取引システム | アルゴリズム取引記事

前の記事では、MetaTrader 5とMetaTrader 4プラットフォーム用のプログラムの開発を単純化するための大規模なクロスプラットフォームライブラリの作成を始めました。第4部では、口座の取引イベントの追跡をテストしました。本稿では、取引イベントクラスを開発してイベントコレクションに配置します。そこからは、これらはエンジンライブラリの基本オブジェクトとコントロールプログラムチャートに送信されます。

前の記事では、MetaTrader 5とMetaTrader 4プラットフォーム用のプログラムの開発を単純化するための大規模なクロスプラットフォームライブラリの作成を始めました。過去の注文と取引のコレクション、成行注文とポジション、そして注文の便利な選択と並び替えのためのクラスはすでに存在します。この記事では、基本オブジェクトの開発を続け、Engineライブラリが口座の取引イベントを追跡できるようにします。

金融データのフラクタル行動の探索に関する研究は、経済時系列の一見混沌とした行動の背後に、参加者の集団行動の隠されたメカニズムがあることを前提にしています。これらのメカニズムは、価格シリーズの特性を定義することができ、取引所の価格ダイナミクスの出現につながることができます。これをトレーディングに適用すると、実際に関連するスケールと時間枠のフラクタルパラメータを効率的かつ確実に推定できるインジケータの恩恵を受けることができます。

最初の部分では、MetaTrader 5とMetaTrader 4プラットフォーム用のプログラムの開発を単純化するための大規模なクロスプラットフォームライブラリの作成を始めました。さらに、履歴の注文と取引の収集を実装しました。次のステップは、コレクションリスト内の注文、取引、ポジションの便利な選択と並び替えのためのクラスを作成することです。Engineという基本ライブラリオブジェクトを実装し、成行注文とポジションのコレクションをライブラリに追加します。

元の基本となる記事との関連性は失われていませんが、このトピックに興味がある場合は、まず最初の記事を読んでください。しかし、前回の記事から時間が経過しているので、現在の Visual Studio 2017 には、更新されたインターフェイスがあります。また、MetaTrader5プラットフォームにも新しい機能が追加されました。この記事では、DLLのプロジェクト開発、およびセットアップと MetaTrader5 ツールとのやり取りについて説明します。

この記事では、MetaTrader4 と MetaTrader5 の両方で稼働する Expert Advisor (EA) の作成方法を扱います。そのために、グリッドオーダーを構築するEAを開発していきます。グラインダーズ(グリッドトレード)は、現在の価格の上に複数の指値オーダーを配置し、同時に現在の価格の下にリミットオーダーを同じ数オーダーするEAです。

最初の部分では、MetaTrader 5とMetaTrader 4プラットフォーム用のプログラムの開発を単純化するための大規模なクロスプラットフォームライブラリの作成を始めました。過去の注文と取引、および市場の注文とポジションに関するデータを格納するための基本オブジェクトであるCOrder抽象オブジェクトを作成しました。ここでは、口座履歴データをコレクションに格納するために必要なすべてのオブジェクトを開発します。

膨大な数の取引戦略やMetaTrader 5およびMetaTrader 4ターミナル用アプリケーションの開発の注文、さまざまなMetaTrader Webサイトを分析しているうちに、私は、このすべての多様性のほとんどが、異なるプログラムで定期的に現れる同じ基本的な機能、行動、および価値観に基づいているという結論に達しました。これにより、МetaТrader5およびМetaТrader4アプリケーションを簡単かつ迅速に開発するためのDoEasyクロスプラットフォームライブラリが完成しました。

本稿では、マルチンゲールシステムについて詳細に検討します。このシステムを取引に適用できるかどうか、またリスクを最小限に抑えるための使用方法が検討されます。この単純なシステムの主な欠点は、預金全体を失う可能性があることです。マルチンゲール技術を使って取引することを決定した場合、この事実は考慮に入れられなければなりません。

この記事では、さまざまな市場条件に対して個別に最適化する方法について説明しています。個別最適化とは、上昇トレンドと下降トレンドを別々に最適化して取引システムの最適なパラメータを決定することです。誤ったシグナルの影響を減らして収益性を向上させるために、システムは柔軟に作られています。つまり、市場の動きは常に変化を伴う為、システムには特定の設定や入力データのセットがあります。

