記事、ライブラリコメント - ページ 7

新しい記事 DLLを使用せず、名前のつけられたパイプを使っての MetaTrader 5との通信 はパブリッシュされました: 多くの開発者が同じ課題に出会います。安全性の低い DLL を使わずトレーディングターミナルのサンドボックスを手に入れる方法です。もっとも簡単で安全な方法の一つは、通常のファイル処理で動作する標準的な「名前付きパイプ」を使用することです。名前付きパイプにより、プロセッサ内でプログラム間のクライアントサーバー通信を行うことができます。サーバー、クライアント、それらの間のデータ交換、パフォーマンスのベンチマークを含んだ C++ 言語および MQL5 での実用例を見ていきます。

新しい記事「 MetaTrader 5機械学習の設計図（第3回）：トレンドスキャンラベリング法 」はパブリッシュされました: 私たちは、データリーケージを排除するために適切なティックベースバーを用いた堅牢な特徴量設計パイプラインを構築し、さらにメタラベル付きトリプルバリア法によるラベリングという重要な課題を解決してきました。本記事では、その発展的内容として、適応的な予測期間を実現する高度なラベリング手法である「トレンドスキャニング」を取り上げます。理論の解説に続き、トレンドスキャニングによるラベルをメタラベリングと組み合わせることで、従来の移動平均交差戦略を改善する具体例を示します。

新しい記事 一瞬でトレードロボットを作る方法 はパブリッシュされました: 金融市場でのトレードには深刻なものを含む多くのリスクがあります。すべてのトレーダーの夢は、絶えずいい状態でいて、恐怖、欲望、あせりなどの人間的な弱さを持たないトレードツールを持つことです。 作者: MetaQuotes Software Corp

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「 血液型遺伝最適化(BIO) 」はパブリッシュされました: 人間の血液型の遺伝システムに着想を得た、新しい集団最適化アルゴリズム「血液型遺伝最適化(BIO)」を紹介します。このアルゴリズムでは、各解がそれぞれ固有の「血液型」を持ち、その血液型が進化の方法を決定します。自然界において子の血液型が特定の遺伝ルールに従って受け継がれるように、BIOでは新しい解が継承と突然変異の仕組みを通じて特性を獲得します。

新しい記事「 市場シミュレーション（第9回）：ソケット(III) 」はパブリッシュされました: 本日の記事は前回の記事の続編です。今回はエキスパートアドバイザー(EA)の実装を取り上げ、特にサーバー側コードがどのように実行されるかに焦点を当てます。前回の記事で示したコードだけでは、すべてを期待どおりに動作させるには不十分であるため、もう少し深く掘り下げる必要があります。そのため、これから起こることをよりよく理解するには、両方の記事を読む必要があります。 前回の「 市場シミュレーション（第8回）：ソケット(II)

新しい記事「 初級から中級まで：イベント(I) 」はパブリッシュされました: ここまでに示された内容を踏まえると、いよいよチャート上で直接銘柄を操作するようなアプリケーションの実装を始めることができそうです。しかし、その前に、初心者にはやや混乱しやすい概念について触れておく必要があります。つまり、チャート上で表示することを目的として開発されるMQL5のアプリケーションは、これまで見てきた方法と同じようには作られないということです。本記事では、この点を少しずつ理解していきます。 前回の「 初級から中級まで：構造体(II)

新しい記事「 IBMの量子コンピュータを使ってすべての価格変動パターンを解析する 」はパブリッシュされました: IBMの量子コンピュータを使用してすべての価格変動オプションを発見します。まるでSFの話のようですが、これが取引における量子コンピューティングの世界です。 ほとんどのトレーダーは依然として従来のインジケーターやパターンに頼っていますが、量子コンピュータは全く新しい地平を切り開きます。IBMの量子コンピュータと Qiskit ライブラリを使えば、従来のテクニカル分析を超えて、量子レベルで市場を探索することが可能です。市場では、あらゆる価格変動が重ね合わせの状態で存在しているのです。

新しい記事「 1世紀前の機能で取引戦略をアップデートする 」はパブリッシュされました: 本記事では、ラーデマッヘル関数およびウォルシュ関数を取り上げます。これらの関数を金融時系列解析にどのように適用できるかを検討し、さらに取引におけるさまざまな応用例についても考察します。 金融市場の現状を分析することは、取引の成功にとって最も重要な基盤です。これにより、トレーダーは現在の状況を評価し、将来起こり得る価格変動を予測し、根拠のある取引判断を下すことができます。そのために、さまざまな数学的手法やモデルが用いられます。

