MQL5入門（第26回）：MQL5のAPIとWebRequest関数の習得
MQL5入門（第26回）：MQL5のAPIとWebRequest関数の習得
本記事では、MQL5におけるWebRequest関数とAPIの使用方法を紹介し、外部プラットフォームと通信する方法を解説します。MetaTrader 5から直接Telegramボットを作成し、チャットやグループのIDを取得し、メッセージの送信、編集、削除をおこなう方法を学びます。これにより、今後のMQL5プロジェクトでのAPI統合の基礎をしっかり身につけることができます。
FX裁定取引：合成マーケットメーカーボット入門
FX裁定取引：合成マーケットメーカーボット入門
今日は私の最初の裁定取引ロボット、つまり合成資産向けの流動性プロバイダー（と言えるかどうかは微妙ですが）を見ていきます。現在、このボットは大規模な機械学習システムのモジュールとして実運用で使われていますが、クラウドから古いFX裁定取引ロボットを引っ張り出してきたので、これを確認し、現代でどのように活用できるか考えてみたいと思います。
1世紀前の機能で取引戦略をアップデートする
1世紀前の機能で取引戦略をアップデートする
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。
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)
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)
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。
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）
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）
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。
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 (Hidformer)
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 (Hidformer)
階層型ダブルタワーTransformer (Hidformer: Hierarchical Double-Tower Transformer)フレームワークについて紹介します。このフレームワークは時系列予測およびデータ分析向けに開発されました。Hidformerの開発者は、Transformerアーキテクチャに対して複数の改良を提案しており、その結果、予測精度の向上と計算リソースの削減を実現しています。
取引におけるニューラルネットワーク：層状メモリを持つエージェント（最終回）
取引におけるニューラルネットワーク：層状メモリを持つエージェント（最終回）
引き続き、FinMemフレームワークの構築に取り組みます。本フレームワークは、人間の認知プロセスを模した層状メモリアプローチを用いることで、複雑な金融データを効果的に処理できるだけでなく、新しいシグナルに適応することも可能にします。その結果、動的に変化する市場における投資判断の精度と有効性が大幅に向上します。
初心者からエキスパートへ：パラメータ制御ユーティリティ
初心者からエキスパートへ：パラメータ制御ユーティリティ
従来のEAやインジケーターの入力プロパティを、リアルタイムで操作可能なオンチャートのコントロールインターフェースへと変換することを想像してみてください。本記事は、これまでに取り組んできたMarket Periods Synchronizerインジケーターでの基礎的な成果を土台とし、上位足(HTF)の市場構造を可視化し、管理する手法を大きく進化させるものです。ここでは、その概念を完全にインタラクティブなユーティリティへと昇華させ、動的な操作性と強化されたマルチタイムフレーム(MTF)のプライスアクションの可視化を、チャート上に直接統合したダッシュボードとして実装します。この革新的なアプローチが、トレーダーとツールの関わり方をどのように変えていくのか、一緒に見ていきましょう。
ダイナミックスイングアーキテクチャ：スイングから自動売買までの市場構造認識
ダイナミックスイングアーキテクチャ：スイングから自動売買までの市場構造認識
本記事では、市場のスイングを高精度で捉え、自動売買を実現する完全自動化MQL5システムを紹介します。従来の固定ローソク足数に基づくスイングインジケーターとは異なり、このシステムは進行中の市場構造に動的に適応し、スイングハイおよびスイングローをリアルタイムで検出します。これにより、形成されつつあるトレンドの値動きを的確に捉え、取引機会を逃さず捕捉することが可能です。
