新しい記事を追加
人工原子アルゴリズム(A3)

人工原子アルゴリズム(A3)

化学プロセスから着想を得たメタヒューリスティック最適化手法であるA3アルゴリズムをMQL5で実装します。調整可能なパラメータは2つだけであり、さらに小規模な集団を使用することで、十分な解の品質を維持しながら、高速に動作することを実現しています。
MQL5における建値機能の実装（第2回）：ATRとRRRに基づく建値機構

MQL5における建値機能の実装（第2回）：ATRとRRRに基づく建値機構

MQL5におけるATRおよびRRRRベースの建値機構の実装を完了し、パラメータを再入力することなく建値モードを簡単に切り替えられるクラスを新たに実装します。各建値方式の有効性を評価するため、複数のバックテストを実施し、アルゴリズム取引の観点からそれぞれのメリットとデメリットを分析します。
取引におけるニューラルネットワーク：データ固有の依存性なしに時系列を一般化する（コアモデルモジュール）

取引におけるニューラルネットワーク：データ固有の依存性なしに時系列を一般化する（コアモデルモジュール）

Mamba4Castフレームワークについての理解をさらに深めていきます。今回は、提案されたアプローチの実践的な実装について詳しく見ていきます。Mamba4Castは、新しい時系列データごとに長時間の事前適応を目的として設計されたものではなく、すぐに導入して使用することを目的として設計されています。ゼロショット予測という概念により、モデルは追加学習やハイパーパラメータの調整をおこなうことなく、実世界のデータに対して高品質な予測を生成できます。
Extremal Optimization (EO)アルゴリズム

Extremal Optimization (EO)アルゴリズム

極値最適化(EO, Extremal Optimization)アルゴリズムについて説明します。EOは、Bak-Sneppenの自己組織化臨界モデルに着想を得た最適化手法であり、システム内の最も悪い要素を選んで置き換えることで進化を促すという考え方に基づいています。EOの改良版である集団型アルゴリズムでは、理論的な原則から離れ、実用的な効率性を重視することで、強力な計算ツールが開発されています。
市場取引アルゴリズム(EMA)

市場取引アルゴリズム(EMA)

本稿では、株式市場のトレーダーの行動に着想を得た市場取引アルゴリズム(EMA, Exchange Market Algorithm)について詳しく分析します。このアルゴリズムは株式取引をシミュレーションするもので、市場参加者はそれぞれ異なる成功度を持ち、利益を最大化するためにさまざまな戦略を使用します。
市場シミュレーション：MQL5におけるSQL入門(IV)

市場シミュレーション：MQL5におけるSQL入門(IV)

多くの人はSQLを過小評価しがちで、あるいはSQLが実際にどのように動作するのかを十分に理解していないため、まったく使わないことさえあります。SQLデータベースに対してクエリを実行する場合、常に汎用的な答えを求めているわけではありません。場合によっては、非常に具体的で実用的な答えが必要になります。もしデータベースが適切な構造とデータモデルによって設計されていれば、ほぼあらゆる種類の情報を統合することが可能です。
時間帯別・曜日別・月の日付別の季節性インジケータ

時間帯別・曜日別・月の日付別の季節性インジケータ

金融市場における繰り返し発生する価格パターンを分析するためのツールの開発方法について説明します。分析対象となるのは、月の日付（1日～31日）、曜日（月曜日～日曜日）、または1日の時間帯（0時～23時）です。このインジケータは過去のデータを分析し、それぞれの期間における平均リターンを計算します。そして、その結果をヒストグラムと予測表示によって可視化します。また、季節性タイプ、分析するバー数、パーセント表示または絶対値表示、チャートカラーなど、ユーザーが変更可能なパラメータも備えています。
取引におけるニューラルネットワーク：多変量時系列予測のためのLSTMの最適化（最終回）

取引におけるニューラルネットワーク：多変量時系列予測のためのLSTMの最適化（最終回）

時系列解析および予測のための革新的な手法を提供するDA-CG-LSTMフレームワークの実装を引き続き進めます。CG-LSTMとデュアルアテンション(dual attention)機構を組み合わせることで、データに含まれる長期的および短期的な依存関係をより高い精度で検出できるため、金融市場の分析に特に有効です。
取引におけるニューラルネットワーク：Actor-Director-Critic

