新しい記事を追加
プライスアクション分析ツールキットの開発（第49回）：トレンド系、モメンタム系、ボラティリティ系インジケーターを1つのMQL5システムに統合する

プライスアクション分析ツールキットの開発（第49回）：トレンド系、モメンタム系、ボラティリティ系インジケーターを1つのMQL5システムに統合する

Multi Indicator Handler EAでMetaTrader 5のチャートをシンプルにしましょう。このインタラクティブなダッシュボードは、トレンド系、モメンタム系、ボラティリティ系インジケーターを1つのリアルタイムパネルに統合します。用途に応じてプロファイルを瞬時に切り替え、ワンクリックで表示と非表示を切り替えてチャートを整理し、プライスアクションに集中できます。本記事では、これをMQL5で自作してカスタマイズする手順をステップバイステップで解説します。
取引戦略の開発：バタフライオシレーター法

取引戦略の開発：バタフライオシレーター法

魅力的な数学概念であるバタフライ曲線を、実践的な取引ツールへと応用する方法を紹介します。バタフライオシレーターを構築し、それを基盤とした基本的な取引戦略を開発します。この戦略は、オシレーター特有の周期的シグナルと移動平均による従来型のトレンド確認を効果的に組み合わせることで、潜在的な市場エントリーポイントを特定するための体系的なアプローチを実現します。
共和分株式による統計的裁定取引（第7回）：スコアリングシステム2

共和分株式による統計的裁定取引（第7回）：スコアリングシステム2

平均回帰戦略、特に共和分に基づく統計的裁定取引において取引対象となる株式バスケットの選定に使用する、追加の2つのスコアリング基準について解説します。前回の記事では、流動性および共和分ベクトルの強度、ならびに時間足とルックバック期間という戦略的基準を紹介しました。本記事ではそれを補完する形で、共和分ベクトルの安定性および平均回帰に要する時間、いわゆる半減期を取り上げます。また、新しいフィルタを適用したバックテスト結果の考察と、その再現に必要なファイルも提供します。
長期取引の最適化：包み足と流動性戦略

長期取引の最適化：包み足と流動性戦略

高時間足（W1、D1、MN）に基づいて長期的な分析と取引判断をおこなうEAです。このEAは、短期的な値動きに翻弄されることなく、利確目標に到達するまで自分のトレンドの方向性（バイアス）を頻繁に変えずにポジションを保持できる、忍耐強い長期トレーダー向けに設計されています。
MQL5での取引戦略の自動化（第38回）：傾斜角フィルタ付き隠れRSIダイバージェンス取引

MQL5での取引戦略の自動化（第38回）：傾斜角フィルタ付き隠れRSIダイバージェンス取引

スイングポイントを用いて隠れRSIダイバージェンスを検出するMQL5 EAを構築します。これは、価格とRSIに対して、スイング強度、バー間隔、許容誤差、傾き角度のフィルタを適用し、検証済みのシグナルで固定ロット、SL/TP（pips単位）、およびオプションのトレーリングストップを用いて売買を実行するシステムです。
MQL5における市場ポジショニング戦略の体系（第1回）：NVIDIAのビットワイズ戦略研究

MQL5における市場ポジショニング戦略の体系（第1回）：NVIDIAのビットワイズ戦略研究

これまでの「MQL5ウィザード」シリーズで積み上げてきた取り組みを基盤とし、それをさらに発展させる新連載を開始します。本連載は、システムトレードおよび戦略テストへのアプローチを一段引き上げることを目的としています。単一タイプのポジションのみを保有するように設計されたエキスパートアドバイザーに焦点を当てます。主にロングポジションのみを扱う設計です。市場トレンドを一方向に限定することで、分析が簡素化され、戦略の複雑さが軽減されます。また、特に為替以外の資産を扱う場合には、重要な洞察が得られる可能性があります。したがって本連載では、株式やその他の非為替資産において、このアプローチが有効かどうかを検証していきます。買い専用戦略は、スマートマネーや機関投資家の戦略と相関することが多いため、その実用性を体系的に探究します。
MQL5標準ライブラリエクスプローラー（第3回）：エキスパート標準偏差チャネル