MQL5入門（第25回）：チャートオブジェクトで取引するEAの構築(II)
MQL5入門（第25回）：チャートオブジェクトで取引するEAの構築(II)
本記事では、チャートオブジェクト、特にトレンドラインと連携するエキスパートアドバイザー(EA)を構築し、ブレイクアウトおよび反転の取引機会を検出し、実行する方法を解説します。EAが有効なシグナルをどのように判定するのか、取引頻度をどのように制御するのか、そしてユーザーが選択した取引戦略との一貫性をどのように維持するのかを学ぶことができます。
MQL標準ライブラリエクスプローラー（第2回）：ライブラリコンポーネントの接続
MQL標準ライブラリエクスプローラー（第2回）：ライブラリコンポーネントの接続
本記事では、MQL5標準ライブラリを用いてエキスパートアドバイザー(EA)を効率的に構築するために、クラス構造をどのように読み解くべきかを整理します。標準ライブラリは高い拡張性と機能性を備えていますが、その全体像が見えにくく、体系的な指針がないまま複雑なツールキットを渡されたように感じることも少なくありません。そこで本記事では、実際の開発現場でクラスを確実に連携させるための、簡潔かつ再現性の高い統合手順を紹介します。
MQL5で自己最適化エキスパートアドバイザーを構築する（第15回）：線形系同定
MQL5で自己最適化エキスパートアドバイザーを構築する（第15回）：線形系同定
取引戦略の改善は困難な課題です。その大きな理由の一つは、戦略がどこで、なぜ誤作動しているのかを私たち自身が十分に理解できていない点にあります。本記事では、制御理論の一分野である線形系同定を紹介します。線形帰還系（フィードバックシステム）は、データから学習することでシステムの誤差を特定し、その挙動を意図した結果へと導くことができます。これらの手法は、必ずしも完全に解釈可能な説明を与えるものではありませんが、制御系が存在しない状態と比べれば、はるかに有用です。本記事では、線形系同定がどのようにアルゴリズムトレーダーを支援し、取引アプリケーションを制御下に保つことができるのかを探っていきます。
MQL5入門（第23回）：オープニングレンジブレイクアウト戦略の自動化
MQL5入門（第23回）：オープニングレンジブレイクアウト戦略の自動化
この記事では、MQL5でオープニングレンジブレイクアウト(ORB)エキスパートアドバイザー(EA)を作成する方法を解説します。EAが市場の初期レンジからのブレイクアウトをどのように検知し、それに応じてポジションを建てるかを説明します。また、建てるポジションの数を制御したり、指定した時間で自動的に取引を停止する方法についても学べます。
機械学習の限界を克服する（第5回）：時系列交差検証の簡単な概要
機械学習の限界を克服する（第5回）：時系列交差検証の簡単な概要
本連載では、機械学習を活用した取引戦略を実運用に展開する際に、アルゴリズムトレーダーが直面する課題について考察します。私たちのコミュニティには、より深い技術的理解を必要とするがゆえに、見過ごされがちな課題がいくつも存在します。本日の議論は、機械学習における交差検証の盲点を検討するための足がかりとなるものです。交差検証はしばしば定型的な手順として扱われますが、不注意に実施すると、誤解を招く、あるいは最適とは言えない結果を容易に生み出してしまいます。本記事では、その隠れた盲点をより深く考察する準備として、時系列交差検証の基本を簡単に振り返ります。
無効化されたオーダーブロックをミティゲーションブロックとして再利用する(SMC)
無効化されたオーダーブロックをミティゲーションブロックとして再利用する(SMC)
本記事では、以前に無効化されたオーダーブロックをスマートマネーコンセプト(SMC)におけるミティゲーションブロックとして再利用する方法を解説します。これらのゾーンは、オーダーブロックが失敗した後に機関投資家が再び市場に参入するポイントを示しており、支配的なトレンドに沿った取引継続の確率が高いエリアを提供します。
MQL5でのAI搭載取引システムの構築（第3回）：複数行入力の克服、チャットの持続性の確保、シグナル生成
MQL5でのAI搭載取引システムの構築（第3回）：複数行入力の克服、チャットの持続性の確保、シグナル生成
本記事では、ChatGPTを統合したMQL5プログラムを拡張し、改良されたテキストレンダリングにより複数行入力の制限を克服します。さらに、AES256暗号化およびZIP圧縮で保存された永続的なチャット履歴をナビゲートするサイドバーを導入し、チャートデータの統合による初期売買シグナルの生成もおこないます。
