記事、ライブラリコメント - ページ 51

新しい記事「 How to create a simple Multi-Currency Expert Advisor using MQL5 (Part 7): ZigZag with Awesome Oscillator Indicators Signal 」はパブリッシュされました: この記事の多通貨エキスパートアドバイザー(EA)は、オーサムオシレーター（AO、Awesome Oscillator）でフィルタされたジグザグ(ZigZag)指標を使用するまたは互いのシグナルをフィルタするEA（自動売買）です。 以前の記事で示したように、取引端末とストラテジーテスターの両方で MQL5

新しい記事「 ニューラルネットワークが簡単に（第86回）：U字型Transformer 」はパブリッシュされました: 時系列予測アルゴリズムの研究を続けます。この記事では、もう1つの方法であるU字型Transformerについて説明します。 長期的な時系列の予測は、取引にとって特に重要です。2017年に紹介された Transformer アーキテクチャは、自然言語処理( NLP )とコンピュータービジョン( CV )の分野で優れたパフォーマンスを発揮しました。使用されている Self-Attention

iMax3 : iMAX3 インジケータ-ファストトレンドディテクター 作者: Scriptor

新しい記事「 ブレインストーム最適化アルゴリズム(第2部）：マルチモーダリティ 」はパブリッシュされました: 記事の第2部では、BSOアルゴリズムの実用的な実装に移り、テスト関数のテストを実施し、BSOの効率を他の最適化手法と比較します。 第１部 では、ブレインストーミングにヒントを得たこの革新的な手法の基本原理を明らかにするブレインストーム最適化(BSO)アルゴリズムで最適化の世界を掘り下げました。その論理構造を学ぶとともに、クラスタリング手法であるK-MeansとK-Means++の議論にも踏み込みました。ブレインストーム最適化(BSO: Brain Storm

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 」はパブリッシュされました: この記事では、MQL5のネイティブMQTTクライアント開発における最初の試みについて報告します。MQTTは、クライアントサーバーのパブリッシュ/サブスクライブメッセージングトランスポートプロトコルです。MQTTは軽量、オープン、シンプルで、簡単に実装できるように設計されています。これらの特性により、さまざまな状況での使用に最適です。 技術スタックの制限と高価なネットワークコストにより、堅牢、高速、低コストになるように設計されているにもかかわらず、継続的な セッション認識

新しい記事「 ブレインストーム最適化アルゴリズム(第1部）：クラスタリング 」はパブリッシュされました: この記事では、「ブレインストーミング」と呼ばれる現象にヒントを得た、BSO (Brain Storm Optimization)と呼ばれる革新的な最適化手法を見ていきます。また、BSO法が適用するマルチモーダル最適化問題を解くための新しいアプローチについても説明します。これにより、部分集団の数を事前に決定することなく、複数の最適解を見つけることができるのです。K-MeansとK-Means++のクラスタリング法も検討します。 ブレインストーム最適化(BSO: Brain Storm

新しい記事「 ニューラルネットワークが簡単に（第83回）：「Conformer」Spatio-Temporal Continuous Attention Transformerアルゴリズム 」はパブリッシュされました: この記事では、天気予報を目的に開発されたConformerアルゴリズムについて紹介します。天気の変動性や予測の難しさは、金融市場の動きとしばしば比較されます。Conformerは、Attentionモデルと常微分方程式の利点を組み合わせた高度な手法です。

新しい記事「 リプレイシステムの開発（第45回）：Chart Tradeプロジェクト(IV) 」はパブリッシュされました: この記事の主な目的は、C_ChartFloatingRADクラスの紹介と説明です。Chart Trade指標は、非常に興味深い方法で機能しています。チャート上のオブジェクトの数はまだ少ないものの、期待通りの機能を実現しています。指標の値は編集可能ですが、その実現方法については疑問が残るかもしれません。この記事を読めば、これらの疑問が解消されるでしょう。 前回の「 リプレイシステムの開発（第44回）：Chart Tradeプロジェクト(III) 」では、Chart

新しい記事「 ニューラルネットワークが簡単に（第82回）：常微分方程式モデル(NeuralODE) 」はパブリッシュされました: この記事では、環境状態のダイナミクスを研究することを目的とした別のタイプのモデルについて説明します。

