新しい記事を追加
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)

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)

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。
因果推論における傾向スコア

因果推論における傾向スコア

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。
DoEasy - サービス関数（第1回）：価格パターン

DoEasy - サービス関数（第1回）：価格パターン

この記事では、時系列データを使用して価格パターンを検索するメソッドの開発に着手します。パターンには、どのようなタイプのパターンにも共通する、一定のパラメータセットがあります。この種のデータはすべて、基となる抽象パターンのオブジェクトクラスに集約されます。今回は、抽象パターンクラスとピンバーパターンクラスを作成します。
母集団最適化アルゴリズム：極値から抜け出す力（第I部）

母集団最適化アルゴリズム：極値から抜け出す力（第I部）

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。
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

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

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。
角度ベースの取引

角度ベースの取引

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。
MetaTraderのMultibot（第2回）：動的テンプレートの改良

MetaTraderのMultibot（第2回）：動的テンプレートの改良

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。
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

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

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。
Rest APIを統合したMQL5強化学習エージェントの開発（第4回）：MQL5でクラス内の関数を整理する

Rest APIを統合したMQL5強化学習エージェントの開発（第4回）：MQL5でクラス内の関数を整理する

この記事では、MQL5における手続き型コーディングからオブジェクト指向プログラミング(OOP)への移行について、REST APIとの統合を中心に説明します。今日は、HTTPリクエスト関数（GETとPOST）をクラスにまとめる方法について説明します。コードのリファクタリングについて詳しく見ていき、孤立した関数をクラスメソッドに置き換える方法を紹介します。記事には実践的な例とテストが含まれています。
リプレイシステムの開発（第41回）：第2段階(II)の開始

リプレイシステムの開発（第41回）：第2段階(II)の開始

もし、この時点まですべてが正しく思えたとしたら、それはアプリケーションの開発を始めるときに、長期的なことをあまり考えていないということです。時間が経つにつれて、新しいアプリケーションをプログラムする必要はなくなり、それらを連携させるだけで済むようになります。それでは、マウス指標を組み立てる方法を説明しましょう。
リプレイシステムの開発（第40回）：第2段階の開始(I)

リプレイシステムの開発（第40回）：第2段階の開始(I)

今日は、リプレイ/シミュレーターシステムの新しい段階について話しましょう。この段階で、会話は本当に面白くなり、内容もかなり濃くなります。記事を熟読し、そこに掲載されているリンクを利用することを強くお勧めします。そうすることで、内容をより深く理解することができます。
リプレイシステムの開発（第39回）：道を切り開く(III)

リプレイシステムの開発（第39回）：道を切り開く(III)

開発の第2段階に進む前に、いくつかのアイデアを修正する必要があります。MQL5に必要なことをさせる方法をご存知ですか。ドキュメントに書かれている以上のことをしようとしたことはありますか。そうでないなら、準備をしましょう。ここでは、ほとんどの人が普段やらないことをやるからです。
Break of Structure (BoS)戦略のステップバイステップガイド

Break of Structure (BoS)戦略のステップバイステップガイド

Break of Structure (BoS)戦略に基づく自動売買アルゴリズム開発のための包括的ガイドです。MQL5でエキスパートアドバイザー(EA)を作成し、MetaTrader 5でテストするためのあらゆる側面に関する詳細情報（価格サポートとレジスタンスの分析からリスク管理まで）が含まれています。
MetaTrader 5で隠れマルコフモデルを統合する

MetaTrader 5で隠れマルコフモデルを統合する

この記事では、Pythonを使用して学習した隠れマルコフモデルをMetaTrader 5アプリケーションに統合する方法を示します。隠れマルコフモデルは、時系列データをモデル化するために使用される強力な統計的ツールであり、モデル化されるシステムは観測不可能な（隠れた）状態によって特徴付けられます。HMMの基本的な前提は、ある時刻にある状態にある確率は、その前のタイムスロットにおけるプロセスの状態に依存するということです。
知っておくべきMQL5ウィザードのテクニック（第21回）：経済指標カレンダーデータによるテスト

知っておくべきMQL5ウィザードのテクニック（第21回）：経済指標カレンダーデータによるテスト

経済指標カレンダーのデータは、デフォルトではストラテジーテスターのエキスパートアドバイザー(EA)でテストすることはできません。この制限を回避するために、データベースがどのように役立つかを考察します。そこでこの記事では、SQLiteデータベースを使用して経済指標カレンダーのニュースをアーカイブし、ウィザードで組み立てられたEAがこれを使用して売買シグナルを生成できるようにする方法を探ります。
MQL5取引ツールキット（第1回）：ポジション管理EX5ライブラリ

