新しい記事を追加
Python-MetaTrader 5ストラテジーテスター（第3回）：MetaTrader 5風の取引操作 — 処理と管理
Python-MetaTrader 5ストラテジーテスター（第3回）：MetaTrader 5風の取引操作 — 処理と管理
シミュレーター内で注文の開始、終了、変更などの取引操作を処理するための、Python-MetaTrader5と同様の方法を紹介します。シミュレーションがMT5と同様の動作となるように、取引リクエストに対して厳密な検証処理が実装されており、銘柄取引パラメータや一般的なブローカーの制限事項が考慮されています。
MQL5でカスタムインジケーターを作成する（第5回）：WaveTrend Crossover Evolution：Canvasを用いたフォグ状グラデーション、シグナルバブル、リスク管理
MQL5でカスタムインジケーターを作成する（第5回）：WaveTrend Crossover Evolution：Canvasを用いたフォグ状グラデーション、シグナルバブル、リスク管理
MQL5におけるSmart WaveTrend Crossoverンジケーターを拡張し、Canvasを用いた描画機能を組み込むことで、霧状のグラデーションオーバーレイ、ブレイクアウトを検出するシグナルボックス、さらに買いシグナルや売りシグナルをバブルや三角形で表示する視覚的アラート機能を追加します。さらに、リスク管理機能として、ローソク足倍率またはパーセンテージに基づいて計算される動的なテイクプロフィットおよびストップロスレベルを導入し、ライン表示およびテーブル表示によって可視化します。加えて、トレンドフィルタリングやボックス延長機能といったオプションも提供します。
ラリー・ウィリアムズの『市場の秘密』（第6回）：市場変動を利用したボラティリティブレイクアウトの測定
ラリー・ウィリアムズの『市場の秘密』（第6回）：市場変動を利用したボラティリティブレイクアウトの測定
MQL5を用いてラリー・ウィリアムズのボラティリティブレイクアウト型エキスパートアドバイザーを設計および実装する方法を解説します。スイングレンジの測定、エントリーレベルの算出、リスクベースのポジションサイジング、さらに実際の市場データを用いたバックテストまでを網羅します。
プライスアクション分析ツールキットの開発（第54回）：EMAと平滑化された価格変動によるトレンドのフィルタリング
プライスアクション分析ツールキットの開発（第54回）：EMAと平滑化された価格変動によるトレンドのフィルタリング
取引の明確さとタイミングを向上させるために、平均足による平滑化とEMA20の高値および安値のバンド、さらにEMA50のトレンドフィルターを組み合わせた手法を解説します。これらのツールにより、トレーダーは真のモメンタムを見極め、ノイズを排除し、ボラティリティの高い局面やトレンド相場により適切に対応できます。
トレンド強度の最適化：方向と強さに沿った取引戦略
トレンド強度の最適化：方向と強さに沿った取引戦略
短期および長期の分析を組み合わせ、全体的なトレンドとその強さに基づいて取引判断および執行をおこなう、トレンドフォロー型のエキスパートアドバイザー(EA)です。本記事では、忍耐力と規律を備え、集中力を維持しながら、トレンドの強さと方向に一致する場合にのみ取引を実行し、特にトレンドに逆らう取引や頻繁なバイアス変更を避け、テイクプロフィットに到達するまでポジションを保持でき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。
MQL5でカスタムインジケーターを作成する（第4回）：デュアルオシレーター搭載Smart WaveTrend Crossover
MQL5でカスタムインジケーターを作成する（第4回）：デュアルオシレーター搭載Smart WaveTrend Crossover
本記事では、MQL5で「Smart WaveTrend Crossover」と呼ばれるカスタムインジケーターを開発します。このインジケーターは、2つのWaveTrendオシレーターを活用しており、1つはクロスオーバーシグナルの生成、もう1つはトレンドフィルタリングを目的としています。チャネル長、平均期間、移動平均期間といった各種パラメータはカスタマイズ可能です。また、トレンド方向に応じてローソク足を色分け表示し、クロスオーバー時には買いや売りの矢印シグナルを表示します。さらに、トレンド確認の有効化オプションや、色やオフセットなどのビジュアル要素も調整可能です。
