この記事はML-EAのベースモデルに各種改善を加えていく過程をまとめたものです。状況に応じて随時更新していく予定です。 ML-EA（最新モデル）これまでの記事で、MQLとPythonを連携させてML-EA（機械学習を取り入れたFX自動売買ツール）のベースモデルを作成し、様々な観点から改良を重ねてきました。 Step1~4までを反映したものがLightGBMモデルの最新バージョンです。 基本的な構造は変えずに、機械学習モデルをDQNモデルに変更して発展させたバージョンがSte
以前の記事では、プロ野球の配球（投球戦略）におけるベイズ統計の活用例をご紹介した上で、似たような仕組みをFX自動売買に取り入れるための方法をご紹介しました。 今回は、別のパターンである医療現場でのベイズ統計の活用例についてもう少し具体的に考えてみます。その上で、FX取引における売買戦略の話に応用し、実際に取引シミュレーションを行なってベイズ推定の効果を検証するところまで話を進めてみることにします。 なお、この記事における最終結果は、以下の損益グラフです。 また、このシミ
この記事では、MT4用のハイブリッド・モンテカルロEA（HMC-EA）のソースコードを全文掲載しています。 内容をコピペするだけで、MT4用のHMC-EAをMQL4で作成することが可能です。なお、それぞれのコードの説明も可能な限り細かく記載していますで、これをベースにご自身でロジックをお好きなようにカスタマイズしていただくこともできます。 また、最後にこの記事で紹介したコードをまとめたmq4ファイルをダウンロード可能にしております。このファイルをただコンパイルするだけでも、e
この記事では、MT5用のハイブリッド・モンテカルロEA（HMC-EA）のソースコードを全文掲載しています。 内容をコピペするだけで、MT5用のHMC-EAをMQL5で作成することが可能です。なお、それぞれのコードの説明も可能な限り細かく記載していますで、これをベースにご自身でロジックをお好きなようにカスタマイズしていただくこともできます。 また、最後にこの記事で紹介したコードをまとめたmq5ファイルをダウンロード可能にしております。このファイルをただコンパイルするだけでも、e
この記事の最後では、MCMC（マルコフ連鎖モンテカルロ法）とベイズ推定を用いて、確率的に有利なエントリーポイントを見つけ、テクニカル指標（RSIとボリンジャーバンド）を基に短期取引を行うFX自動売買戦略のサンプルコードを掲載しています。 そのため、まずは「ベイズ統計とは何か」「どのように活用されているか」といった一般的な内容から始め、FX取引に応用するための考え方を順を追って解説します。 例えば、野球の投球戦略決定（特定の状況で、ストレートを投げるべきかスライダーを投げる
さて、FX自動売買に関連する他の記事では、機械学習モデルを使用して売買判定フラグを作成し、そのフラグに基づく売買注文の一連の処理について説明してきました。これまでのアプローチでは、自身で機械学習モデルで売買判定フラグを予測し、自動的に売買を繰り返すEA（エキスパートアドバイザー）を作成してきました。 今回の試みでは、この機械学習モデルによる予測の部分を、ChatGPTによる予測に置き換えることを目指します。自身でモデルを訓練したりせずに、経験豊富なChatGPT（生成AI）
この記事では、ナンピン・モンテカルロ戦略とアンチ・モンテカルロ戦略を組み合わせて開発したハイブリッド・モンテカルロEAについて、ヒストリカル・ボラティリティを利用してよりパフォーマンスを向上させる方法についてご紹介します。 このDynamicモードを搭載したHMC-EAも、現在は無料でダウンロード可能にしていますので、是非ご自身でもバックテスト等を試してみてください。 ハイブリッド・モンテカルロEA以下の記事で紹介しているのが「Hybrid Monte Carlo EA（H
この記事では、 まず、ナンピン・マーチンEAのリスクとリターンの特徴を解説します。 その後、ナンピン・モンテカルロEA、アンチ・マーチンEA、アンチ・モンテカルロEAへとEAの進化の過程を説明します。 そして、これらの戦略を組み合わせたハイブリッド・モンテカルロEAのバックテスト結果を共有し、その効果を実証します。 このEAは無料でダウンロード可能で、読者の皆様もご自身でバックテストや実際の運用を試すことができます。 ぜひこの機会に、ご自身でその効果をお試しください
