マーケットの中のベストセラー:
最もダウンロードされた無料のプロダクト:
マーケットの中のベストセラー:
33 新しいプロダクト 今、マーケットで利用可能です:
今週最も多く読まれた記事
指標をパーセプトロンに渡す例。この記事では、一般的な概念について説明し、最も単純な既製のエキスパートアドバイザー(EA)と、それに続く最適化とフォワードテストの結果を紹介します。
MetaTraderのマーケットからトレードロボットを購入し、インストールする方法
メタトレーダーのプロダクトは、mql5.com のウェブサイト上またはMetaTrader4,MetaTrader5から直接買うことができます。 希望のお支払い方法を選択して、トレーディングスタイルに合ったプロダクトをお選びいただき、アクティベートしてください。
例えば、冬になると新鮮な野菜の値段が上がったり、霜が降りると燃料の値段が上がったりすることはよく知られていますが、同じようなパターンが外国為替市場にもあることを知っている人は少ないです。
今週最も多くダウンロードされたソースコード
- Candle Time End and Spread このインディケータは、現在のスプレッドと同時にバー(ローソク足)を閉じるまでの時間を表示します。
- 取引セッションインディケータ このインディケータはDRAW_FILLINGバッファに基づいています。入力パラメータはなく、TimeTradeServer()およびTimeGMT() 関数が使われます。
- 書籍「MQL5を使用したアルゴリズム取引のためのニューラルネットワーク」からの例 本書「MQL5を使用したアルゴリズム取引のためのニューラルネットワーク」は、人工知能とニューラルネットワークの理論的基礎と、MQL5プログラミング言語を使った金融取引への応用の実践的側面の両方を網羅した包括的なガイドブックです。
最もダウンロードされた無料のプロダクト:
マーケットの中のベストセラー:
最もダウンロードされた無料のプロダクト:
マーケットの中のベストセラー:
最もダウンロードされた無料のプロダクト:
マーケットの中のベストセラー:
最もダウンロードされた無料のプロダクト:
マーケットの中のベストセラー:
マーケットの中のベストセラー:
最もダウンロードされた無料のプロダクト:
今月最も多く読まれた記事
本稿はMQL4言語関数の簡単なガイドです。MQL4からMQL5へプログラムを移植するのに役立つことでしょう。MQL4関数(トレーディング関数以外)にはそれぞれ記述とMQL5実装が存在します。そのため移行時間が大幅に削減されます。利便性を考え、MQL4関数はグループ分けされておりMQL4参照に似た形になっています。
MetaTraderのマーケットからトレードロボットを購入し、インストールする方法
メタトレーダーのプロダクトは、mql5.com のウェブサイト上またはMetaTrader4,MetaTrader5から直接買うことができます。 希望のお支払い方法を選択して、トレーディングスタイルに合ったプロダクトをお選びいただき、アクティベートしてください。
MetaTrader 5用のMQTTクライアントの開発:TDDアプローチ(第4回)
この記事は、MQTTプロトコルのネイティブMQL5クライアントの開発ステップを説明する連載の第4回です。このセクションでは、MQTT v5.0のプロパティとは何か、そのセマンティクス、いくつかのプロパティの読み方について説明し、プロトコルを拡張するためにプロパティをどのように使用できるかの簡単な例を示します。
今月最も多くダウンロードされたソースコード
- 取引セッションインディケータ このインディケータはDRAW_FILLINGバッファに基づいています。入力パラメータはなく、TimeTradeServer()およびTimeGMT() 関数が使われます。
- 書籍「MQL5を使用したアルゴリズム取引のためのニューラルネットワーク」からの例 本書「MQL5を使用したアルゴリズム取引のためのニューラルネットワーク」は、人工知能とニューラルネットワークの理論的基礎と、MQL5プログラミング言語を使った金融取引への応用の実践的側面の両方を網羅した包括的なガイドブックです。
- Candle Time End and Spread このインディケータは、現在のスプレッドと同時にバー(ローソク足)を閉じるまでの時間を表示します。
パブリッシュされた記事"ニューラルネットワークが簡単に(第63回):Unsupervised Pretraining for Decision Transformer (PDT)".
引き続き、Decision Transformer法のファミリーについて説明します。前回の記事から、これらの手法のアーキテクチャの基礎となるTransformerの訓練はかなり複雑なタスクであり、訓練のために大規模なラベル付きデータセットが必要であることにすでに気づきました。この記事では、ラベル付けされていない軌跡をモデルの予備訓練に使用するアルゴリズムについて見ていきます。
パブリッシュされた記事"ニューラルネットワークが簡単に(第62回):階層モデルにおけるDecision Transformerの使用".
最近の記事で、Decision Transformerを使用するためのいくつかの選択肢を見てきました。この方法では、現在の状態だけでなく、以前の状態の軌跡や、その中でおこなわれた行動も分析することができます。この記事では、階層モデルにおけるこの方法の使用に焦点を当てます。
パブリッシュされた記事"ニューラルネットワークが簡単に(第61回):オフライン強化学習における楽観論の問題".
オフライン訓練では、訓練サンプルデータに基づいてエージェントの方策を最適化します。その結果、エージェントは自分の行動に自信を持つことができます。しかし、そのような楽観論は必ずしも正当化されるとは限らず、模型の操作中にリスクを増大させる可能性があります。今日は、こうしたリスクを軽減するための方法の1つを紹介しましょう。
パブリッシュされた記事"ニューラルネットワークが簡単に(第60回):Online Decision Transformer (ODT)".