ラリー・ウィリアムズの『市場の秘密』（第4回）：MQL5における短期的スイングハイとスイングローの自動化
ラリー・ウィリアムズの『市場の秘密』（第4回）：MQL5における短期的スイングハイとスイングローの自動化
MQL5を使って、ラリー・ウィリアムズの短期スイングパターンの自動化を習得していきます。このガイドでは、非ランダムな市場構造を活用する、完全に設定可能なエキスパートアドバイザー(EA)を開発します。堅牢なリスク管理と柔軟なエグジットロジックの統合方法も解説し、システマティックな戦略開発とバックテストのための確かな基盤を提供します。
MQL5でのAI搭載取引システムの構築（第8回）：アニメーション、タイミング指標、応答管理ツールによるUIの改善
MQL5でのAI搭載取引システムの構築（第8回）：アニメーション、タイミング指標、応答管理ツールによるUIの改善
本記事では、MQL5におけるAI駆動取引システムを、ユーザーインターフェースの改善によって強化します。具体的には、リクエストの準備フェーズおよび思考フェーズにおけるローディングアニメーションの追加や、レスポンスに表示される処理時間（タイミングメトリクス）による応答の向上などを実装します。さらに、AIへの再クエリを行うための再生成ボタンや、最新の応答をファイルとして保存できるエクスポート機能などのレスポンス管理ツールを追加し、操作性を向上させます。
ラリー・ウィリアムズの『市場の秘密』（第3回）：MQL5で非ランダムな市場の動きを証明する
ラリー・ウィリアムズの『市場の秘密』（第3回）：MQL5で非ランダムな市場の動きを証明する
MQL5を使用してラリー・ウィリアムズによる市場挙動の実験を再現することで、金融市場が本当にランダムなのかどうかを検証します。本記事では、カスタムエキスパートアドバイザー(EA)を用い、シンプルなプライスアクションテストを通じて統計的な市場バイアスを明らかにする方法を解説します。
MQL5でカスタムインジケーターを作成する（第3回）：扇形と円形によるマルチゲージの強化
MQL5でカスタムインジケーターを作成する（第3回）：扇形と円形によるマルチゲージの強化
本記事では、MQL5のゲージ型インジケーターを拡張し、複数のオシレーターに対応できるようにします。列挙型を使うことで、単体表示だけでなく複合表示もユーザーが選択できるようになります。また、基盤となるゲージフレームワークを拡張し、扇形と円形の2つのスタイルを派生クラスとして実装します。円弧、直線、多角形を組み合わせた枠（ケース）の描画により、見た目もより洗練されたものになります。
MQL5で他の言語の実用的なモジュールを実装する（第6回）：MQL5におけるPython風ファイルI/O操作
MQL5で他の言語の実用的なモジュールを実装する（第6回）：MQL5におけるPython風ファイルI/O操作
複雑なMQL5ファイル操作を簡素化するために、読み書きを容易にするPythonスタイルのインターフェースを構築する方法を紹介します。カスタム関数とクラスを用いて、Pythonの直感的なファイル処理パターンを再現する方法を解説します。その結果、MQL5のファイルI/Oにおいて、よりクリーンで信頼性の高いアプローチが実現しました。
MQL5でカスタムインジケーターを作成する（第2回）：Canvasと針のメカニクスを使ったゲージ型RSIインジケーターの構築
MQL5でカスタムインジケーターを作成する（第2回）：Canvasと針のメカニクスを使ったゲージ型RSIインジケーターの構築
本記事では、MQL5でゲージ型のRSIインジケーターを開発します。このインジケーターは、RSIの値を円形のスケール上の動く針で可視化し、買われすぎと売られすぎのレベルを色分けした範囲と、カスタマイズ可能な凡例を備えています。Canvasクラスを使用して、円弧、目盛り、扇形などの要素を描画し、新しいRSIデータに基づいて滑らかに更新されるようにします。
共和分株式による統計的裁定取引（第9回）：バックテストポートフォリオのウェイト更新
共和分株式による統計的裁定取引（第9回）：バックテストポートフォリオのウェイト更新