FX取引における新たなアプローチとして、以前の記事ではディープラーニングを取り入れたDQN-EA（Deep Q Network Expert Advisor）を開発しました。これは、高度な機械学習モデル（深層強化学習モデル）を用いて予測を行い、利益を最大化する戦略を考慮する仕組みですが、特に報酬関数の設定と行動パターンの定義が重要になります。今回は、このDQN-EAの応用範囲を広げ、実際の取引での適用方法を具体的に掘り下げていきます。 DQN-EAとは以下の記事でご紹介して
この記事では、FX自動売買においてディープラーニング（深層学習）と強化学習を取り入れたEAを作成するためのサンプルコードを掲載しています。 ML-EA（ベースモデル）以前の記事では、ML-EAという機械学習を取り入れたFX自動売買のベースモデルを作成し解説しました。 このML-EAでは、機械学習モデルとしてLightGBMを採用していました。 LightGBMは、勾配ブースティング決定木 (Gradient Boosting Decision Tree, GBDT) を実
以前の記事では、ML-EAという機械学習を取り入れたFX自動売買のベースモデルを作成し解説しています。 このベースモデルにおいては、 目的変数(y)は、4時間後の価格が0.1%以上上昇していればy=1、4時間後の価格が0.1%以上下落していればy=2、それ以外の場合はy=0とする。つまり、y=0,1,2とする三値分類モデル という前提を置いているのですが、この「価格が0.1%以上/以下」について少し考察した上で、パーセンタイル法で動的に設定してみるというのが今回の記事の内容
この記事では、ADM-EA（分解モンテカルロ法）のロジックに機械学習モデルによる予測を追加して、ML-ADM-EA（Machine Learning - Atr - Decomposition - Montecarlo：機械学習 - ATR - 分解モンテカルロ - EA）に進化させる方法をご紹介します。 ADM-EA（分解モンテカルロ法）とは以下のページでロジックを詳細解説しているEAです。 特徴 テクニカル指標を用いて、勝率50%程度を目指すタイプのEAです。
以前の記事では、ML-EAという機械学習を取り入れたFX自動売買のベースモデルを作成し解説しました。 このEAは、機械学習（Machine Learning）を備えたEAということで以下の通りMT5（MQL5）内では完結せず、外部のPythonスクリプトを使用しています。 従って、MT5の通常のバックテスト機能では上手くバックテストができません。そこで今回の記事では、ML-EA専用のバックテストツールを開発する方法をご紹介します。 FX自動売買ロジックの概要 改めて、
機械学習、特にLightGBM（Light Gradient Boosting Machine）モデルにおいて予測精度を高めるための工夫は多岐にわたります。まず、LightGBMは勾配ブースティングアルゴリズムの一種で、決定木ベースの学習アルゴリズムです。このモデルは特に大規模なデータセットや高次元のデータで優れた性能を発揮することで知られています。 予測精度を高める工夫として、一般的には以下のようなことが挙げられます。 パラメータチューニング: 学習率（Learnin
外国為替市場（FX）は、その複雑さと流動性の高さから、多くのトレーダーにとって魅力的なフィールドです。これまで、MetaTraderやPythonを用いたFX自動売買について複数の記事を掲載させていただいていますが、改めてMetaTraderやPythonについて整理します。 MetaTraderの概要MetaTraderは、世界中のFXトレーダーに広く利用されている先進的なトレーディングプラットフォームです。リアルタイム市場分析、取引実行、アルゴリズムトレーディングなどの
FX自動売買に関連する他の記事では、機械学習モデルを使用して売買判定フラグを作成し、そのフラグに基づく売買注文の一連の処理について説明してきました。これまでのアプローチでは、モデルの学習/訓練（トレーニング）工程は別のプロセスで行い、訓練済みのモデルを保存して後から呼び出す方法を採用していました。しかし、今回はMetaTrader内でモデルの訓練と予測を自動的に繰り返すEA（エキスパートアドバイザー）を作成してみました。この仕組みでは、放置しておいても定期的に最新情報を用いて