MQL5取引ツールキット（第1回）：ポジション管理EX5ライブラリ

MQL5で様々なポジション操作を管理するための開発者用ツールキットの作成方法をご紹介します。この記事では、MQL5でポジション管理タスクを処理する際に発生するさまざまなエラーの自動処理とレポートも含め、簡単なものから高度なものまでポジション管理操作を実行する関数ライブラリ(ex5)の作成方法を紹介します。
独自のLLMをEAに統合する（第3部）：CPUを使った独自のLLMの訓練

独自のLLMをEAに統合する（第3部）：CPUを使った独自のLLMの訓練

今日の人工知能の急速な発展に伴い、言語モデル(LLM)は人工知能の重要な部分となっています。私たちは、強力なLLMをアルゴリズム取引に統合する方法を考える必要があります。ほとんどの人にとって、これらの強力なモデルをニーズに応じて微調整し、ローカルに展開して、アルゴリズム取引に適用することは困難です。本連載では、この目標を達成するために段階的なアプローチをとっていきます。
古典的戦略の再構築：原油

古典的戦略の再構築：原油

この記事では、教師あり機械学習アルゴリズムを活用することで、古典的な原油取引戦略を強化することを目的として、原油取引戦略を再検討します。ブレント原油価格とWTI原油価格のスプレッドに基づいて、将来のブレント原油価格を予測する最小二乗モデルを構築します。目標は、将来のブレント価格変動の先行指標を特定することです。
予測による統計的裁定取引

予測による統計的裁定取引

統計的裁定取引について調べ、共和分で相関する銘柄をPythonで検索し、ピアソン係数の指標を作成し、PythonとONNX モデルで予測をおこなって統計的裁定取引を行うEAを作成します。
予測による三角裁定取引

予測による三角裁定取引

この記事では、三角裁定を簡略化し、市場に慣れていない方でも、予測や専用ソフトを使用してより賢く通貨を取引する方法をご紹介します。専門知識を駆使して取引する準備はできていますか？
知っておくべきMQL5ウィザードのテクニック（第20回）：関数同定問題

知っておくべきMQL5ウィザードのテクニック（第20回）：関数同定問題

関数同定問題は、研究対象のデータセットをマッピングする基本モデルがどのようなものであるかについて、最小限の仮定から始める回帰の形式です。ベイズ法やニューラルネットワークでも実装可能ですが、ここでは遺伝的アルゴリズムによる実装が、MQL5ウィザードで使用可能なExpertSignalクラスのカスタマイズにどのように役立つかを見ていきます。
知っておくべきMQL5ウィザードのテクニック（第19回）：ベイズ推定

知っておくべきMQL5ウィザードのテクニック（第19回）：ベイズ推定

ベイズ推定とは、新しい情報が入手可能になったときに確率仮説を更新するためにベイズの定理を採用することです。これは直感的に時系列分析への適応につながるので、シグナルだけでなく、資金管理やトレーリングストップのためのカスタムクラスを構築する際に、これをどのように利用できるか見てみましょう。
知っておくべきMQL5ウィザードのテクニック（第18回）：固有ベクトルによるニューラルアーキテクチャの探索

知っておくべきMQL5ウィザードのテクニック（第18回）：固有ベクトルによるニューラルアーキテクチャの探索

ニューラルアーキテクチャー探索は、理想的なニューラルネットワーク設定を決定するための自動化されたアプローチで、多くのオプションや大規模なテストデータセットに直面したときにプラスになります。固有ベクトルをペアにすることで、この過程がさらに効率的になることを検証します。
Candlestick Trend Constraintモデルの構築（第3回）：使用中のトレンド変化の検出

Candlestick Trend Constraintモデルの構築（第3回）：使用中のトレンド変化の検出

この記事では、経済ニュースの発表、投資家の行動、さまざまな要因が市場のトレンド反転にどのような影響を与えるかを探ります。ビデオによる説明もあり、MQL5のコードをプログラムに組み込むことで、トレンドの反転を検出し、警告を発し、市場の状況に応じて適切な行動を取ることができます。これは、本連載の過去の記事に基づいています。
MQL5における修正グリッドヘッジEA（第4部）：シンプルなグリッド戦略の最適化（I）

MQL5における修正グリッドヘッジEA（第4部）：シンプルなグリッド戦略の最適化（I）

この第4部では、以前に開発したシンプルヘッジとシンプルグリッドエキスパートアドバイザー(EA)を再考します。最適な戦略の使用を目指し、数学的分析と総当り攻撃アプローチを通じてシンプルグリッドEAを改良することに焦点を移します。戦略の数学的最適化について深く掘り下げ、後の回でコーディングに基づく最適化を探求するための舞台を整えます。
Pythonでの見せかけの回帰

Pythonでの見せかけの回帰

見せかけの回帰は、2つの時系列がまったくの偶然で高い相関を示し、回帰分析で誤解を招く結果をもたらす場合に発生します。このような場合、変数が関連しているように見えても、その相関関係は偶然であり、モデルの信頼性は低くなります。