本記事では、共和分関係にある銘柄を通じた統計的裁定取引を利用する平均回帰ベースの戦略において、ポートフォリオのウェイト更新をバックテストするためにCSVファイルを使用する方法について説明します。データベースへのローリングウィンドウ固有ベクトル比較(RWEC, Rolling Windows Eigenvector Comparison)の結果入力から、バックテストレポートの比較までを網羅します。その一方で、各RWECパラメータの役割と、それが全体的なバックテスト結果に与える影響を詳しく説明し、相対的なドローダウンの比較がこれらのパラメータをさらに改善するのにどのように役立つかを示します。
MQL5における取引戦略の自動化（第46回）：Liquidity Sweep on Break of Structure (BoS)
MQL5における取引戦略の自動化（第46回）：Liquidity Sweep on Break of Structure (BoS)
MQL5においてLiquidity Sweep on Break of Structure (BoS)システムを構築します。このシステムは、ユーザーが定義した期間に基づいてスイングハイとスイングローを検出し、それらをHH (Higher High) / HL (Higher Low) /LH (Lower High) /LL (Lower Low)としてラベル付けすることでBoS（上昇トレンドにおけるHH、下降トレンドにおけるLL）を識別します。また、価格がスイングをヒゲで一時的にブレイクした後、再び終値がスイング内に戻る場合を流動性スイープとして検出します。
Codexパイプライン：PythonからMQL5へ ― FXI ETFを対象とした複数四半期の指標分析
Codexパイプライン：PythonからMQL5へ ― FXI ETFを対象とした複数四半期の指標分析
MetaTraderを本来のFX取引という「コンフォートゾーン」の外でどのように活用できるかという検討を継続し、FXI ETFという別の取引可能資産に着目します。前回の記事では、指標の選定にとどまらず、指標間のパターンの組み合わせにまで踏み込み、やや過度に複雑化した側面がありました。本記事では一歩引いて、指標選定そのものに焦点を当てます。最終的には、十分な価格履歴データが存在する場合に、さまざまな資産に対して適切な指標を推奨できるパイプラインの構築を目指します。
Adaptive Smart Money Architecture (ASMA)：SMCロジックと市場センチメントを統合した動的戦略切替システム
Adaptive Smart Money Architecture (ASMA)：SMCロジックと市場センチメントを統合した動的戦略切替システム
Adaptive Smart Money Architecture (ASMA)の構築方法について解説します。ASMAは、Smart Money Concept（Order Block、Break of Structure、Fair Value Gap）とリアルタイムの市場センチメントを統合し、現在の市場状況に応じて最適な取引戦略を自動的に選択するインテリジェントなエキスパートアドバイザー(EA)です。
機械学習の限界を克服する（第9回）：自己教師あり学習を用いた金融における相関ベース特徴学習
機械学習の限界を克服する（第9回）：自己教師あり学習を用いた金融における相関ベース特徴学習
自己教師あり学習は、観測値そのものから生成された教師信号を探索する統計学習の強力なパラダイムです。このアプローチは、教師なし学習における困難な問題を、より馴染みのある教師あり学習問題へと再定式化します。この技術は、アルゴリズムトレーダーコミュニティの目的に対して、見過ごされてきた応用可能性を持っています。したがって本記事の議論は、読者に対して自己教師あり学習という未開拓の研究領域への橋渡しを提供し、さらに小規模データセットへの過学習を回避しながら、金融市場の頑健で信頼性の高い統計モデルを提供する実践的応用を提示することを目的としています。
古典的な戦略を再構築する（第14回）：移動平均クロスオーバーの徹底解説
古典的な戦略を再構築する（第14回）：移動平均クロスオーバーの徹底解説
本記事では、古典的な移動平均クロスオーバー戦略を改めて取り上げ、ノイズが多く変動の激しい市場環境においてなぜこの戦略がうまく機能しないのかを検証します。そのうえで、シグナル品質を向上させ、弱いまたは収益性の低い取引を除外するための5つの代替フィルタリング手法を紹介します。また、統計モデルが人間の直感や従来のルールでは捉えきれない誤差をどのように学習し、補正できるかについても説明します。読者は、時代遅れの戦略をどのように現代化するか、また金融モデリングにおいてRMSEのような指標に過度に依存することの落とし穴について理解を深めることができます。
