記事、ライブラリコメント - ページ 72

新しい記事「 ニューラルネットワークが簡単に（第80回）：Graph Transformer Generative Adversarial Model (GTGAN) 」はパブリッシュされました: この記事では、2024年1月に導入された、グラフ制約のある建築レイアウト生成の複雑な問題を解くためのGTGAN (Graph Transformer Generative Adversarial Model)アルゴリズムについて知ろうと思います。

新しい記事「 母集団アルゴリズムのハイブリダイゼーション：逐次構造と並列構造 」はパブリッシュされました: ここでは、最適化アルゴリズムのハイブリダイゼーションの世界に飛び込み、3つの主要なタイプ、すなわち戦略混合、逐次ハイブリダイゼーション、並列ハイブリダイゼーションについて見ていきます。関連する最適化アルゴリズムを組み合わせ、テストする一連の実験をおこないます。 最適化アルゴリズムハイブリダイゼーションの3つの主な選択肢を考えてみましょう。 1. アルゴリズム検索戦略を1つに混ぜる

SilverTrend_HTF_Signal : SilverTrend_HTF_Signalは、トレンドの方向またはSilverTrend指標によって生成された取引シグナルを着色したトレンド又は取引の方向の表示を持ったグラフィックオブジェクトとして示します。 トレンドが選択されたバーで継続する場合、この指標はトレンド方向に対応した星形のグラフィックオブジェクトによってアラートを出します。選択されたバーでトレンドが変化した場合、指標は取引の方向に対応する矢印、色と方向でアラートを出します。 図1. トレンド継続シグナル 図2. エントリーシグナル 作者: Nikolay Kositsin

新しい記事「 データサイエンスと機械学習（第02回）：ロジスティック回帰 」はパブリッシュされました: データ分類は、アルゴトレーダーとプログラマーにとって非常に重要なものです。この記事では、「はい」と「いいえ」、上と下、買いと売りを識別するのに役立つ可能性のある分類ロジスティックアルゴリズムの1つに焦点を当てます。 線形モデルはロジスティック関数「(sigmoid/p) =1/1+ e ^t」に渡されます。ここで、 t は線形モデルであり、結果は0～1の値です。これは、データポイントがクラスに属する確率を表します。 線形モデルのyを従属として使用する代わりに、その関数は「 p

新しい記事「 手動取引のリスクマネージャー 」はパブリッシュされました: この記事では、手動取引用のリスクマネージャークラスをゼロから書く方法について詳しく説明します。このクラスは、自動化プログラムを使用するアルゴリズムトレーダーが継承するための基本クラスとしても使用できます。 皆さん、こんにちは。今回は、リスク管理の方法論について話を続けます。前回の「 複数の商品を同時に取引する際のリスクバランス

新しい記事「 リプレイシステムの開発（第43回）：Chart Traderプロジェクト(II) 」はパブリッシュされました: プログラミングを学びたいと夢見る人のほとんどは、実際に自分が何をしているのかわかっていません。彼らの活動は、ある方法で物事を創造しようとすることから成っています。しかし、プログラミングとは、適切な解決策を仕立てることではありません。このようなやり方は、解決策よりも多くの問題を引き起こす可能性があります。ここでは、より高度で、それゆえに異なることをします。 前回の「 リプレイシステムの開発（第42回）：Chart Traderプロジェクト(I) 」では

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24回）：移動平均 」はパブリッシュされました: 移動平均は、ほとんどのトレーダーが使用し、理解している非常に一般的な指標です。この記事では、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)の中で、あまり一般的ではないかもしれない使用例を探っていきます。 MQL5ウィザードについての本連載の続きとして、移動平均指標を取り上げ、一部のトレーダーにとって斬新な方法で、この指標をすでに利用可能なツールのライブラリにどのように追加できるかを見ていきます。 移動平均

新しい記事「 リプレイシステムの開発（第42回）：Chart Traderプロジェクト（I） 」はパブリッシュされました: もっと面白いものを作りましょう。ネタバレはしたくないので、理解を深めるために記事を読んでください。リプレイ/シミュレーターシステムの開発に関する本連載の最初の段階から、私は、開発中のシステムと実際の市場の両方で同じようにMetaTrader