新しい記事「 取引におけるニューラルネットワーク：2次元接続空間モデル（最終回） 」はパブリッシュされました: 革新的なChimeraフレームワークの探求を続けます。このフレームワークは、ニューラルネットワーク技術を用いて多次元時系列を解析する二次元状態空間モデル(2D-SSM)です。この手法は、高い予測精度と低い計算コストを両立します。 Chimera フレームワークの著者が提案したアプローチを独自に実装した後、次は作業の最終段階に移ります。実際の履歴データを用いたモデルの学習およびテストです。

新しい記事「 取引におけるニューラルネットワーク：2次元接続空間モデル(Chimera) 」はパブリッシュされました: この記事では、革新的なChimeraフレームワークについて解説します。Chimeraは二次元状態空間モデルを用い、ニューラルネットワークで多変量時系列を解析する手法です。この方法は、従来手法やTransformerアーキテクチャを上回る低い計算コストで高い精度を実現します実現します。 従来の統計手法は、生データの前処理が多く必要で、複雑な非線形依存性を十分に捉えられないことが多くあります。深層ニューラルネットワークは高い表現力を持ちますが、 Transformer

新しい記事「 多通貨エキスパートアドバイザーの開発（第22回）：設定のホットスワップへの移行を開始する 」はパブリッシュされました: 定期的な最適化を自動化するのであれば、取引口座上ですでに稼働しているEAの設定を自動更新することについても検討する必要があります。これにより、ストラテジーテスター内でエキスパートアドバイザー(EA)を実行しながら、単一の実行の中でその設定を変更できるようにする必要があります。 では、私たちが達成したいことをもう少し詳しく説明してみましょう。理想的には、システムは次のような動作をすることを想定しています。

新しい記事「 円探索アルゴリズム(CSA) 」はパブリッシュされました: 本記事では、円の幾何学的性質に基づいた新しいメタヒューリスティック最適化アルゴリズム「円探索アルゴリズム(Circle Search Algorithm, CSA)」を紹介します。本アルゴリズムは、最適解を探索するために点を接線に沿って移動させる原理を使用し、大域探索と局所探索のフェーズを組み合わせています。

新しい記事「 市場シミュレーション（第8回）：ソケット(II) 」はパブリッシュされました: ソケットを使って何か実用的なものを作ってみましょう。今回の記事では、ミニチャットの作成を始めます。一緒にどのようにおこなうかを見ていきましょう。とても面白い内容になるでしょう。ここで提供するコードは教育目的のみの使用を想定しています。商用目的や既製のアプリケーションでの使用には適していません。ソケット上で送信されるデータは安全に保護されず、内容が第三者からアクセス可能になる可能性があるためです。 前回の「 市場シミュレーション（第7回）：ソケット(I)

新しい記事「 初級から中級まで：構造体(II) 」はパブリッシュされました: 本記事では、MQL5のようなプログラミング言語において構造体が存在する理由を考察します。また、構造体を用いて関数や手続き間で値を受け渡すことが有効な場合と、必ずしもそうではない場合がある理由についても解説します。

VR Locker Lite - ポジティブロックに基づく取引戦略 : ポジティブロックを使用して動作し、取引ロボットが1つのポジティブロックを作成し、トレーダー自身がその処理方法を決定します。 作者: Vladimir Pastushak

頭または尾の取引戦略 (Heads or Tails) : 信号ブロックコードの分析を伴う頭または尾の取引戦略の古典的なバージョン。 作者: Vladimir Pastushak

シングルテスター・キャッシュ : テスターのシングルパスデータ。 Author: fxsaber

新しい記事「 取引におけるニューラルネットワーク：ResNeXtモデルに基づくマルチタスク学習（最終回） 」はパブリッシュされました: ResNeXtに基づくマルチタスク学習フレームワークの探求を続けます。このフレームワークは、モジュール性が高く、計算効率に優れ、データ中の安定したパターンを特定できることが特徴です。単一のエンコーダーと専門化された「ヘッド」を使用することで、モデルの過学習のリスクを減らし、予測の精度を向上させます。 フレームワークのエンコーダーの基盤として採用された ResNeXt

新しい記事「 取引におけるニューラルネットワーク：ResNeXtモデルに基づくマルチタスク学習 」はパブリッシュされました: ResNeXtに基づくマルチタスク学習フレームワークは、金融データの高次元性、非線形性、時間依存性を考慮しながら分析を最適化します。グループ畳み込みと専用ヘッドの使用により、モデルは入力データから重要な特徴を効果的に抽出することができます。 現代の畳み込みアーキテクチャの中でも、「 Aggregated Residual Transformations for Deep Neural Networks 」で紹介されたResNeXtは特に注目されます。 ResNeXt

