパブリッシュされました: 私の戦略は、古典的な取引の基礎と、あらゆる種類の市場で広く使用されているインジケータの改良に基づいています。これは既製のツールで、提案された新しい収益性の高い取引戦略に従うことができます。

新しい記事「 バトルロイヤル最適化(BRO) 」はパブリッシュされました: 本記事では、Battle Royale

新しい記事「 初級から中級まで：構造体(IV) 」はパブリッシュされました: 本記事では、いわゆる構造化プログラミングにおけるコードの作り方について解説します。構造体の中に、変数や情報を操作するためのコンテキストおよびメソッドをすべて配置し、あらゆるコードを実装するための適切な文脈を構築する方法を扱います。そのため、公開すべき内容とそうでない内容を分離するためにprivateセクションを使用する必要性について検討します。これによりカプセル化の原則が守られ、データ構造が本来意図されたコンテキストが維持されることになります。 前回の「 初級から中級まで：構造体(III)

新しい記事「 市場シミュレーション（第15回）：ソケット(IX) 」はパブリッシュされました: 本記事では、これまで実演してきた内容、すなわち「ExcelユーザーがMetaTrader 5上で操作できるようにする方法」の一例について解説します。ここで扱うのは、注文送信やポジションの新規建て・決済をExcel側から直接実行する方法ではなく、ExcelからMetaTrader 5上のEAにそれらの操作を指示する方法です。ユーザーはExcelを用いて特定銘柄のファンダメンタル分析をおこない、その結果をもとに、Excelだけを使ってMetaTrader

新しい記事「 取引におけるニューラルネットワーク：周波数領域における異常検出(CATCH) 」はパブリッシュされました: CATCHフレームワークは、フーリエ変換と周波数パッチングを組み合わせることで、従来手法では捉えきれない市場異常を高精度に検出します。本記事では、このアプローチが金融データに潜む隠れたパターンをどのように明らかにするのかを解説します。

新しい記事「 リスク管理（第5回）：リスク管理システムをエキスパートアドバイザーに統合する 」はパブリッシュされました: 本記事では、これまで開発したリスク管理システムを実装し、さらに別記事で解説したOrder Blocksインジケーターを追加します。加えて、バックテストを実行し、リスク管理システムの有無による結果の違いを比較することで、動的リスク管理の影響を評価します。 連載「リスク管理」の最終回へようこそ。リスク管理を導入することで取引結果がどのように変化するのか、そもそも効果があるのか、動的リスク管理のメリットとデメリットは何か、そしてどのような状況で最も有効なのかについて解説します。

新しい記事「 初級から中級まで：構造体(III) 」はパブリッシュされました: 本記事では、「構造化されたコード」とは何かについて解説します。多くの人が「構造化されたコード」と「整理されたコード」を混同していますが、この2つの概念には明確な違いがあります。本記事ではその違いについて説明します。一見すると複雑に感じられるかもしれませんが、できるだけシンプルに理解できるように解説しています。ただし、本記事はより大きな内容へ進むための第一歩にすぎません。 前回の「 初級から中級まで：インジケーター(IV)

新しい記事「 取引におけるニューラルネットワーク：多変量時系列のデュアルクラスタリング（最終回） 」はパブリッシュされました: DUETフレームワークの著者らによって提案されたアプローチの実装を引き続き進めます。本フレームワークは、時間方向とチャネル方向のクラスタリングを組み合わせることで、時系列データに潜在するパターンを抽出する革新的な手法を提供します。 モデルの学習には、 EURUSD の2024年通年における M1 （1分足）時間軸の履歴データセットを使用します。データ収集時には、インジケーターのパラメータはすべてデフォルト値のまま維持されています。

ピリオド・コンバーターMOD : MT4のピリオドコンバータのアナログ 作者: Aleksandr Slavskii

新しい記事 標準ライブラリのトレーディングストラテジークラスの探求- ストラテジーのカスタマイズ はパブリッシュされました: この記事では、トレーディングストラテジークラスの標準ライブラリをどのように探求していくか、そして、カスタムストラテジーやフィルター/シグナルをMQL5ウィザードのパターン・モデルロジックを用いてどのように追加するかについて紹介したいと思います。最終的に、MetaTrader5の標準インジケーターを用いて独自の戦略を追加できるようになり、MQL5ウィザードがシンプルで強力なコードや、機能的なエキスパートアドバイザーを作成できるようになります。 MetaTrader

新しい記事 MQL5.コミュニティ - ユーザーメモ はパブリッシュされました: みなさんは登録したばかりで、おそらく「メッセージに写真を挿入する方法は？」、「MQL5 のソースコードをフォーマットする方法は？」、「個人のメッセージはどこに保存されるの？」などという疑問があることでしょう。またそのほかにも数多くの質問があるかもしれません。本稿では MQL5.communityに慣れていただくための実践的な情報を準備し、利用可能な機能を最大限に活用していただけるようにします。 作者: MetaQuotes Software Corp

新しい記事「 取引におけるニューラルネットワーク：市場異常の適応型検出（最終回） 」はパブリッシュされました: 時系列データにおける異常検知のための高度なツールであるDADAフレームワークの基盤となるアルゴリズムの構築を続けます。このアプローチにより、ランダムな変動と重要な逸脱を効果的に区別することができます。従来の手法とは異なり、DADAはさまざまなデータタイプに動的に適応し、それぞれのケースにおいて最適な圧縮レベルを選択します。 学習用データセットは、 2024 年の EURUSD （ M1 時間足）に対してMetaTrader