3 Rules MACD : 3つのルール/フィルタを追加して古典的なMACDを強化したものです。 作者: Minions Labs

新しい記事「 LSTMニューラルネットワークを用いた時系列予測の作成：価格の正規化と時間のトークン化 」はパブリッシュされました: この記事では、日次レンジを使用して市場データを正規化し、市場予測を強化するためにニューラルネットワークを訓練する簡単な戦略を概説します。開発されたモデルは、既存のテクニカル分析の枠組みと組み合わせて、あるいは単独で、市場全体の方向性を予測するのに役立てることができます。この記事で概説した枠組みは、テクニカルアナリストであれば、手動と自動売買の両方の戦略に適したモデルを開発するために、さらに改良を加えることができます。

新しい記事「 データサイエンスと機械学習（第24回）：通常のAIモデルによるFX時系列予測 」はパブリッシュされました: 外国為替市場において、過去を知らずに将来のトレンドを予測することは非常に困難です。過去の値を考慮して将来の予測をおこなうことができる機械学習モデルは非常に少ないです。この記事では、市場に勝つために古典的な（非時系列）人工知能モデルを使用する方法について説明します。

ボリンジャーパーセントB : これは MetaTrader 5 のためのボリンジャーバンド%b指標です。 作者: Mohsen Khashei

新しい記事「 Candlestick Trend Constraintモデルの構築（第5回）：通知システム（パート2） 」はパブリッシュされました: 今日は、PythonとTelegram Bot APIと連携して、MQL5のパワーを活用した MetaTrader 5指標通知のための実用的なTelegram統合について説明します。ポイントが見逃がされることがないように、すべてを詳細に説明します。このプロジェクトが終了する頃には、ご自分のプロジェクトに応用できる貴重な洞察を得ることができるでしょう。

新しい記事「 Candlestick Trend Constraintモデルの構築（第5回）：通知システム（パート1） 」はパブリッシュされました: 本連載で作成するTrend Constraint指標からのシグナル通知を受信するためのTelegramとWhatsAppの統合を説明するために、メインのMQL5コードを特定のコードスニペットに分解します。これにより、トレーダーや開発者（初心者か経験豊富かを問わず）が簡単にコンセプトを把握できるようになります。まず、MetaTrader

新しい記事「 ニューラルネットワークが簡単に（第79回）：状態の文脈におけるFeature Aggregated Queries (FAQ) 」はパブリッシュされました: 前回の記事では、画像内のオブジェクトを検出する方法の1つを紹介しました。ただし、静的な画像の処理は、私たちが分析する価格のダイナミクスのような動的な時系列の処理とは多少異なります。この記事では、私たちが解決しようとしている問題にやや近い、ビデオ中の物体を検出する方法について考えます。

新しい記事「 因果推論における傾向スコア 」はパブリッシュされました: 本稿では、因果推論におけるマッチングについて考察します。マッチングは、データセット内の類似した観測を比較するために使用されます。これは因果関係を正しく判定し、バイアスを取り除くために必要なことです。著者は、訓練されていない新しいデータではより安定する、機械学習に基づく取引システムを構築する際に、これがどのように役立つかを説明しています。傾向スコアは因果推論において中心的な役割を果たし、広く用いられています。 この記事では、前回の 記事 で簡単に触れたマッチングについて、あるいはその種類の1つである 傾向スコアマッチング

新しい記事「 母集団最適化アルゴリズム：極値から抜け出す力（第I部） 」はパブリッシュされました: 本稿では、母集団最適化アルゴリズムの挙動を、集団の多様性が低い場合に効率的に極小値を脱出し、最大値に到達する能力という観点から検証することを目的としたユニークな実験を紹介します。この方向性で取り組むことで、ユーザーが設定した座標を出発点として、どの特定のアルゴリズムが検索を成功させることができるのか、またその成功にどのような要因が影響するのかについて、さらなる洞察が得られるでしょう。

新しい記事「 効率的な最適化のバックボーンとしての母集団アルゴリズムの基本クラス 」はパブリッシュされました: この記事は、最適化手法の適用を単純化するために、様々な母集団アルゴリズムを1つのクラスにまとめるというユニークな研究の試みです。このアプローチは、ハイブリッド型を含む新しいアルゴリズム開発の機会を開くだけでなく、普遍的な基本テストスタンドの構築にもつながります。このスタンドは、特定のタスクに応じて最適なアルゴリズムを選択するための重要なツールとなります。