古典的な戦略を再構築する（第16回）：ダブルボリンジャーバンドブレイクアウト
古典的な戦略を再構築する（第16回）：ダブルボリンジャーバンドブレイクアウト
本記事では、古典的なボリンジャーバンドのブレイクアウト戦略を再考し、その弱点を補う手法を紹介します。古典的戦略は、偽のブレイクアウトに弱いというよく知られた課題があります。本記事では、その弱点に対する一つの解決策として「ダブルボリンジャーバンド戦略」を提示します。この比較的知られていない手法は、従来戦略の弱点を補い、市場をより動的に捉える視点を提供します。これにより、従来のルールに縛られた制約を超え、トレーダーにとってより適応力のあるフレームワークを提供できるのです。
MQL5での取引戦略の自動化（第36回）：リテストとインパルスモデルによる需給取引
MQL5での取引戦略の自動化（第36回）：リテストとインパルスモデルによる需給取引
本記事では、MQL5を用いて、需給(S&D: Supply and Demand)取引システムを構築します。本システムは、レンジ相場による需給ゾーンの特定、インパルスムーブによるゾーンの検証、そしてトレンド確認を伴うリテストでのエントリーをおこないます。さらに、カスタマイズ可能なリスク管理パラメータやトレーリングストップをサポートし、動的なラベルやカラー表示によるゾーンの可視化も実装しています。
MQL5取引ツール（第9回）：EA向けスクロール可能ガイド付き初回実行ユーザー設定ウィザードの開発
MQL5取引ツール（第9回）：EA向けスクロール可能ガイド付き初回実行ユーザー設定ウィザードの開発
本記事では、エキスパートアドバイザー(EA)向けのMQL5初回実行ユーザー設定ウィザードを開発します。このウィザードはスクロール可能なガイド、インタラクティブなダッシュボード、動的テキストフォーマット、ボタンやチェックボックスなどの視覚的コントロールを備えており、ユーザーが指示に沿って操作し、取引パラメータを効率的に設定できるようにします。ユーザーは、初回実行時にプログラムの内容と操作方法を把握でき、オリエンテーションモデルとして利用できます。
MQL5でのAI搭載取引システムの構築（第3回）：スクロール対応の単一スレッド型チャットUIへのアップグレード
MQL5でのAI搭載取引システムの構築（第3回）：スクロール対応の単一スレッド型チャットUIへのアップグレード
本記事では、MQL5で構築したChatGPT統合プログラムを、タイムスタンプ付きの会話履歴管理と動的スクロール機構を備えた、単一スレッド型チャット指向のUIへとアップグレードします。本システムはJSON解析を用いてマルチターンのメッセージを管理し、スクロールバー表示モードの切り替えやホバーエフェクトをサポートすることで、実装面と操作性の両面からユーザー体験を向上させます。
MQL5での取引戦略の自動化（第35回）：ブレーカーブロック取引システムの作成
MQL5での取引戦略の自動化（第35回）：ブレーカーブロック取引システムの作成
本記事では、MQL5でブレーカーブロック取引システムを作成します。本システムは、レンジ相場を識別し、ブレイクアウトを検出、スイングポイントでブレーカーブロックを検証した上で、リスクパラメータを定義してリテスト取引を実行します。また、オーダーブロックおよびブレーカーブロックを動的なラベルと矢印で可視化し、自動売買やトレーリングストップにも対応しています。
MQL5での取引戦略の自動化（第34回）：R²適合度を用いたトレンドラインブレイクアウトシステム
MQL5での取引戦略の自動化（第34回）：R²適合度を用いたトレンドラインブレイクアウトシステム
本記事では、スイングポイントを用いてサポートおよびレジスタンスのトレンドラインを特定し、R²（決定係数）による適合度と角度制約で検証することで、ブレイクアウト取引を自動化するMQL5によるトレンドラインブレイクアウトシステムを構築します。本システムでは、指定したルックバック期間内のスイングハイとスイングローを検出し、一定数以上のタッチポイントを持つトレンドラインを生成します。その後、R²指標および角度制約を用いてトレンドラインの信頼性を評価し、取引に使用可能かを判定します。
MQL5での取引戦略の自動化（第33回）：プライスアクションに基づくシャークハーモニックパターンシステムの作成
MQL5での取引戦略の自動化（第33回）：プライスアクションに基づくシャークハーモニックパターンシステムの作成