新しい記事「 リプレイシステムの開発（第4４回）：Chart Tradeプロジェクト（III） 」はパブリッシュされました: 前回の記事では、OBJ_CHARTで使用するテンプレートデータの操作方法について解説しました。ただし、あの記事ではトピックの概要に焦点を当て、詳細な部分には触れていませんでした。これは、説明をよりシンプルにするために、非常に簡略化された手法を用いたからです。物事は一見シンプルに見えることが多いですが、実際にはそうではないケースもあり、全体を正確に理解するためには、まず最も基本的な部分をしっかり押さえる必要があります。 前回の「

新しい記事「 行列分解：基本 」はパブリッシュされました: ここでの目的は教訓を得ることなので、できるだけシンプルに話を進めたいと思います。具体的には、必要な行列の乗算だけを実装します。行列とスカラーの乗算をシミュレートするにはこれで十分であることが今日わかるでしょう。行列分解を実装する際に多くの人が直面する最大の課題は、スカラーの分解と異なり、因子の順序が結果に影響を与えるため、行列の場合はその点に注意が必要だということです。 皆さん、教育的な内容の私の新しい記事へようこそ。

OverHedgeV2 : ヘッジポジション。新しいバーで動作します。 作者: Vladimir Karputov

新しい記事「 MQLアプリケーションでのCCanvasクラスの使用 」はパブリッシュされました: この記事では、MQLアプリケーションでのCCanvasクラスの使用について検討します。理論には、CCanvasの基本を完全に理解するための詳細な説明と例が付属しています。 結果の例を実行して、塗りつぶしを実行してみましょう。 GIFアニメーションによると、グラフィカルエディタの塗りつぶしツールと同様に機能するCCanvasを使用して塗りつぶしを作成しました。 作者: Mihail Matkovskij

新しい記事 トレーダーライフハック：テスト中の資産、ドローダウン、負荷と目盛りインジケータ はパブリッシュされました: テストプロセスをどのように視覚的に作ることができるでしょう？答えは簡単です：ストラテジーテスターでドローダウン・預金・負荷のインジケーターを含むティック・インジケータ、バランスインジケーターを使用します。このソリューションは、ティック、相場変化、ドローダウン、資産、負荷を視覚的に追跡するのに役立ちます。 手順： 1. ライフハックティックインジケーターを実行し、 tester.tplとしてグラフテンプレートを保存します。右図をクリックし、「テンプレート -

CCIのQQE : RSI(Relative Strength Index) の代わりにCCI(Commodity Channel Index)を使うQQE(Quantitative Qualitative Estimation) 作者: Mladen Rakic

Candle_Range_Envelop : ロウソク足レンジエンベロープインジケータ 作者: Scriptor

新しい記事「 MQL5入門（第8回）：初心者のためのEA構築ガイド(II) 」はパブリッシュされました: この記事では、MQL5フォーラムでよく見られる初心者からの質問を取り上げ、実践的な解決策を紹介します。売買やローソク足の価格取得、取引限度額の設定、取引期間や利益/損失の閾値の管理といった基本的なタスクを自動売買で実行する方法を学びます。MQL5でのこれらの概念の理解と実装を強化するため、ステップごとのガイダンスも提供します。

新しい記事「 PythonとMQL5によるポートフォリオ最適化 」はパブリッシュされました: この記事では、MetaTrader 5を使ったPythonとMQL5による高度なポートフォリオ最適化技術を紹介します。データ分析、資産配分、売買シグナル生成のためのアルゴリズム開発方法を示し、現代の金融管理やリスク軽減におけるデータ主導の意思決定の重要性を強調します。

Money Fixed Risk : 取引当りのリスクに応じてロット価値を計算する例です。 作者: Vladimir Karputov

新しい記事「 データサイエンスと機械学習(第26回)：時系列予測における究極の戦い - LSTM対GRUニューラルネットワーク 」はパブリッシュされました: 前回の記事では、データの長期的な依存関係をうまく捉えられないにもかかわらず、利益を上げる戦略を構築できる単純RNNについて説明しました。この記事では、LSTM (Long-Short Term Memory)とGRU (Gated Recurrent Unit)の両方について説明します。この2つは、単純RNNの欠点を克服し、それを凌駕するために紹介されました。 LSTM (Long Short-Term Memory) とGRU

新しい記事「 ゲータ―オシレーター(Gator Oscillator)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: 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本連載の新しい記事では、ゲータ―オシレーターテクニカル指標を取り上げ、簡単な戦略を通じて取引システムを作成する方法について学びます。 戦略1：Gator Status Identifier