新しい記事「 角度ベースの取引 」はパブリッシュされました: この記事では、角度ベースの取引について取り上げます。角度の組み立て方と、それを取引に利用する方法について見ていきます。 角度ベースの操作は、非常に長い間、取引で使用されてきました。これらの操作の主な利点は、角度の構成が単純であることと、その明快さです。角度ベースの操作の顕著な例は、 ギャンツール です。 角度に関することはすべて、すでに知られているように思えますが、違った角度から見てみようと思います。まったく新しいものを手に入れるために、忘れ去られた古いものを思い出してみましょう。 作者: Aleksej Poljakov

新しい記事「 MetaTraderのMultibot（第2回）：動的テンプレートの改良 」はパブリッシュされました: 前回の記事のテーマを発展させ、より柔軟で機能的なテンプレートを作成することにしました。このテンプレートは、より大きな機能を持ち、フリーランスとして、また外部ソリューションとの統合機能を備えた多通貨多期間EAを開発するためのベースとして効果的に使用することができます。

新しい記事「 多通貨エキスパートアドバイザーの開発（第4回）：仮想注文の保留と状況の保存 」はパブリッシュされました: 多通貨EAの開発を始めてから、すでに一定の成果を上げ、コードの改良を何度か繰り返すことができました。ただし、EAは保留中注文を扱うことができず、端末の再起動後に動作を再開することができませんでした。これらの機能を追加しましょう。 前回の 記事 では、複数の並行戦略を持つ多通貨EAを構築するために、コードアーキテクチャを大幅に修正しました。シンプルでわかりやすくするために、これまでは、ある最低限の機能だけを考えてきました。私たちのタスクの限界を考慮して、以前の 記事

新しい記事「 母集団最適化アルゴリズム：極値から抜け出す力（第II部） 」はパブリッシュされました: 母集団の多様性が低いときに効率的に極小値を脱出して最大値に到達する能力という観点から、母集団最適化アルゴリズムの挙動を調べることを目的とした実験を続けます。研究結果が提供されます。 灰色オオカミオプティマイザ ( GWO ) C_AO_GWO:50;10 ============================= 5 Hilly's; Func runs:10000; result:0.5385541648909985 25 Hilly's; Func runs:10000;

新しい記事「 ニューラルネットワークが簡単に（第77回）：Cross-Covariance Transformer (XCiT) 」はパブリッシュされました: モデルでは、しばしば様々なAttentionアルゴリズムを使用します。そして、おそらく最もよく使用するのがTransformerです。Transformerの主な欠点はリソースを必要とすることです。この記事では、品質を損なうことなく計算コストを削減する新しいアルゴリズムについて考察します。 Transformerは、様々なシーケンスを分析する問題を解決する上で大きな可能性を示しています。Transformerの基礎となる

MetaTrader 5のためのBollinger Bandwidth 1.0 : このインディケータは、ボリンジャーバンド®間の距離を測定してボリンジャーの計算を簡略化するためのMetaTrader 5 の技術を使用して、シングラインディケータとして提供します。 作者: Larry

新しい記事「 どんな市場でも優位性を得る方法 」はパブリッシュされました: 現在の技術レベルに関係なく、取引したいどのような市場でも先んじることができる方法を学びましょう。 今日は、トレーダーが様々な市場において大幅な競争上の有利性を発揮するための、強固な取引戦略を構築します。従来の市場参加者が意思決定のために価格関連データ、テクニカル指標、公なニュース発表の組み合わせのみに依存するのに対し、私たちの戦略は、大多数がほとんど未開拓のままであるオルタナティブデータソースを活用することにより、先駆的なアプローチをとります。

新しい記事「 ニューラルネットワークが簡単に（第76回）：Multi-future Transformerで多様な相互作用パターンを探る 」はパブリッシュされました: この記事では、今後の値動きを予測するというトピックを続けます。Multi-future Transformerのアーキテクチャーをお見せします。その主なアイデアは、未来のマルチモーダル分布をいくつかのユニモーダル分布に分解することで、シーンのエージェント間の相互作用のさまざまなモデルを効果的にシミュレートすることができるというものです。 MFT

Multi Arbitration 1.000 : 証券を安く買って（買いポジションを開く）高く売ります（売りポジションを開く）。 作者: Vladimir Karputov

TREND_alexcud v_2 : このEAは15のIMA指標と2つのiAC指標を使用します。 ‌ 作者: Vladimir Karputov

OpenSellStopOrder : SellStop注文を出すためのスクリプトです。 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74回）：適応による軌道予測 」はパブリッシュされました: 本稿では、様々な環境条件に適応可能なマルチエージェントの軌道予測について、かなり効果的な手法を紹介します。