取引におけるニューラルネットワーク：Actor-Director-Critic

階層型学習とマルチコンポーネントアーキテクチャを組み合わせたActor-Director-Critic (ADC)フレームワークについて詳しく解説します。DirectorがActorの行動を分類する仕組みが、トレードにおける意思決定の最適化にどのように寄与し、金融市場という不確実性の高い環境においてモデルの頑健性をどのように向上させるのかを詳しく解説します。
取引におけるニューラルネットワーク：適応的なエージェント行動のための階層的スキル発見(HiSSD)

取引におけるニューラルネットワーク：適応的なエージェント行動のための階層的スキル発見(HiSSD)

HiSSDフレームワークについて解説します。HiSSDは、階層的学習とマルチエージェントアプローチを組み合わせることで、適応性の高いシステムを構築するためのフレームワークです。この革新的な手法が金融市場に潜む隠れたパターンをどのように発見し、分散環境における取引戦略の最適化にどのように貢献するのかを詳しく見ていきます。
MQL5取引ツール（第24回）：3Dカーブ、パンモード、ViewCubeナビゲーションによる奥行き感の向上

MQL5取引ツール（第24回）：3Dカーブ、パンモード、ViewCubeナビゲーションによる奥行き感の向上

MQL5の3D二項分布グラフ表示ツールを拡張し、確率質量関数(PMF)の奥行き感を向上させるセグメント化された3Dカーブを追加するとともに、注視点を移動できるパンモードと、素早く視点を切り替えられるインタラクティブなViewCubeを実装します。さらに、ViewCube内の面・辺・頂点に対応するクリック可能なサブゾーンを追加し、標準ビューへのカメラ遷移をアニメーションでおこなえるようにします。これらの機能を、2D/3D表示の切り替え、リアルタイム更新、各種カスタマイズ設定と組み合わせることで、トレードにおける確率分布分析を、より直感的で没入感のある分析環境を実現します。
プライスアクション分析ツールキットの開発（第64回）：手動で描画したトレンドラインと自動監視の同期

プライスアクション分析ツールキットの開発（第64回）：手動で描画したトレンドラインと自動監視の同期

手動で描画したトレンドラインを監視するには、常にチャートを確認し続ける必要があり、その結果、重要な価格反応を見逃す可能性があります。本記事では、MQL5 において手動で描画したトレンドラインと自動監視ロジックを同期させるトレンドライン監視エキスパートアドバイザーを開発し、価格が監視対象ラインに接近、タッチ、またはブレイクした際にアラートを生成します。
ラリー・ウィリアムズの『市場の秘密』（第15回）：相場環境を用いた「隠れスマッシュデー」反転戦略

ラリー・ウィリアムズの『市場の秘密』（第15回）：相場環境を用いた「隠れスマッシュデー」反転戦略

ラリー・ウィリアムズの「隠れスマッシュデー」の反転を自動化するMQL5エキスパートアドバイザー(EA)を構築します。カスタムインジケータから確定済みのシグナルを読み取り、コンテキストフィルタ（Supertrendの方向一致および任意の取引日ルール）を適用します。また、スマッシュバーの構造またはATRを基準としたストップロスモデル、固定またはリスクベースのポジションサイズによってリスクを管理します。その結果、テストおよび拡張に対応した、再現可能なフレームワークを構築できます。
MetaTrader 5機械学習の設計図（第8回）：パージ済み交差検証と試行枝刈りを用いたベイズ最適化によるハイパーパラメータ最適化