本記事では、MQL5においてピボットポイントとフィボナッチ比率に基づいて強気、弱気双方のシャークハーモニックパターンを識別し、ユーザーが選択できるカスタムエントリー、ストップロス、テイクプロフィット設定を用いて取引を実行するシャークハーモニックパターンシステムを開発します。また、X-A-B-C-Dパターン構造やエントリーレベルを表示するために、三角形やトレンドラインなどのチャートオブジェクトを使った視覚的フィードバックでトレーダーの洞察力を高めます。
MQL 標準ライブラリエクスプローラー（第1回）：CTrade、CiMA、CiATRによる紹介
MQL 標準ライブラリエクスプローラー（第1回）：CTrade、CiMA、CiATRによる紹介
MQL5標準ライブラリは、MetaTrader 5における取引アルゴリズム開発において重要な役割を果たします。本連載では、このライブラリを使いこなし、MetaTrader 5用の効率的な取引ツールをより簡単に作成する方法を身につけることを目指します。これには、カスタムのエキスパートアドバイザー(EA)、インジケーター、その他のユーティリティが含まれます。本日はその第一歩として、CTrade、CiMA、そしてCiATR クラスを用いたトレンドフォロー型のEAを開発します。これは初心者、熟練者を問わず、すべての開発者にとって非常に重要なテーマです。ぜひ本ディスカッションにご参加いただき、理解を深めてください。
MQL5でのAI搭載取引システムの構築（第2回）：ChatGPT統合型アプリケーションのUI開発
MQL5でのAI搭載取引システムの構築（第2回）：ChatGPT統合型アプリケーションのUI開発
本記事では、MQL5でChatGPTを統合したプログラムを開発します。このプログラムでは、第1回で作成したJSON解析フレームワークを活用してOpenAIのAPIにプロンプトを送信し、MetaTrader 5のチャート上に応答を表示します。入力フィールド、送信ボタン、応答表示を備えたダッシュボードを実装し、API通信やテキストの折り返し処理をおこなうことで、ユーザーとのインタラクションを実現します。
Market Sentimentインジケーターの自動化
Market Sentimentインジケーターの自動化
この記事では、市場の状況を強気、弱気、リスクオン、リスクオフ、中立（ニュートラル）に分類するMarket Sentimentカスタムインジケーターを自動化します。エキスパートアドバイザー(EA)は、現在の市場の傾向や方向性の分析プロセスを合理化しながら、一般的なセンチメントに関するリアルタイムの洞察を提供します。
ボラティリティベースのブレイクアウトシステムの開発
ボラティリティベースのブレイクアウトシステムの開発
ボラティリティベースのブレイクアウトシステムは、市場のレンジを特定したうえで、ATRなどのボラティリティ指標によるフィルタを通過した場合に、価格がそのレンジを上方または下方へブレイクしたタイミングでエントリーする手法です。このアプローチにより、強い方向性を伴う値動きを捉えやすくなります。
ParafracおよびParafrac V2オシレーターを使用した取引戦略の開発：シングルエントリーパフォーマンスインサイト
ParafracおよびParafrac V2オシレーターを使用した取引戦略の開発：シングルエントリーパフォーマンスインサイト
本記事では、ParaFracオシレーターとその後継であるV2モデルを取引ツールとして紹介し、これらを用いて構築した3種類の取引戦略を解説します。各戦略をテストおよび最適化し、それぞれの強みと弱みを明らかにします。比較分析によって両モデルの性能差を明確にしました。
プライスアクション分析ツールキットの開発（第41回）：MQL5で統計的価格レベルEAを構築する
プライスアクション分析ツールキットの開発（第41回）：MQL5で統計的価格レベルEAを構築する
統計は常に金融分析の中心にあります。統計とは、データを収集・分析・解釈・提示し、意味のある情報に変換する学問です。これをローソク足に応用すると、価格の生データを測定可能な洞察に圧縮できます。特定期間における市場の中心傾向、分布、広がりを把握できれば、どれほど有益でしょうか。本記事では、統計的手法を用いてローソク足データを明確で実行可能なシグナルに変換する方法を紹介します。
平均足を使ったプロフェッショナルな取引システムの構築（第2回）：EAの開発
平均足を使ったプロフェッショナルな取引システムの構築（第2回）：EAの開発
本記事では、MQL5を用いてプロフェッショナルな平均足ベースのエキスパートアドバイザー(EA)を開発する方法について解説します。入力パラメータ、列挙型、インジケーター、グローバル変数の設定方法から、コアとなる売買ロジックの実装までを順を追って説明します。また、開発したEAを金（ゴールド）でバックテストして、正しく動作するかどうかを検証する方法も学べます。