記事、ライブラリコメント - ページ 66

統計的特徴 : この指標はバーの統計的特性である平均値、分散、歪度、尖度を示します。 作者: Vladimir Karputov

正確なタイマー : 標準タイマーの精度を向上させたものです。 作者: fxsaber

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「 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()

Hikkake Pattern (Inside Day False Breakout) : ひっかけパターン(日中の偽ブレイクアウト)指標は偽のブレイクアウトに基づく取引戦略です。2004年4月の「Active Trader」誌で発表されたDan Chesler著の「Trading False Moves with the Hikkake Pattern」(ひっかけパターンでの取引の偽の動き)稿をMQL5コードで実装したものです。 作者: Minions Labs

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。

ボリュームトレーダー : 足のティック量に基づくトレーディングシステム。 作者: Vladimir Karputov

GMMA : ダリルグッピーは、プロのトレーダーで 「Trend Trading（トレンドトレーディング）」 、 「Trading Tactics（取引タクティクス）」 と 「Better Stock Trading: Money and Risk Management（より良い株取引：資金及びリスク管理）」 の著者です。彼はオーストラリア、アジア、中国と米国で取引上のセミナーを開催しています。 Guppy Multiple Moving Average (GMMA) は 移動平均

MA質量雲 : 異なる期間の移動平均の質量によって形成された雲。 作者: klbeei

Export Positions History : 小売ヘッジ口座から決済されたポジションの履歴を.csvファイルにエクスポートします。 作者: amrali

iStochasticOfOsc : MetaTrader 5クライアント端末に含まれているすべてのオシレータタイプのインディケータの ストキャスティクス 。 インディケータに使われるパラメータは下記です。 AD ：数量, ADX ：Period_1, ADXW ：Period_1, ATR ：Period_1, BEARS ：Period_1, BULLS ：Period_1, BWMFI ：数量, CCI ：Period_1、価格, CHAIKIN ：Period_1（高速）、Period_2（低速）、手法、数量, DEMARKER ：Period_1, FORCE

Divergence_Candles : ロウソク足ダイバージェンスのインジケーター。 作者: Scriptor

Yaanna : Yaannaは買わ/売られ過ぎの状態の最も単純なインディケータです。 作者: Nikolay Kositsin

新しい記事「 ニューラルネットワークが簡単に（第45回）：状態探索スキルの訓練 」はパブリッシュされました: 明示的な報酬関数なしに有用なスキルを訓練することは、階層的強化学習における主な課題の1つです。前回までに、この問題を解くための2つのアルゴリズムを紹介しましたが、環境調査の完全性についての疑問は残されています。この記事では、スキル訓練に対する異なるアプローチを示します。その使用は、システムの現在の状態に直接依存します。

ElliottWaveMaker 3.0 : ElliottWaveMaker 3.0 は半自動エリオット波動とアンドリューの熊手の分析ツールで、AutoElliottWaveMakerとして知られているバージョン2.0を論理的に拡張しています。バージョン3.0ではマイナーエラーが修正され、アンドリュースピッチフォークといくつかの追加機能を描画する機能が追加されます。 作者: Roman Martynyuk

DayOfWeekLabels : この指標では価格チャートに曜日が表示されます。 作者: Scriptor

ローソク足タイマー : ローソク足タイマーはローソク足が終了するまでの残り時間を表示します。 作者: Mladen Rakic

ONNXモデルによる手書き数字の認識例 : このエキスパートアドバイザーは取引を行いません。標準的なCanvasライブラリを使って実装されたシンプルなパネルで、マウスを使って数字を書くことができます。数字の認識には、訓練されたmnist.onnxモデルが使用されます。 作者: Slava

新しい記事「 在一张图表上的多个指标（第 02 部分）：首次实验 」はパブリッシュされました: 在前一篇文章“在一张图表上的多个指标”中，我介绍了如何在一张图表上加载多个指标的概念和基本知识。 在本文中，我将提供源代码，并对其进行详解。