自己学習を行うEAを作成するためのReinforcement learningの適用。前回の記事では、Random Decision Forestアルゴリズムを学び、Reinforcement learning（強化学習）に基づく簡単な自己学習EAを作成しました。このアプローチの主な利点は、取引アルゴリズムを書くことの単純さと『学習」の高速性でした。強化学習（以下、単にRL）は、どのEAにも簡単に組み込むことができ、最適化のスピードを上げられます。

この記事は、前回のピボット・パターン：『ダブルトップ・ダブルボトム』パターンのテストの論理的な続編になります。ここでもう一つのよく知られている『ヘッドアンドショルダー』の反転パターンを検討し、2つのパターンの取引パフォーマンスを比較し、2つのパターンの取引を1つの取引システムに組み合わせてみたいと思います。

これは、リバーシングトレード戦略のシリーズの最新の記事です。ここでは、以前の記事で不安定なテスト結果を引き起こした問題を解決します。また、リバーシング戦略を使用して、任意の相場で裁量トレードの独自のアルゴリズムを開発し、それをテストします。

この記事では、リバーシング（反転）技術について扱います。以前に考慮されたツールの許容レベルまで最大残高ドローダウンを削減します。利益を減少させるかどうかを確認します。また、株式、コモディティ、インデックス、ETF、農業相場など、他の相場でのリバース方式の実行方法も確認します。注意として、この記事には多くの画像が含まれています!

本稿では、最適な最適化パスを選択するためのアプリケーションの開発について、いくつかのオプションを使用して説明します。このアプリケーションは、様々な要因によって最適化結果を分類することができます。最適化パスは常にデータベースに書き込まれるため、再び最適化せずに常に新しいロボットパラメータを選択できます。さらに、すべての最適化パスを1つのチャートで表示し、パラメトリックVaR比を計算し、パスの正規分布と特定の比率セットの取引結果のグラフを作成することができます。さらに、いくつかの計算された比率のグラフは、最適化開始から(または選択された日付から別の選択された日付まで)動的に構築されます。

トレーディングの実践において、トレーダーはしばしば、トレンドの傾向の逆転のポイントを探します。なぜなら、トレンドが生まれたときに、その価格が最も大きな変動の可能性を秘めているからです。そのため、技術分析の実践において、様々な反転パターンが考慮されます。最も有名で頻繁に使用されるパターンの1つはダブルトップ・ダブルボトムです。この記事では、パターンの自動検出の例を提案し、またその履歴データに対する収益性をテストします。

ギャップ現象の研究とは、前の時間枠の終値と次の時間の終値との間の有意差の状況や、日々のバーの向かう方向を分析することです。関数GetOpenFileNameのDLLシステムを使用します。

本稿では、バギングアンサンブルの分類品質を高めるために使用できる3つの方法を検討し、その効率を評価します。ELMニューラルネットワークのハイパーパラメータと後処理パラメータの最適化の効果が評価されます。

MetaTrader 5プラットフォームでは、マルチマーケットだけでなく、さまざまなポジション計算システムの使用も可能です。このような機能は、取引アイデアの実装と形式化のためのツールを大幅に拡大します。この記事では、ポジションが独立してカウントされたとき（『ヘッジ』）のポジションのプロパティの処理と考慮の方法について説明します。派生クラスの提案と、ヘッジポジションのプロパティの処理と取得の例を提示します。

トレーディングロボットの効率は、そのパラメータの正しい選択 (最適化) に依存します。ただし、ある特定の時間間隔で最適と見なされるパラメータは、別の期間でもその有効性を保持することはできません。その上、EA がテストの期間で利益を出したとしてもリアルでは損失になることもあります。継続的な最適化における問題はこれらを背景としています。ルーチンワークに直面するとき、人は自動化する方法を模索しようとします。この記事では、この問題を解決するための非標準的なアプローチを提案します。