MQL5標準ライブラリエクスプローラー（第3回）：エキスパート標準偏差チャネル

CTradeクラスとCChartObjectStdDevChannelクラスを用いたエキスパートアドバイザー(EA)を開発し、さらに収益性を高めるためのいくつかのフィルタを適用します。前回の議論で扱った理論を実装へ落とし込むことが目的です。また、MQL5標準ライブラリとその内部コードベースを理解するのに役立つ、もう一つの簡単なアプローチも紹介します。本記事では、これらの概念を実践的に学ぶことができます。
古典的な戦略を再構築する（第17回）：テクニカル指標のモデリング

古典的な戦略を再構築する（第17回）：テクニカル指標のモデリング

金融における古典的機械学習手法によって課されている「ガラスの天井」をいかに打ち破るかに焦点を当てます。統計モデルから引き出せる価値に対する最大の制約は、モデルそのもの、すなわちデータやアルゴリズムの複雑さではなく、それらを適用する方法論にあるようです。言い換えれば、真のボトルネックはモデルの内在的能力ではなく、私たちがそれをどのように運用しているかにあるのかもしれません。
プライスアクション分析ツールキットの開発（第48回）：加重バイアスダッシュボードを備えた多時間軸ハーモニー指数

プライスアクション分析ツールキットの開発（第48回）：加重バイアスダッシュボードを備えた多時間軸ハーモニー指数

本記事では、「多時間軸ハーモニー指数」を紹介します。これはMetaTrader 5向けの高度なエキスパートアドバイザー(EA)で、複数の時間軸からのトレンドの傾向を加重平均し、EMAによって平滑化したうえで、見やすいチャートパネル型ダッシュボードに表示します。さらに、カスタマイズ可能なアラート機能に加え、強いバイアスの閾値を超えた際には自動で売買シグナルをチャート上に描画します。複数時間軸分析を活用し、市場構造に沿ったエントリーを目指すトレーダーに最適なEAです。
MetaTrader 5機械学習の設計図（第4回）：金融機械学習パイプラインの隠れた欠陥 - ラベルの同時発生

MetaTrader 5機械学習の設計図（第4回）：金融機械学習パイプラインの隠れた欠陥 - ラベルの同時発生

金融機械学習における重大な欠陥であるラベルの同時発生が、過学習や実運用でのパフォーマンス低下を引き起こす問題をどのように修正するかを解説します。トリプルバリア法を使用すると、学習用ラベルが時間的に重複し、ほとんどの機械学習アルゴリズムにおける核心的な独立同分布(IID)の仮定に違反します。本記事では、サンプル重み付けを用いた実践的な解決策を提示します。具体的には、売買シグナル間の時間的重複を定量化し、各観測値が持つ固有情報を反映したサンプル重みを計算し、scikit-learnでこれらの重みを実装することで、より堅牢な分類器を構築する方法を学びます。これらの手法を習得することで、取引モデルの堅牢性、信頼性、収益性を向上させることができます。
MQL5での取引戦略の自動化（第37回）：ビジュアル指標付きレギュラーRSIダイバージェンス・コンバージェンス検出

MQL5での取引戦略の自動化（第37回）：ビジュアル指標付きレギュラーRSIダイバージェンス・コンバージェンス検出

本記事では、スイングポイントの強さを考慮し、バー制限や許容幅のチェックを組み合わせて、レギュラーRSIダイバージェンスを検出するMQL5エキスパートアドバイザー(EA)を作成します。このEAは、強気または弱気シグナルに基づいて固定ロットでエントリーし、SL/TPをpips単位で設定でき、任意でトレーリングストップも適用可能です。視覚要素として、チャート上に色分けされたラインおよびラベル付きスイングポイントを表示し、戦略分析を強化します。
定量的トレンド分析：Pythonで統計情報を収集する

定量的トレンド分析：Pythonで統計情報を収集する

外国為替市場における定量的トレンド分析とは何でしょうか。本記事では、EURUSD通貨ペアにおけるトレンド、その大きさ、分布に関する統計を収集します。利益を生む取引用エキスパートアドバイザー(EA)の開発に、定量的トレンド分析がどのように役立つかも示します。
アルゴリズム取引戦略：AIで金市場の頂点を目指す