MetaTrader 5機械学習の設計図（第8回）：パージ済み交差検証と試行枝刈りを用いたベイズ最適化によるハイパーパラメータ最適化

GridSearchCVとRandomizedSearchCVは、金融機械学習（金融ML）における本質的な制約を共有しています。それは、各試行が独立しているため、計算資源を増やしても探索そのものが賢くならないという点です。本記事では、TPE (Tree-structured Parzen Estimator)を用いるOptunaを、PurgedKFold交差検証、HyperbandPrunerによる早期終了、および学習用重みと評価用重みを分離する二重重み規約と統合する方法を紹介します。その結果として、フォールド単位で枝刈りをおこなう目的関数、モデルのハイパーパラメータと重み付けスキームを同時に最適化する提案層、金融タスク向けに調整されたプルーナー、SQLiteをバックエンドとする、再開可能なオーケストレーター、Optunaの結果をscikit-learnのcv_results_形式へ変換するコンバータの5つの要素から構成されるシステムが得られます。さらに本記事では、Timothy Mastersが示した境界についても説明します。すなわち、「統計的な目的関数では誘導的な探索が有益である一方、金融目的関数では逆に有害となる」という考え方です。
MetaTrader 5における低頻度定量戦略（第1回）：OLAP対応データストアの構築

MetaTrader 5における低頻度定量戦略（第1回）：OLAP対応データストアの構築

Parquetストレージ、Hive形式のパーティション、そしてDuckDBを基盤とした、定量分析のための実用的なデータパイプラインについて説明します。選択したSQLiteテーブルをParquetへ移行する方法、市場データをデータソース、銘柄、時間足、日付によって構造化する方法、そしてSQLウィンドウ関数を使用してそれをクエリする方法について詳しく説明します。ゴールデンクロスの例では、銘柄横断的なフォワードリターン評価を示します。付属するPythonスクリプトでは、データのダウンロード、変換、実行を処理します。
グラフ理論：取引における深さ優先探索(DFS)の応用

グラフ理論：取引における深さ優先探索(DFS)の応用

深さ優先探索(DFS)を市場構造に適用し、スイングハイとスイングローをグラフのノードとしてモデル化します。そして、条件が有効である限り、1つの構造的な経路を深く追跡します。重要なスイングがブレイクされた場合、アルゴリズムはバックトラックし、別の分岐を探索します。読者は、構造的バイアスを形式化し、現在の経路が流動性プールや需給ゾーンなどのターゲットと整合しているかを検証するための実践的なフレームワークを学ぶことができます。
MQL5取引ツール（第23回）：カメラ制御対応DirectX 3Dグラフによる二項分布分析

MQL5取引ツール（第23回）：カメラ制御対応DirectX 3Dグラフによる二項分布分析

MQL5における二項分布グラフ描画ツールをさらに発展させ、DirectXを統合することで3D可視化を実現します。これにより、カメラ制御による回転、ズーム、自動フィット機能を備えた切り替え可能な2D/3Dモードが利用可能になります。3Dヒストグラムバー、グラウンドプレーン、軸を理論的な確率質量関数(PMF)曲線とともに描画しながら、統計パネル、凡例、カスタマイズ可能なテーマ、グラデーション、ラベルなどの2D要素も維持します。
PDアレイを使いこなす：PDアレイ内のインバランスを活用したトレードの最適化

PDアレイを使いこなす：PDアレイ内のインバランスを活用したトレードの最適化

PDアレイ(PD Arrays)内で発生するインバランスから生じるトレードセットアップを、どのように整理・定義し、活用すべきかを明確に解説することを目的とした、特化型のトレンドフォロー型EAに関する記事です。本記事では、PDアレイおよびインバランスを自身のトレードにおけるエントリー条件やトレード判断基準として最適化し、活用したいと考えるトレーダー向けに設計されたEAについて詳しく解説します。また、高値圏(Premium Array)および安値圏(Discount Array)を正しく判定し、それぞれが適切な相場環境で発生した際に、どのように検証し活用するべきかについても説明します。
取引規律をコードに組み込む（第3回）：MQL5でホワイトリストを用いて銘柄単位の取引境界を強制適用する

取引規律をコードに組み込む（第3回）：MQL5でホワイトリストを用いて銘柄単位の取引境界を強制適用する

取引対象を承認済み銘柄のみに制限するMQL5フレームワークについて解説します。このソリューションは、共有ライブラリ、設定用ダッシュボード、そして取引制限を強制適用するエキスパートアドバイザー(EA)で構成されています。EAは各取引の対象銘柄がホワイトリストに含まれているかを検証し、許可されていない銘柄で発生した取引試行をブロックするとともに、その履歴をログへ記録します。本記事では、完全に動作するコード例、構造設計上の判断理由、さらに銘柄フィルタリングの信頼性、マーケットエクスポージャーの制御、ルール強制適用状況の透明性を確認するための検証テストについて説明します。
MQL5標準ライブラリエクスプローラー（第9回）：ALGLIBによる多発するMAクロスオーバーシグナルのフィルタ処理