この記事では、リバーシングマーチンゲール技術を研究し、トレード戦略を向上させることができるかどうかということはもちろん、使用する価値があるかどうかを判断します。ヒストリカルデータを操作し、リバーシングテクニックに最適なインジケータを確認するEAを作成します。また、独立したトレードシステムとしてのインジケータなしで使用できるかどうかもチェックします。また、リバーシングが、負けトレードから勝ちトレードに変えられるかを確かめます。

トレード戦略には多くのものがあります。トレードのために、ある戦略はトレンドを探し、またある戦略はレンジ価格変動の範囲を定義します。この2つのアプローチを組み合わせて収益性を高めることは可能でしょうか。

本稿では、最適化プロセスの可視化を拡張するためのグラフィカルインターフェイスを備えたMQLアプリケーションが実装されます。グラフィカルインターフェイスには、EasyAndFastライブラリの最新バージョンが適用されます。MQLアプリケーションでグラフィカルインターフェイスが必要な理由は多くのユーザによって尋ねられることがあります。本稿では、トレーダーにとって有用な複数のケースの1つを示します。

この記事はレンジ期間のトレードにおける利点および欠点について調査します。この記事で作成およびテストされた10の戦略は、チャネル内の価格変動の追跡に基づいています。各戦略は、ダマシの相場参入シグナルを回避することを目的としたフィルタリング機構を備えています。

公式のMetaTraderフリーランスサービスのメンバー受注完了数が2018年10月に50,000件に達しました。これは、MQLプログラマー向けの世界最大のフリーランスサイトです。サイトには1,000人以上の開発者が登録しており、新規注文は毎日数十件を超えます。サイトは7ヶ国語に訳されています。

取引口座モニタリングでは、完了したすべての取引に関する詳細なレポートが提供されます。すべての取引統計は自動的に収集され、わかりやすい図やグラフとして提供されます。

この記事では、トレーディング通貨ペアバスケットのシリーズに結論付けを行います。ここでは、残りのパターンをテストし、実際のトレードでの適用について説明します。相場におけるエントリーと決済、パターンを分析し、複合インジケータの使用を考察します。

バギングを使用するランダムフォレスト（RF）は最も強力な機械学習方法の1つですが、グラジエントブースティングには若干劣ります。本稿では、市場との相互作用から得られた経験に基づいて意思決定を行う自己学習型取引システムの開発を試みます。

ビジュアルストラテジービルダー。プログラミングなしでトレーディングロボットを作成する

この記事では、ビジュアルストラテジービルダーを紹介します。ユーザーがプログラミングせずにトレードロボットやユーティリティを作成する方法について紹介します。作成されたEAは、完全に機能し、ストラテジーテスターでテストすることができます。また、クラウドで最適化またはリアルタイムチャートでライブ実行することも可能です。

この記事で提案するトレーディングシステムは、株価を分析するための数学的ツールです。ディジタルフィルタリングと離散時系列のスペクトル推定を適用します。戦略の理論的側面について説明し、テストEAを作成します。

MQLプログラミング言語によって、取引戦略のモジュール設計の概念を実装することができます。この記事では、別々にコンパイルされたファイルモジュールからなるマルチモジュールEAの作成例をご紹介します。

この記事では、簡単な取引ストラテジーを3つのモード（履歴からの記録ティックを使用した『リアルティックに基づいた全てのティック』、『1分足OHLC』、『全ティック』）でテストします。

本稿では、様々な訓練の変形によって得られたディープニューラルネットワークのハイパーパラメータにベイズ最適化を適用する可能性について検討します。様々な訓練の変形における最適なハイパーパラメータを有するDNNの分類の質が比較されます。DNN最適ハイパーパラメータの有効性の深さは、フォワードテストで確認されています。分類の質を向上させるための方向性が特定されています。

この記事は、ラルフ·ビンスによる "The Mathematics of Money Management" に基づいています。トレードロットの最適なサイズを見つけるために使用される経験的およびパラメトリックメソッドの説明をします。また、それらのメソッドに基づいて MQL5 ウィザードのトレーディングモジュールの実装を行います。