新しい記事「 MQL5の圏論（第7回）：多重集合、相対集合、添字集合 」はパブリッシュされました: 圏論は、数学の多様かつ拡大を続ける分野であり、最近になってMQL5コミュニティである程度取り上げられるようになりました。この連載では、その概念と原理のいくつかを探索して考察することで、トレーダーの戦略開発におけるこの注目すべき分野の利用を促進することを目的としたオープンなライブラリを確立することを目指しています。 ただし、形式的には、 f: (E,π) à (E’,π’) として表されるN上の 相対領域のマッピング は、次の三角形が可換となるような関数 f: E àE’です。

パラボリック SAR EA : このEAは、iSAR (パラボリック SAR) インジケータに従います。 作者: Vladimir Karputov

新しい記事「 ニューラルネットワークが簡単に（第39回）：Go-Explore、探検への異なるアプローチ 」はパブリッシュされました: 強化学習モデルにおける環境の研究を続けます。この記事では、モデルの訓練段階で効果的に環境を探索することができる、もうひとつのアルゴリズム「Go-Explore」を見ていきます。 Go-Exploreの主なアイデアは、有望な状態を記憶して戻ることです。これは、報酬の数が限られている場合に効果的な操作をおこなうための基本です。このアイデアは非常に柔軟で幅広いため、さまざまな方法で実施することができます。

新しい記事「 ニューラルネットワークを簡単に（第43回）：報酬関数なしでスキルを習得する 」はパブリッシュされました: 強化学習の問題は、報酬関数を定義する必要性にあります。それは複雑であったり、形式化するのが難しかったりします。この問題に対処するため、明確な報酬関数を持たずにスキルを学習する、活動ベースや環境ベースのアプローチが研究されています。

新しい記事「 ニューラルネットワークが簡単に (第42回）：先延ばしのモデル、理由と解決策 」はパブリッシュされました: 強化学習の文脈では、モデルの先延ばしにはいくつかの理由があります。この記事では、モデルの先延ばしの原因として考えられることと、それを克服するための方法について考察しています。 モデルを先延ばしにする主な理由のひとつは、訓練環境が不十分であることです。モデルは、訓練データへのアクセスが制限されていたり、リソースが不足していたりする可能性があります。

新しい記事「 ニューラルネットワークが簡単に（第41回）：階層モデル 」はパブリッシュされました: この記事では、複雑な機械学習問題を解決するための効果的なアプローチを提供する階層的訓練モデルについて説明します。階層モデルはいくつかのレベルで構成され、それぞれがタスクの異なる側面を担当します。 Scheduled Auxiliary Control（SAC-X）アルゴリズムは、階層構造を用いて意思決定をおこなう強化学習手法です。これは、報酬が疎な問題を解くための新しいアプローチです。それは4つの主要原則に基づいています。

新しい記事「 ニューラルネットワークが簡単に（第40回）：大量のデータでGo-Exploreを使用する 」はパブリッシュされました: この記事では、長い訓練期間に対するGo-Exploreアルゴリズムの使用について説明します。訓練時間が長くなるにつれて、ランダムな行動選択戦略が有益なパスにつながらない可能性があるためです。 Go-Exploreアルゴリズムの訓練期間が長くなるにつれ、ある困難が生じます。その一部を紹介します。 次元の呪い：訓練期間が長くなるにつれて、エージェントが訪問できる状態の数は指数関数的に増加し、最適な戦略を見つけることが難しくなります。

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8回）：指標のロック 」はパブリッシュされました: この記事では、MQL5言語を使用しながら指標をロックする方法を見ていきます。非常に興味深く素晴らしい方法でそれをおこないます。

Aroonオシレータ - ダイナミックゾーン（レベル） : 買われ過ぎと売られ過ぎの条件に固定レベルではなくダイナミックレベル/ゾーンを使用するAroonオシレータです。 ‌ 作者: Mladen Rakic

Arrows and Curves EA : "Arrows&Curves"指標に基づいたエキスパートアドバイザーです。 作者: Vladimir Karputov

新しい記事「 MQL5でONNXモデルをアンサンブルする方法の例 」はパブリッシュされました: ONNX (Open Neural Network eXchange)は、ニューラルネットワークを表現するために構築されたオープンフォーマットです。この記事では、1つのエキスパートアドバイザー(EA)で2つのONNXモデルを同時に使用する方法を示します。