MQL5標準ライブラリエクスプローラー（第9回）：ALGLIBによる多発するMAクロスオーバーシグナルのフィルタ処理

横ばいの価格変動中、トレーダーは複数の移動平均クロスオーバーによって過剰なシグナルに直面します。今回は、ALGLIBがどのように生の価格データを前処理し、フィルタ処理済みのクロスオーバー系列を生成するのかについて説明します。また、これらのレイヤーは発生時にアラートを生成することもできます。数学ライブラリをMQL5プログラムでどう活用できるのかを一緒に見ていきましょう。
ダイナミックマルチペアEAの形成（第7回）：リアルタイムトレードフィルタリングのためのクロスペア相関マッピング

ダイナミックマルチペアEAの形成（第7回）：リアルタイムトレードフィルタリングのためのクロスペア相関マッピング

このパートでは、複数銘柄型エキスパートアドバイザー(EA)にリアルタイム相関行列を統合し、冗長な取引やリスクが積み重なるポジションを防ぐ仕組みを構築します。複数ペア間の相互関係を動的に測定することで、EAは既存エクスポージャーと競合するエントリーをフィルタリングし、ポートフォリオ全体のバランスを改善します。その結果、システミックリスクを低減し、より質の高いトレード判断を実現します。
プライスアクション分析ツールキットの開発（第63回）：MQL5での上昇・下降ウェッジ検出の自動化

プライスアクション分析ツールキットの開発（第63回）：MQL5での上昇・下降ウェッジ検出の自動化

連載「プライスアクション分析ツールキットの開発」の今回の記事では、上昇ウェッジおよび下降ウェッジパターンをリアルタイムで自動検出するMQL5インジケーターを開発します。このシステムは、ピボット構造を確認し、境界線の収束を数学的に検証し、パターン同士の重複を防止しながら、ブレイクアウトおよび失敗条件を正確な視覚的フィードバックとともに監視します。クリーンなオブジェクト指向アーキテクチャを使用して構築されたこの実装は、主観的なウェッジ認識を、規律あるプライスアクション分析を強化するために設計された、状態を認識して扱える構造化分析コンポーネントへと変換します。
共和分株式による統計的裁定取引（最終回）：特化型データベースを用いたデータ分析

共和分株式による統計的裁定取引（最終回）：特化型データベースを用いたデータ分析

統計的裁定取引のデータ処理において、SQLite (OLTP)とDuckDB (OLAP)を組み合わせて活用する方法を紹介します。DuckDBのカラム指向エンジン、ASOF JOIN、配列関数を利用することで、気配値と約定の時点対応付けやRWEC (Rolling Windows Eigenvector Comparison)などの中核処理を高速化できます。実際の測定では、入力データが大きくなるにつれて、SQLiteと比較して2倍から23倍の高速化が確認されました。これにより、クエリはよりシンプルになり、分析処理も高速化される一方で、実際の取引執行は引き続きSQLiteに任せることができます。
プライスアクション分析ツールキットの開発（第62回）：MQL5による適応型平行チャネル検出とブレイクアウトシステムの構築

プライスアクション分析ツールキットの開発（第62回）：MQL5による適応型平行チャネル検出とブレイクアウトシステムの構築

MQL5における適応型平行チャネル検出およびブレイクアウトシステムについて解説します。スイングポイントの検出方法、チャネルの構築と動的な再計算の仕組み、さらに永続的なシグナルを用いたブレイクアウトの確認および可視化について説明します。このフレームワークは、トレンドラインの幾何学的構造、ATRベースのフィルタリング、リテストによる検証を統合することで、プロフェッショナルなチャート分析およびトレード判断に活用できる、信頼性の高いリアルタイムのプライスアクション分析を提供します。
MQL5取引ツール（第21回）：回帰グラフにサイバーパンクテーマを追加する