新しい記事「 初級から中級まで：構造体(I) 」はパブリッシュされました: 本日は、構造体について、よりシンプルで実践的、かつ無理のない形で学び始めます。構造体は、構造化プログラミングであろうとなかろうと、プログラミングの基礎を成す要素のひとつです。多くの人は、構造体を単なるデータの集合だと考えがちですが、実際にはそれ以上の役割を持っています。本記事では、この新しい世界を、できるだけ分かりやすく、体系的に探っていきます。

新しい記事 トレーディングにおけるOLAPの適用（その4）。テスターレポートの定量的・視覚的分析 はパブリッシュされました: この記事では、シングルパスや最適化結果に関連するテスターレポートのOLAP分析のための基本的なツールを提供しています。 このツールは標準フォーマットのファイル(tstとopt)を扱うことができ、グラフィカルなインターフェイスも提供します。 最後にMQLのソースコードを添付します。 レベル別の利益の一般的な分布を100刻みで表示するには、X軸に沿った統計から「利益」フィールドを選択し、「カウント」アグリゲータを選択します。 100台単位でのレンジ別全利益配分

ZigZag_channel : ジグザグインジケーターの天井とトラフに基づくチャネル。 作者: Nikolay Kositsin

新しい記事「 MQL5取引ツール（第1回）：インタラクティブで視覚的なペンディングオーダー取引アシスタントツールの構築 」はパブリッシュされました: この記事では、FX取引におけるペンディングオーダーの設置を簡素化するために開発した、MQL5によるインタラクティブ取引アシスタントツール(Trade Assistant

DoubleZigZag : 2つのジグザグインジケーターを分析に使用します。 作者: Vladimir Karputov

ボリンジャーバンド ®に基づいたエキスパートアドバイザー : このエキスパートアドバイザーはボリンジャーバンドに基づいています。トレンドフォローストラテジー（DEMA）と ボリンジャーバンド ® インディケータが使われます。 それは最後の17年間（EURUSD M30）のストラテジーテスターで安定した収益を示しています。 ストラテジー： ロングポジションのオープン： DEМАが上昇し、白（ブル）ローソク足が下から上に下のボリンジャーバンドを交差しました, ショートポジションのオープン： DEМАが下降し、黒（ベア）ローソク足が上部ボリンジャーバンドを上から下に交差しました

新しい記事「 市場シミュレーション（第7回）：ソケット(I) 」はパブリッシュされました: ソケットについてご存じでしょうか。また、MetaTrader 5でどのように使用するかをご存じでしょうか。もし答えが「いいえ」であれば、ここから一緒に学んでいきましょう。本日の記事では、その基礎について解説します。同じことを実現する方法はいくつも存在しますが、私たちが常に重視するのは結果です。そこで、MetaTrader 5からExcelのような他のプログラムへデータを転送するための、実際にシンプルな方法が存在することを示したいと思います。ただし、本来の主な目的は、MetaTrader

新しい記事「 ロイヤルフラッシュ最適化(RFO) 」はパブリッシュされました: オリジナルの「ロイヤルフラッシュ最適化」アルゴリズムは、最適化問題を解決するための新しいアプローチを提示しています。この手法では、遺伝的アルゴリズムで一般的に用いられる古典的な二進符号化を、ポーカーの原理に着想を得たセクターベースのアプローチに置き換えています。RFOは、基本原理を単純化することで、効率的かつ実用的な最適化手法が実現できることを示しています。本記事では、アルゴリズムの詳細な解析とテスト結果を紹介します。

新しい記事「 取引におけるニューラルネットワーク：階層型ダブルタワーTransformer（最終回） 」はパブリッシュされました: 複雑な多変量時系列の分析および予測を目的に設計された、Hidformer階層型ダブルタワーTransformerモデルの構築を引き続き進めます。本記事では、これまでに着手した作業を論理的な結論へと導き、実際の履歴データを用いてモデルを検証します。 ここまでで、 Hidformer

新しい記事「 弁証法的探索(DA) 」はパブリッシュされました: 本記事では、弁証法の考え方に着想を得た大域最適化手法である弁証法的アルゴリズム(Dialectical Algorithm, DA)を紹介します。このアルゴリズムは、集団を「思索的思考者(speculative thinkers)」と「実践的思考者(practical thinkers)」に独自に分割する点が特徴です。テストでは、低次元問題において最大98%の高い性能を示し、全体的な効率は57.95%に達しました。本記事ではこれらの指標を解説し、アルゴリズムの詳細な説明とさまざまな関数に対する実験結果を提示します。