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:
パブリッシュされた記事"初心者からプロまでMQL5をマスターする(第1回):プログラミングを始める".

この記事は、プログラミングに関する連載の紹介です。読者がこれまでプログラミングを扱ったことがないことを前提としているため、この連載は基礎から始まります。プログラミング知識レベル:全くの初心者。
パブリッシュされた記事"CatBoostモデルにおける交差検証と因果推論の基本、ONNX形式への書き出し".

この記事では、機械学習を使用してボットを作成する方法を提案しています。
パブリッシュされた記事"多銘柄多期間指標の作成".

この記事では、多銘柄、多期間の指標を作成する原則について見ていきます。また、エキスパートアドバイザー(EA)や他の指標から、このような指標のデータにアクセスする方法も紹介します。EAや指標でマルチ指標を使用する主な特徴について考察し、カスタム指標バッファを使用してそれらをプロットする方法を見ていきます。
パブリッシュされた記事"MLモデルとストラテジーテスターの統合(結論):価格予測のための回帰モデルの実装".
この記事では、決定木に基づく回帰モデルの実装について説明します。モデルは金融資産の価格を予測しなければなりません。すでにデータを準備し、モデルを訓練評価し、調整最適化しました。ただし、このモデルはあくまで研究用であり、実際の取引に使用するものではないことに留意する必要があります。
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:
3 新しいシグナル 今、購読可能です
最もダウンロードされた無料のプロダクト:
今月最も多くダウンロードされたソースコード
- 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。
- 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。
- 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。
今月最も多く読まれた記事

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。

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。

この記事では、一般的なLinuxバージョン(UbuntuとDebian)にMetaTrader 4をインストールする簡単な方法を示します。これらのシステムは、サーバーハードウェアだけでなく、トレーダーのパーソナルコンピューターでも広く使用されています。
マーケットの中のベストセラー:
最も人気のあるフォーラムトピック:
- 記事「最適化アルゴリズムの効率における乱数生成器の品質の役割」についてのディスカッション 50 新しいコメント
- 記事「多通貨エキスパートアドバイザーの開発(第6回):インスタンスグループ選択の自動化」についてのディスカッション 4 新しいコメント
- インディケータ: ZigZag 3 新しいコメント
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:
2 新しいシグナル 今、購読可能です
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:
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。
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。
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:
最も人気のあるフォーラムトピック:
- 記事「最適化アルゴリズムの効率における乱数生成器の品質の役割」についてのディスカッション 18 新しいコメント
- 記事「母集団最適化アルゴリズム:群鳥アルゴリズム(BSA)」についてのディスカッション 6 新しいコメント
- ライブラリ: Virtual 5 新しいコメント
最もダウンロードされた無料のプロダクト:
3 新しいシグナル 今、購読可能です
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:
2 新しいシグナル 今、購読可能です
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:
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。
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。
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。




