新しい記事「 初心者のためのMQL5によるSP500取引戦略 」はパブリッシュされました: MQL5を活用してS&P500指数を正確に予測する方法をご紹介します。古典的なテクニカル分析とアルゴリズム、そして長年の経験に裏打ちされた原理を組み合わせることで、安定性を高め、確かな市場洞察力を得られます。

新しい記事「 スマートマネーコンセプト(BOS)とRSI指標をEAに統合する方法 」はパブリッシュされました: 市場構造に基づいた情報に基づく自動売買の意思決定を可能にするためには、スマートマネーコンセプト(Break Of Structure: BOS)とRSI指標の組み合わせが有効です。 ペースの速い外国為替取引の世界では、信頼性が高く効率的な取引システムを持つことが成功の鍵です。取引にはさまざまな用語や概念、戦略が存在し、特に、まだ取引業界で足場を固めようとしている新人トレーダーにとっては、圧倒されることもしばしばです。 スマートマネーコンセプト(Smart Money Concept

新しい記事「 固有ベクトルと固有値：MetaTrader 5での探索的データ分析 」はパブリッシュされました: この記事では、データ内の特異な関係性を明らかにするために、固有ベクトルと固有値を探索的データ分析にどのように応用できるかを探ります。 主成分分析(PCA)は、データ探索における次元削減の役割で広く知られています。しかし、その可能性は大規模なデータセットを削減するだけにとどまりません。PCAの中核にあるのは固有値と固有ベクトルであり、これらはデータ内に潜む関係性を解明するための重要な手段です。この記事では、固有構造を活用してこうした隠れた関係を明らかにするテクニックを探ります。

新しい記事「 MQL5で日次ドローダウンリミッターEAを作成する 」はパブリッシュされました: この記事では、取引アルゴリズムに基づくエキスパートアドバイザー(EA)の作成方法を、詳細な観点から解説しています。これはMQL5のシステムを自動化し、デイリードローダウンをコントロールするのに役立ちます。

新しい記事「 多通貨エキスパートアドバイザーの開発（第7回）：フォワード期間に基づくグループの選択 」はパブリッシュされました: 以前は、個々のインスタンスの最適化が実施されたのと同じ期間においてのみ、共同運用の結果を改善する目的で、取引戦略インスタンスグループの選択を評価しました。フォワード期間中に何が起こるか見てみましょう。 標準的なMetaTrader

新しい記事「 GIT：それは何か？ 」はパブリッシュされました: 今回は、開発者にとって非常に重要なツールを紹介しましょう。GITに馴染みのない方は、この記事を読んでGITとは何か、MQL5でどのように使用するかをご覧ください。 今回は、本題から少し外れます。リプレイ/シミュレーターシステムの話題から少し離れて、すべてのプログラマーにとって必須のツールに触れてみましょう。もしこのツールに馴染みがないのであれば、ぜひこの記事を読んでこのツールを導入してください。このツールは、あらゆるプログラマーにとって問題をより簡単かつ迅速に解決するのに役立ちます。

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23回）：CNN 」はパブリッシュされました: 畳み込みニューラルネットワーク(Convolutional Neural Network: CNN)もまた、多次元のデータセットを主要な構成要素に分解することに特化した機械学習アルゴリズムです。一般的にどのように達成されるかを見て、別のMQL5ウィザードシグナルクラスのトレーダーへの応用の可能性を探ります。

新しい記事「 非定常過程と偽回帰 」はパブリッシュされました: この記事では、モンテカルロシミュレーションを用いて非定常過程に回帰分析を適用しようとすると、偽回帰が発生することを示しています。

新しい記事「 母集団最適化アルゴリズム：群鳥アルゴリズム(BSA) 」はパブリッシュされました: 本稿では、自然界における鳥の群れの集団的な相互作用に着想を得た、鳥の群れに基づくアルゴリズム(BSA)を探求します。飛行、警戒、採餌行動の切り替えなど、BSAの個体にはさまざまな探索戦略があるため、このアルゴリズムは多面的なものとなっています。鳥の群れ、コミュニケーション、適応性、先導と追随の原理を利用し、効率的に最適解を見つけます。 群鳥アルゴリズム(Bird Swarm Algorithm