MQL5取引ツール（第21回）：回帰グラフにサイバーパンクテーマを追加する

MQL5の回帰グラフ描画ツールを拡張し、ネオングロー、アニメーション、ホログラフィックエフェクトを備えたサイバーパンクテーマを追加することで、より没入感のある可視化を実現します。テーマの切り替え機能、星が瞬く動的な背景、発光する枠線、ネオンカラーのポイントやラインを実装するとともに、従来の標準テーマとの互換性も維持します。このデュアルテーマシステムにより、リアルタイム更新やインタラクティブな操作に対応しながら、未来的なデザインでペア分析をより魅力的に行えるようになります。
初心者からエキスパートへ： トレンドフィルタによる流動性戦略の拡張

初心者からエキスパートへ： トレンドフィルタによる流動性戦略の拡張

流動性ベースの戦略にシンプルなトレンド条件を追加します。具体的には、EMA(50)の方向に沿って流動性ゾーンを取引するというフィルタを導入します。記事では、不要なセットアップを除外するためのルールを説明し、再利用可能なTrendFilter.mqhクラスと、MQL5でのEA統合方法を紹介します。また、フィルタなしの基本戦略と、フィルタを適用した戦略のテスト結果を比較します。読者は、明確な方向性の判断基準、逆トレンド局面での過剰取引の抑制方法、そしてすぐに利用できるソースファイルを得ることができます。
MQL5でのスイング極値とプルバック（第2回）：EAによる戦略の自動化

MQL5でのスイング極値とプルバック（第2回）：EAによる戦略の自動化

下位足の市場構造を基盤とし、そのシグナル運用を上位足で統合・調整する本インジケーターは、価格が統計的に反転しやすくなるスイングの極値を検出します。価格の行き過ぎ（オーバーエクステンション）とプルバックゾーンを視覚化し、平均回帰の動きを早い段階で把握できるようにします。
ラリー・ウィリアムズの『市場の秘密』（第12回）：相場環境に基づくスマッシュデー反転トレード

ラリー・ウィリアムズの『市場の秘密』（第12回）：相場環境に基づくスマッシュデー反転トレード

体系化されたコンテキストの中で、ラリー・ウィリアムズのスマッシュデー反転パターンをMQL5で自動化する方法を解説します。限定された有効期間内でセットアップを検証し、Supertrendを用いた曜日フィルタを備え、エントリーはレベル突破時またはバー確定時のいずれにも対応するエキスパートアドバイザー(EA)を実装します。エントリー方式としては、レベル突破時の即時エントリー、またはローソク足確定後のエントリーに対応しています。また、同時保有ポジション数を1つに制限し、リスクベースまたは固定ロットによるポジションサイジングをサポートします。さらに、段階的な開発手順、バックテスト方法、再現可能な設定も併せて提示します。
Neuro-Structural Trading Engine (NSTE)（第I回）：プロップファーム対応マルチ口座システムの構築方法

Neuro-Structural Trading Engine (NSTE)（第I回）：プロップファーム対応マルチ口座システムの構築方法

プロップファームの制約を遵守しながら、MetaTrader 5上で暗号資産CFDを運用するマルチ口座アルゴリズム取引システムアーキテクチャを提示します。システムは、「固定ドルリスク」「1口座につき1スクリプト」「設定の一元管理」という3つの基本原則を定義した上で、PythonとMQL5の役割分担、60秒ごとの処理ループ、JSONベースのシグナル連携について詳しく解説します。さらに、ロットサイズの実践的な計算方法、安全性を確保するためのチェック機構、ポジション管理パターンについても紹介し、信頼性の高い運用を実現するための構成を示します。
MQL5でのスイング極値とプルバック（第1回）：マルチタイムフレームインジケータの開発

MQL5でのスイング極値とプルバック（第1回）：マルチタイムフレームインジケータの開発

Swing Extremes and Pullbacksインジケータを自動化します。このインジケータは、下位足(LTF)生の値動きを、市場の意図を構造化して示すマップへと変換します。リアルタイムでスイングハイ・スイングロー・調整フェーズを正確に検出し、マイクロストラクチャーの変化をプログラムによって追跡することで、完全な反転が形成される前に潜在的な転換ポイントを予測します。これにより、市場ノイズを実用的なシグナルへ変換し、より精度の高い意思決定を可能にします。