共和分株式による統計的裁定取引（第8回）：ポートフォリオのリバランスのためのローリングウィンドウ固有ベクトル比較
共和分株式による統計的裁定取引（第8回）：ポートフォリオのリバランスのためのローリングウィンドウ固有ベクトル比較
本記事では、共和分関係にある株式を用いた平均回帰型統計裁定戦略において、早期の不均衡診断およびポートフォリオリバランスのために、ローリングウィンドウ固有ベクトル比較を用いる手法を提案します。この手法は、従来のインサンプル/アウトオブサンプルADF (IS/OOS ADF)検証と比較されており、固有ベクトルの変化が、IS/OOS ADFが依然としてスプレッドの定常性を示している場合であっても、リバランスの必要性を示唆し得ることを示します。本手法は主に実運用取引の監視を目的としていますが、結論として、固有ベクトル比較をスコアリングシステムに統合することも可能である一方で、その実際のパフォーマンスへの寄与については検証が必要であるとされています。
利益強化アーキテクチャ：多層型口座保護
利益強化アーキテクチャ：多層型口座保護
このディスカッションでは、積極的な利益目標を追求しながら、壊滅的な損失へのエクスポージャーを最小限に抑えることを目的とした、構造化された多層防御システムを紹介します。本システムの焦点は、取引パイプラインのあらゆるレベルにおいて、攻撃的な売買ロジックと保護的な安全機構を組み合わせることにあります。その狙いは、このEAを「リスクを認識する捕食者」のように設計することです。すなわち、高価値な機会を捉える能力を持ちながらも、突発的な市場ストレスに対して盲目的になることを防ぐための複数の防護層を常に備えている状態を目指します。
MQL5で他の言語の実用的なモジュールを実装する（第5回）：PythonのLoggingモジュールによるプロ仕様のログ
MQL5で他の言語の実用的なモジュールを実装する（第5回）：PythonのLoggingモジュールによるプロ仕様のログ
PythonのloggingモジュールをMQL5と統合することで、トレーダーは体系的なログ管理手法を活用でき、取引活動の監視、デバッグ、記録のプロセスを大幅に簡素化することができます。本記事では、その適応方法について解説し、取引ソフトウェア開発における明確性と整理性を維持するための強力なツールを提供します。
取引戦略の開発：出来高制限アプローチの使用
取引戦略の開発：出来高制限アプローチの使用
テクニカル分析の世界では、価格がしばしば中心的な役割を果たします。トレーダーはサポートやレジスタンス、パターンを綿密に描きますが、多くの場合、これらの動きを駆動する重要な力である「出来高」を見落としています。本記事では、新しい出来高分析のアプローチであるVolume Boundaryインジケーターについて解説します。この指標は、バタフライ曲線やトリプルサイン曲線といった高度な平滑化関数を用いることで変換をおこない、より明確な解釈と体系的な取引戦略の構築を可能にします。
MQL5における取引戦略の自動化（第45回）：逆フェアバリューギャップ(IFVG)
MQL5における取引戦略の自動化（第45回）：逆フェアバリューギャップ(IFVG)
本記事では、MQL5において逆フェアバリューギャップ(IFVG, Inverse Fair Value Gap)検出システムを構築します。このシステムは、直近のバーにおける強気/弱気のFVG（フェアバリューギャップ）を最小ギャップサイズフィルターを適用して識別し、価格との相互作用に基づき、その状態をnormal（通常）、mitigated（解消）、inverted（反転）として追跡します（遠側ブレイクによるミティゲーション、再エントリー時のリトレース（押し戻し）、内側から遠側をブレイクしてクローズすることによるインバージョンを含みます）。また、重複は無視し、追跡するFVGの数を制限します。
プロップファームチャレンジをクリアするための自動リスク管理
プロップファームチャレンジをクリアするための自動リスク管理
本記事では、GOLD向けのプロップファーム用エキスパートアドバイザー(EA)の設計について解説します。このEAは、ブレイクアウトフィルター、マルチタイムフレーム分析、堅牢なリスク管理、そして厳格なドローダウン制御を特徴としています。ルール違反を回避し、ボラティリティの高い市場環境下でも安定した取引実行を維持することで、トレーダーがプロップファームのチャレンジをクリアするのを支援します。