この記事では、通貨ペアバスケットのトレード時に検出可能なパターンのテストをします。ここでは、通貨の動きを互いに相対的に追跡するパターンをテストします。

価格トレンドは、金融銘柄チャートで観察できる価格チャネルを形成します。現在のチャネルのブレイクアウトは、強いトレンド反転シグナルの1つです。本稿では、そのようなシグナルを見つける手順を自動化し、チャネルブレイクアウトパターンを取引戦略の作成に使用できるかどうかを確認する方法を提案します。

本稿では、個々の指標セットを組み立てることでカスタム取引戦略を作成するとともに、カスタム市場エントリシグナルを開発する技術を提案します。

この記事では、MQL5 標準ツールを使用してDiNapoliレベルでトレードするためのEAの実現を考察します。そのパフォーマンスをテストし、最終的な結論まで導きます。

この記事では、夜間取引の概念、および MQL5 におけるトレーディング戦略とその実装について扱います。テストを通じ、適切な結論を下します。

この記事では、Linda B. RaschkeとLaurence A. Connors の "Street Smarts: High Probability Short-Term Trading Strategies" に記載されているトレーディングシステムのコードを記述します。今回は、モメンタムのピンボールシステムを研究します。また、2つのインジケーター、トレードロボットとシグナルブロックの作成について説明します。

MetaTraderプログラムを簡単かつ迅速に開発するためのライブラリ(第5部): 取引イベントのクラスとコレクション、プログラムへのイベント送信

MetaTraderプログラムを簡単かつ迅速に開発するためのライブラリ(第4部): 取引イベント

フラクタル指数とハースト指数の財務時系列を予測する能力の評価

MetaTraderプログラムを簡単かつ迅速に開発するためのライブラリ(第3部)成行注文と取引のコレクション、検索と並び替え

f()10分でできるMQL5 のためのDLL (パート II): Visual Studio 2017で作成

クロスプラットフォームグラインドEAの開発

MetaTraderプログラムを簡単かつ迅速に開発するためのライブラリ(第2部)過去の注文と取引のコレクション

MetaTraderプログラムを簡単かつ迅速に開発するためのライブラリ(第1部)概念、データ管理および最初の結果

長期取引戦略の基盤としてのマルチンゲール

トレンドとフラットの戦略を個別に最適化する

強化学習におけるモンテカルロ法の応用

ピボット・パターン：『ヘッドアンドショルダー』パターンのテスト

リバーシング: エントリポイントを形式化し、裁量トレードアルゴリズムを開発する

リバーシング: 最大ドローダウンの削減と他の相場のテスト

上位100件の最適化パス(その1)最適化分析器の開発

ピボット・パターン：『ダブルトップ・ダブルボトム』パターンのテスト

ギャップー収入戦略か50/50か?

ディープニューラルネットワーク(その8)バギングアンサンブルの分類品質の向上

MQL5レシピ - オープンヘッジポジションのプロパティを取得しましょう

考えられる.EAをリアルタイムで最適化するためのインジケータの使用法

リバーシング: 聖杯や危険な妄想?

1. テストメソッド1トレンドとレンジ戦略の組み合わせ

MetaTrader 5における取引戦略最適化の可視化

10のレンジトレーディング戦略の比較分析

MQL5.comフリーランスサービスが注文50,000件を達成

取引口座モニタリングは不可欠なトレーダーツールです。

通貨ペアパターンのテスト: 実用的なアプリケーションと実際のトレードの視点第４部

強化学習におけるランダム決定フォレスト

ビジュアルストラテジービルダー。プログラミングなしでトレーディングロボットを作成する

適応型相場の実用的評価法

マルチモジュールEAの作成

実際ティックでの取引ストラテジーのテスト

ディープニューラルネットワーク(その5)DNNハイパーパラメータのベイズ最適化

ビンスによる資金管理 MQL5 ウィザードのモジュールとしての実装

通貨ペアバスケットをトレードするときに発生するパターンのテストパート III

チャネルブレイクアウトパターン

エントリを指標によって分類する技術を用いた新たな取引戦略の作成

トレードDiNapoliレベル

アジアセッション中の夜間取引: どのように収益性を維持するか

モメンタムピンボールトレーディング戦略