新しい記事「 リスク管理（第4回）：主要クラスメソッドの完了 」はパブリッシュされました: MQL5におけるリスク管理に関する連載の第4回です。本連載では、取引戦略を保護しつつ最適化するための高度な手法を段階的に解説しています。前回までの内容で重要な基礎はすでに整っており、本記事では第3回で後回しにしていた残りの実装をすべて完結させます。具体的には、設定された利益および損失の上限に到達したかどうかを判定するための各種関数を完成させます。さらに、より高精度かつ柔軟なリスク制御を実現するための新しいイベント機構についても導入します。 前回の 記事

新しい記事「 市場シミュレーション（第13回）：ソケット(VII) 」はパブリッシュされました: xlwingsなど、Excelへの直接的な読み書きを可能にするパッケージを用いて何かを開発する場合には、すべてのプログラム、関数、または手続きは実行され、その処理を完了すると同時に終了するという点に注意する必要があります。どれだけ工夫をしても、それらを継続的なループ処理として動作させ続けることはできません。 前回の「 市場シミュレーション（第12回）：ソケット(VI)

新しい記事「 取引におけるニューラルネットワーク：カオス理論を時系列予測に統合する(Attraos) 」はパブリッシュされました: Attraosフレームワークは、カオス理論を長期時系列予測に統合し、それらを多次元混沌力学系の射影として扱います。アトラクター不変性を活用し、本モデルは位相空間再構成および動的多解像度メモリを用いることで、過去の構造を保持します。

新しい記事「 取引におけるニューラルネットワーク：市場異常の適応型検出(DADA) 」はパブリッシュされました: 時系列データにおける異常検知のための革新的手法であるDADAフレームワークについてご紹介します。本手法は、ランダムな変動と疑わしい逸脱を区別することを可能にします。従来の方法とは異なり、DADAは柔軟性を持っており、さまざまな種類のデータに適応します。固定された圧縮レベルを用いるのではなく、複数の選択肢の中から各ケースに最も適したものを選択する点が特徴です。

新しい記事「 取引におけるニューラルネットワーク：多変量時系列のデュアルクラスタリング(DUET) 」はパブリッシュされました: DUETフレームワークは、時間方向およびチャネル方向のクラスタリングを組み合わせることで、時系列データに潜むパターンを抽出する新しいアプローチを提供します。時間的な変化への適応とノイズの低減を両立し、予測精度の向上を目指します。

新しい記事「 取引におけるニューラルネットワーク：カオス理論を時系列予測に統合する（最終回） 」はパブリッシュされました: 引き続き、Attraosフレームワークの著者らが提案した手法を取引モデルに統合します。このフレームワークは、時系列予測問題を多次元カオス動的システムの投影として解釈し、カオス理論の概念を用いて解決するものであることを改めてお伝えしておきます。

新しい記事「 市場シミュレーション（第12回）：ソケット(VI) 」はパブリッシュされました: 本記事では、Pythonコードを他のプログラム内で使用する際に発生する特定の問題や課題をどのように解決するかについて説明します。特に、ExcelとMetaTrader

新しい記事「 Market Memory Zonesインジケーターの開発：価格が戻りやすい領域 」はパブリッシュされました: 強い市場活動によって形成される価格ゾーンを識別するインジケーターを開発します。具体的には、インパルス的な値動き、構造のシフト、流動性イベントなどによって生成される領域を対象とします。これらのゾーンは、未約定の注文や急激な価格変動によって市場に「記憶」が残されたエリアを表します。チャート上にこれらの領域をマーキングすることで、将来的に価格が再訪し反応する可能性が統計的に高いポイントを可視化します。 ディスプレイスメントゾーン

新しい記事「 ラリー・ウィリアムズの『市場の秘密』（第7回）：Trade Day of the Week概念の実証研究 」はパブリッシュされました: ラリー・ウィリアムズのTrade Day of the Week (TDW)概念の実証研究です。時間ベースの市場バイアスを、MQL5を用いてどのように測定、検証、活用できるかを示します。曜日ごとの勝率やパフォーマンスを分析するための実践的なフレームワークを提示し、短期取引システムの改善に役立てる方法を解説します。

新しい記事「 MQL5入門（第36回）：MQL5のAPIとWebRequest関数の習得(X) 」はパブリッシュされました: MQL5におけるHMAC-SHA256およびAPI署名の基本概念を紹介し、メッセージと秘密鍵を組み合わせることでリクエストを安全に認証する方法を説明します。これは、機密データを公開することなくAPI呼び出しに署名するための基盤となります。

ADX with Trend Strength Zones and DI Crossover Alerts : ADX indicator with shaded trend strength zones, DI crossover alerts and ADX threshold breach alerts (popup / push / email). 作者: Shigemi Yagi

Multi-Timeframe ATR with Volatility Spike Alerts and Percent Mode : Multi-Timeframe ATR indicator with volatility spike alerts (popup / push / email) and a normalized percent-of-price display mode. 作者: Shigemi Yagi

新しい記事「 MetaTrader 5で隠れマルコフモデルを統合する 」はパブリッシュされました: この記事では、Pythonを使用して学習した隠れマルコフモデルをMetaTrader 5アプリケーションに統合する方法を示します。隠れマルコフモデルは、時系列データをモデル化するために使用される強力な統計的ツールであり、モデル化されるシステムは観測不可能な（隠れた）状態によって特徴付けられます。HMMの基本的な前提は、ある時刻にある状態にある確率は、その前のタイムスロットにおけるプロセスの状態に依存するということです。

新しい記事「 古典的な戦略を再構築する（第21回）：ボリンジャーバンドとRSIのアンサンブル戦略の発見 」はパブリッシュされました