MQL5標準ライブラリエクスプローラー（第5回）：マルチシグナルEA
MQL5標準ライブラリエクスプローラー（第5回）：マルチシグナルEA
本セッションでは、MQL5標準ライブラリを使用して、複数のシグナルを組み合わせた高度なエキスパートアドバイザー(EA)を構築します。このアプローチにより、組み込みシグナルと独自ロジックをシームレスに統合し、柔軟かつ強力な取引アルゴリズムの構築方法を示します。詳細については、続きをご覧ください。
MQL5での取引戦略の自動化（第44回）：スイングハイ/ローのブレイクによる性格の変化(CHoCH)検出
MQL5での取引戦略の自動化（第44回）：スイングハイ/ローのブレイクによる性格の変化(CHoCH)検出
この記事では、MQL5で性格の変化(CHoCH)検出システムを開発します。本システムは、ユーザーが設定したバーの長さに基づいてスイングハイとスイングローを特定し、高値には「HH/LH」、安値には「LL/HL」とラベル付けをおこない、トレンド方向を判定します。そして、これらのスイングポイントをブレイクした際にエントリーをおこない、潜在的な反転を示すサインとして活用します。構造が変化した際のブレイクもエントリー対象とします。
MQL5での取引戦略の自動化（第43回）：適応型線形回帰チャネル戦略
MQL5での取引戦略の自動化（第43回）：適応型線形回帰チャネル戦略
本記事では、ユーザー定義期間にわたって回帰直線と標準偏差チャネルを自動的に計算し、明確なトレンドを確認するために傾きが最小閾値を超えた場合にのみ有効化され、さらに価格がチャネル幅の設定可能な割合を超えてブレイクアウトした際にチャネルを動的に再生成または延長する、適応型リニア回帰チャネルシステムをMQL5で実装します。
MQL5での取引戦略の自動化（第42回）：セッションベースのオープニングレンジブレイクアウト(ORB)システム
MQL5での取引戦略の自動化（第42回）：セッションベースのオープニングレンジブレイクアウト(ORB)システム
MQL5で完全にカスタマイズ可能なセッションベースのオープニングレンジブレイクアウト(ORB)システムを作成します。このシステムでは、任意のセッション開始時刻とレンジの期間を設定でき、指定したオープニング期間の高値と安値を自動計算し、かつ動きの方向に沿った確定ブレイクアウトのみを取引します。
分析型ボリュームプロファイル取引(AVPT)：流動性アーキテクチャ、市場メモリ、アルゴリズム実行
分析型ボリュームプロファイル取引(AVPT)：流動性アーキテクチャ、市場メモリ、アルゴリズム実行
分析型ボリュームプロファイル取引(AVPT, Analytical Volume Profile Trading)は、流動性構造と市場記憶がプライスアクションに与える影響を分析し、機関投資家のポジション構築や出来高駆動の構造をより深く理解する手法です。POC、HVN、LVN、バリューエリアを可視化することで、受容、拒否、アンバランスゾーンを高い精度で特定できます。
MetaTrader 5機械学習の設計図（第6回）：実務で使えるキャッシュシステムの設計
MetaTrader 5機械学習の設計図（第6回）：実務で使えるキャッシュシステムの設計
進捗バーを眺めるだけで、取引戦略のテストに時間を浪費していませんか。従来のキャッシュ手法では金融機械学習には対応できず、計算の無駄や再実行によるフラストレーションに悩まされます。私たちは、金融データ特有の課題、時間的依存関係、複雑なデータ構造、そして先読みバイアスのリスクを理解した洗練されたキャッシュアーキテクチャを設計しました。この三層構造のシステムにより、計算速度は劇的に向上し、古い結果の自動無効化やコストの高いデータリークの防止も可能です。もう計算待ちに時間を費やす必要はありません。市場が要求するペースで、迅速に反復作業をおこなえます。
MQL5での取引戦略の自動化（第41回）：ローソク足レンジ理論(CRT)-蓄積・操作・分配(AMD)
MQL5での取引戦略の自動化（第41回）：ローソク足レンジ理論(CRT)-蓄積・操作・分配(AMD)