最後の2つの記事は、望ましい報酬の自己回帰モデルの文脈で行動シーケンスをモデル化するDecision Transformer法に費やされました。この記事では、この方法の別の最適化アルゴリズムについて見ていきます。
パブリッシュされた記事"ニューラルネットワークが簡単に(第59回):コントロールの二分法(DoC)".
前回の記事では、Decision Transformerを紹介しました。しかし、外国為替市場の複雑な確率的環境は、提示した手法の可能性を完全に実現することを許しませんでした。今回は、確率的環境におけるアルゴリズムの性能向上を目的としたアルゴリズムを紹介します。
パブリッシュされた記事"母集団最適化アルゴリズム:差分進化(DE)".
この記事では、これまでに取り上げたアルゴリズムの中で最も議論の的となっているアルゴリズム、差分進化(DE)アルゴリズムについて考察します。
パブリッシュされた記事"母集団最適化アルゴリズム:Spiral Dynamics Optimization (SDO)アルゴリズム".
本稿では、軟体動物の殻など自然界における螺旋軌道の構築パターンに基づく最適化アルゴリズム、Spiral Dynamics Optimization(SDO、螺旋ダイナミクス最適化)アルゴリズムを紹介します。著者らが提案したアルゴリズムを徹底的に修正し、改変しました。この記事では、こうした変更の必要性について考えてみたいと思います。
パブリッシュされた記事"母集団最適化アルゴリズム:Intelligent Water Drops (IWD)アルゴリズム".
この記事では、無生物由来の興味深いアルゴリズム、つまり川床形成プロセスをシミュレーションするIntelligent Water Drops (IWD)について考察しています。このアルゴリズムのアイデアにより、従来の格付けのリーダーであったSDSを大幅に改善することが可能になりました。いつものように、新しいリーダー(修正SDSm)は添付ファイルにあります。
パブリッシュされた記事"母集団最適化アルゴリズム:荷電系探索(Charged System Search、CSS)アルゴリズム".
この記事では、無生物の自然にヒントを得た別の最適化アルゴリズムである荷電系探索(CSS)アルゴリズムについて検討します。この記事の目的は、物理学と力学の原理に基づいた新しい最適化アルゴリズムを提示することです。
パブリッシュされた記事"リプレイシステムの開発(第32回):受注システム(I)".
これまで開発してきたものの中で、このシステムが最も複雑であることは、おそらく皆さんもお気づきでしょうし、最終的にはご納得いただけると思います。あとは非常に単純なことですが、取引サーバーの動作をシミュレーションするシステムを作る必要があります。取引サーバーの操作方法を正確に実装する必要性は、当然のことのように思えます。少なくとも言葉ではです。ただし、リプレイ/シミュレーションシステムのユーザーにとって、すべてがシームレスで透明なものとなるようにする必要があります。
パブリッシュされた記事"リプレイシステムの開発(第31回):エキスパートアドバイザープロジェクト - C_Mouseクラス(V)".
リプレイ/シミュレーションの終了まで残り時間を表示できるタイマーが必要です。これは一見、シンプルで迅速な解決策に見えるかもしれません。多くの人は、取引サーバーが使用しているのと同じシステムを適応して使用しようとするだけです。しかし、この解決策を考えるとき、多くの人が考慮しないことがあります。リプレイでは、そしてシミュレーションではなおさら、時計の動きは異なるということです。こうしたことが、このようなシステムの構築を複雑にしています。
パブリッシュされた記事"母集団最適化アルゴリズム:Stochastic Diffusion Search (SDS)".
この記事では、ランダムウォークの原理に基づく非常に強力で効率的な最適化アルゴリズムである確SDS(Stochastic Diffusion Search、確率的拡散探索)について説明します。このアルゴリズムは、複雑な多次元空間で最適解を求めることができ、収束速度が速く、局所極値を避けることができるのが特徴です。
パブリッシュされた記事"リプレイシステムの開発(第30回):エキスパートアドバイザープロジェクト - C_Mouseクラス(IV)".
今日は、プログラマーとしての職業生活のさまざまな段階で非常に役立つテクニックを学びます。多くの場合、制限されているのはプラットフォーム自体ではなく、制限について話す人の知識です。この記事では、常識と創造性があれば、クレイジーなプログラムなどを作成することなく、MetaTrader 5 プラットフォームをより面白くて多用途にし、シンプルでありながら安全で信頼性の高いコードを作成できることを説明します。創造力を駆使して、ソース コードを1行も削除したり追加したりすることなく、既存のコードを変更します。
パブリッシュされた記事"リプレイシステムの開発(第29回):エキスパートアドバイザープロジェクト - C_Mouseクラス(III)".
C_Mouseクラスを改良した後は、分析のためのまったく新しいフレームワークを作るためのクラスを作ることに集中しましょう。この新しいクラスを作るのに、継承やポリモーフィズムは使用しません。その代わりに、価格線に新しいオブジェクトを追加します。それがこの記事でやろうとしていることです。次回は、分析結果を変更する方法について見るつもりです。これらはすべて、C_Mouseクラスのコードを変更することなくおこなわれます。実際には、継承やポリモーフィズムを使用すれば、もっと簡単に実現できるでしょう。しかし、同じ結果を得る方法は他にもあります。