アルゴリズム取引戦略：AIで金市場の頂点を目指す

本記事では、機械学習を用いた金（ゴールド）の取引戦略作成手法を紹介します。提案された手法は、時系列データをさまざまな角度から分析して予測するアプローチに基づいており、従来の金融時系列の分析と予測のみを用いた取引システム作成手法と比較して、その利点や欠点を明らかにすることができます。
深層強化学習を用いたIlanエキスパートアドバイザーの強化

深層強化学習を用いたIlanエキスパートアドバイザーの強化

本記事では、Ilanグリッド型エキスパートアドバイザー(EA)を再考し、MQL5でQ学習を組み込んだMetaTrader 5用適応型バージョンを構築する方法を解説します。状態特徴量の定義、Qテーブル用の離散化、ε-greedyによる行動選択、平均化やポジション決済に対する報酬設計の手法を示します。さらに、Qテーブルの保存や読み込み、学習パラメータのチューニング、EURUSDやAUDUSDに対するストラテジーテスターでの安定性およびドローダウンリスクの評価についても解説します。
カオス理論アプローチによる買われ過ぎと売られ過ぎのトレンド分析

カオス理論アプローチによる買われ過ぎと売られ過ぎのトレンド分析

市場の買われすぎや売られすぎの状態を、カオス理論に基づいて評価します。この手法では、カオス理論、フラクタル幾何学、ニューラルネットワークの原理を統合し、金融市場の予測をおこないます。この研究では、市場のランダム性の尺度として、また売買シグナルの動的適応として、リアプノフ指数を使用する方法を実証しています。市場のランダム性の評価にはリアプノフ指数を用い、売買シグナルの動的適応を実現しています。具体的には、フラクタルノイズ生成アルゴリズム、双曲線正接関数による活性化、モーメント最適化を組み合わせた手法を採用しています。
市場シミュレーション（第14回）：ソケット(VIII)

市場シミュレーション（第14回）：ソケット(VIII)

多くのプログラマは、Excelの使用をやめて、Pythonに直接移行し、PythonでExcelファイルを生成して後から結果を分析できるパッケージを使うべきだと考えるかもしれません。しかし、前回の記事で述べたように、この方法は多くのプログラマにとって最も簡単な解決策ではありますが、すべてのユーザーに受け入れられるわけではありません。そして、このような場合、常に正しいのはユーザーです。私たちプログラマは、すべてをうまく機能させる方法を見つけなければなりません。
MQL5における取引へのコンピュータビジョンの統合（第1回）：基本関数の作成

MQL5における取引へのコンピュータビジョンの統合（第1回）：基本関数の作成

コンピュータビジョンおよびディープラーニングを活用したEURUSD予測システムです。本記事では、畳み込みニューラルネットワークが外国為替市場における複雑な価格パターンをどのように認識し、最大54%の精度で為替レートの変動を予測できるかを解説します。また、従来のテクニカル指標の代わりに、チャートの視覚的分析に人工知能技術を活用するアルゴリズムの構築手法を共有します。著者は、価格データを「画像」へと変換するプロセス、それらをニューラルネットワークで処理する方法、さらに活性化マップやアテンションヒートマップを通じてAIの「意識」を可視化する独自のアプローチを解説します。MetaTrader 5ライブラリを用いた実践的なPythonコードにより、読者は本システムを再現し、自身の取引へ応用することができます。
機械学習に基づく平均回帰戦略の作成

機械学習に基づく平均回帰戦略の作成

本記事では、機械学習を使った取引システムを構築するための、もう1つの独自のアプローチを提案します。クラスタ分析（クラスタリング）と取引のラベル付けを用いた平均回帰戦略のための手法です。
リスク管理（第3回）：リスク管理のメインクラスの構築

リスク管理（第3回）：リスク管理のメインクラスの構築

本記事では、システム内のリスクを管理するための重要な基盤となるコアのリスク管理クラスを作成し始めます。今回は、基礎の構築に焦点を当て、基本的な構造、変数、関数を定義します。加えて、最大損益値を設定するために必要なメソッドを実装し、リスク管理の土台を築きます。
初心者からエキスパートへ：時間フィルタ付き取引