MQL5で動作するローソク足レンジ理論(CRT)取引システムを開発します。このシステムは、指定した時間足での蓄積のレンジを特定し、操作の深さフィルタリングを用いてブレイクを検知し、分配フェーズにおける反転確認を経てエントリーをおこないます。また、リスクリワード比に基づく動的または静的なストップロスとテイクプロフィット設定、任意のトレーリングストップ、方向ごとのポジション上限設定などによるリスク管理にも対応しています。
機械学習の限界を克服する（第8回）：ノンパラメトリックな戦略選択
機械学習の限界を克服する（第8回）：ノンパラメトリックな戦略選択
データ駆動型アプローチを用いて強力な取引戦略を自動的に発見するために、ブラックボックスモデルをどのように設定するかを解説します。相互情報量を利用して学習しやすいシグナルを優先的に選択することで、従来の手法よりも優れた、よりスマートで適応的なモデルを構築することができます。また読者は、表面的な指標に過度に依存するという一般的な落とし穴を避け、意味のある統計的洞察に基づいた戦略を開発する方法についても学ぶことができます。
取引戦略の開発：Flower Volatility Indexのトレンドフォローアプローチ
取引戦略の開発：Flower Volatility Indexのトレンドフォローアプローチ
市場のリズムを解読する絶え間ない探求により、トレーダーやクオンツアナリストは数多くの数学モデルを生み出してきました。本記事では、Flower Volatility Index (FVI)を紹介します。これは、バラ曲線の数学的優雅さを実用的な取引ツールに変換した新しいアプローチです。この研究を通じて、数学モデルを実際の市場環境で分析や意思決定を支援できる実用的な取引メカニズムに適応できることを示しました。
機械学習の限界を克服する（第7回）：自動戦略選択
機械学習の限界を克服する（第7回）：自動戦略選択
本記事では、MetaTrader 5を用いて潜在的に収益性の高い取引戦略を自動的に特定する方法を紹介します。ホワイトボックスソリューションは、教師なし学習による行列分解によって動作し、設定が容易で解釈もしやすく、どの戦略を保持すべきか明確な指針を提供します。一方、ブラックボックスソリューションはより時間がかかりますが、ホワイトボックスアプローチでは捉えきれない複雑な市場環境に適しています。本記事では、あらゆる状況下で収益性の高い戦略を慎重に見極めるために、どのように取引戦略を活用できるかを解説します。
MQL5でのAI搭載取引システムの構築（第6回）：チャットの削除と検索機能の導入
MQL5でのAI搭載取引システムの構築（第6回）：チャットの削除と検索機能の導入
連載第6回では、ChatGPT統合型エキスパートアドバイザー(EA)をさらに進化させ、サイドバーのインタラクティブな削除ボタン、大・小の履歴ポップアップ、新しい検索ポップアップを導入することで、トレーダーが永続的な会話履歴を効率的に管理および整理できるようにしました。これにより、チャートデータからのAI駆動のシグナルを維持しつつ、暗号化されたストレージに会話を安全に保存できます。
取引戦略の開発：擬似ピアソン相関アプローチ
取引戦略の開発：擬似ピアソン相関アプローチ
既存のインジケーターから新しいインジケーターを生成することは、取引分析を強化するための非常に強力な方法です。既存のインジケーターの出力を統合する数学的関数を定義することで、トレーダーは複数のシグナルを1つの効率的なツールにまとめたハイブリッドインジケーターを作成できます。本記事では、ピアソン相関関数を改良した「擬似ピアソン相関(PPC, Pseudo Pearson Correlation)」を用いて、3つのオシレーターから構築された新しいインジケーターを紹介します。PPCインジケーターは、オシレーター同士の動的な関係を数値化し、それを実践的な取引戦略に応用することを目的としています。
プライスアクション分析ツールキットの開発（第50回）：MQL5でのRVGI、CCI、SMA Confluenceエンジンの開発
プライスアクション分析ツールキットの開発（第50回）：MQL5でのRVGI、CCI、SMA Confluenceエンジンの開発
多くのトレーダーにとって、真の反転を見極めるのは簡単ではありません。本記事では、RVGI、CCI (±100)、およびSMAトレンドフィルタを組み合わせ、単一の明確な反転シグナルを生成するEAを紹介します。EAには、チャート上のパネル、設定可能なアラート、およびすぐにダウンロードしてテスト可能な完全なソースファイルが含まれています。