初心者からエキスパートへ：時間フィルタ付き取引

ティックが常に流入しているからといって、すべての瞬間が取引チャンスであるわけではありません。本記事では「タイミングの技術」に焦点を当て、トレーダーが最も有利な市場時間帯を特定し、その中で取引をおこなうための時間分離アルゴリズムの構築について詳しく検討します。この規律を身につけることで、個人トレーダーは機関投資家のタイミングとより密接に同期できるようになり、成功を左右することの多い正確さと忍耐力を発揮できるようになります。MQL5の分析機能を通じて、タイミングと選択的取引の科学を探求しましょう。
MQL5入門（第26回）：サポートおよびレジスタンスゾーンを使ったEAの構築

MQL5入門（第26回）：サポートおよびレジスタンスゾーンを使ったEAの構築

本記事では、サポートおよびレジスタンスゾーンを自動的に検出し、それに基づいて取引を実行するMQL5エキスパートアドバイザー(EA)の作成方法を学びます。EAにこれらの重要な価格レベルを認識させ、価格の反応を監視し、手動操作なしで取引判断をおこなう方法を理解することができます。
初心者からエキスパートへ：予測価格経路

初心者からエキスパートへ：予測価格経路

フィボナッチレベルは、市場がしばしば尊重する実践的な枠組みを提供し、価格が反応しやすいゾーンを明確に示します。本記事では、フィボナッチリトレースメントのロジックを用いて将来の値動きを予測し、指値注文で押し目を狙うエキスパートアドバイザー(EA)を構築します。スイング検出からレベル描画、リスク管理、注文執行まで、一連のワークフロー全体を解説します。
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。
初心者からエキスパートへ：FX市場の取引期間

初心者からエキスパートへ：FX市場の取引期間

すべての市場の取引期間には始まりと終わりがあり、それぞれは終値によって完結します。この終値がその期間のセンチメントを定義します。各ローソク足のセッションも同様に、終値によってその性質が示されます。これらの基準点を理解することで、市場における現在のムードを測定でき、強気勢力と弱気勢力のどちらが支配しているのかを明らかにすることが可能になります。本記事では、Market Periods Synchronizerに新しい機能を開発するという重要な段階に進みます。この機能は、FX市場のセッションを可視化するものであり、より情報に基づいた取引判断を支援します。このツールは、強気派と弱気派のどちらがセッションを支配しているのかをリアルタイムで識別するうえで特に有効です。それでは、この概念について検討し、それが提供する洞察を明らかにしていきます。
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。
ビリヤード最適化アルゴリズム(BOA)

ビリヤード最適化アルゴリズム(BOA)

BOA法は、古典的なビリヤードに着想を得ており、最適解を探すプロセスを、玉が穴に落ちることで最良の結果を表すゲームとしてシミュレーションします。本記事では、BOAの基本、数学モデル、およびさまざまな最適化問題を解く際の効率について考察します。
純粋なMQL5で実装した通貨ペア強度インジケーター

純粋なMQL5で実装した通貨ペア強度インジケーター

MetaTrader 5向けの通貨強度分析用のプロフェッショナルなインジケーターを開発します。このステップバイステップガイドでは、強力な取引ツールを作成する方法を解説します。視覚的なダッシュボードを搭載し、複数の時間足（H1、H4、D1）で通貨ペアの強さを計算し、動的なデータ更新を実装し、ユーザーフレンドリーなインターフェースを作成することができます。
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。
多通貨エキスパートアドバイザーの開発（第22回）：設定のホットスワップへの移行を開始する

多通貨エキスパートアドバイザーの開発（第22回）：設定のホットスワップへの移行を開始する

定期的な最適化を自動化するのであれば、取引口座上ですでに稼働しているEAの設定を自動更新することについても検討する必要があります。これにより、ストラテジーテスター内でエキスパートアドバイザー(EA)を実行しながら、単一の実行の中でその設定を変更できるようにする必要があります。
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。
ロイヤルフラッシュ最適化(RFO)

ロイヤルフラッシュ最適化(RFO)

オリジナルの「ロイヤルフラッシュ最適化」アルゴリズムは、最適化問題を解決するための新しいアプローチを提示しています。この手法では、遺伝的アルゴリズムで一般的に用いられる古典的な二進符号化を、ポーカーの原理に着想を得たセクターベースのアプローチに置き換えています。RFOは、基本原理を単純化することで、効率的かつ実用的な最適化手法が実現できることを示しています。本記事では、アルゴリズムの詳細な解析とテスト結果を紹介します。