MT4のパフォーマンスを改善するAIライブラリ

1. MovingAverage.mq4への学習処理追加

最初にEAを新規生成してください。MovingAverage.mq4を修正していきますが、オリジナルソースコードはそのままの状態で保持しておきましょう。

次のようにMovingAverageTrainingというEAを新規作成してください。

EAを作成したらMovingAverage.mq4をメティエディタで開いてソースコード全文をコピーし、同じくMovingAverageTraining.mq4をメティエディタで開き、ペーストしてください。

買いだけのトレードにし、ロット数を固定にする

元のトレードでは買いと売りの両方を行っていますが、ここでは学習を単純にするために、売りは行うわず、買いのみで学習を進めます。

次のようにCheckForOpen()に記載されている売りの部分のアルゴリズムをコメントアウトして売りは行わないようにしてください。

void CheckForOpen()
  {
   double ma;
   int    res;
//--- go trading only for first tiks of new bar
   if(Volume[0]>1) return;
//--- get Moving Average 
   ma=iMA(NULL,0,MovingPeriod,MovingShift,MODE_SMA,PRICE_CLOSE,0);
//--- sell conditions
/* 
   if(Open[1]>ma && Close[1]<ma)
     {
      res=OrderSend(Symbol(),OP_SELL,LotsOptimized(),Bid,3,0,0,"",MAGICMA,0,Red);
      return;
     }
*/
//--- buy conditions
   if(Open[1]<ma && Close[1]>ma)
     {     
      res=OrderSend(Symbol(),OP_BUY,LotsOptimized(),Ask,3,0,0,"",MAGICMA,0,Blue);
      return;
     }
//---
  }

もう一点元のソースコードを変更します。元のトレードではロット数がトレード毎に変更されます。学習結果をシンプルに評価できるようにロット数は毎回固定としましょう。

ロット数は LotOptimized() に記載されていますが常に0.1が返るように変更します。

double LotsOptimized()
  {
   return 0.1; 
   
double lot=Lots;
   int    orders=HistoryTotal();     // history orders total
   int    losses=0;                  // number of losses orders without a break
//--- select lot size
   lot=NormalizeDouble(AccountFreeMargin()*MaximumRisk/1000.0,1);
//--- calcuulate number of losses orders without a break
   if(DecreaseFactor>0)
     {
      for(int i=orders-1;i>=0;i--)
        {
         if(OrderSelect(i,SELECT_BY_POS,MODE_HISTORY)==false)
           {
            Print("Error in history!");
            break;
           }
         if(OrderSymbol()!=Symbol() || OrderType()>OP_SELL)
            continue;
         //---
         if(OrderProfit()>0) break;
         if(OrderProfit()<0) losses++;
        }
      if(losses>1)
         lot=NormalizeDouble(lot-lot*losses/DecreaseFactor,1);
     }
//--- return lot size
   if(lot<0.1) lot=0.1;
   return(lot);
  }

それではいよいよソースコードにディープラーニングの学習ステップを埋め込んでいきます。一般にディープラーニングは次の順番で学習を行います。

  1. 学習モデルのセット
  2. 入力データのセット
  3. 教師データのセット
  4. 学習の実施
  5. テストの実施

まずは、1-4の処理について以下のように関数名を定義して、各関数をソースコードに追加していきます。

学習モデルのセットmake_train_model
入力データのセットmake_input_data
教師ラベルのセットmake_label_data
学習の実施do_train

それぞれの関数の内部の処理の実装方法についてはこの後のチュートリアルで解説していきます。

学習モデルのセット(make_train_model)

学習モデルを作成します。これはOnInit()関数内で行います。

void OnInit()
  {
   make_train_model();
  }

入力データのセット(make_input_data)

学習のための入力データをセットします。これは注文を行う時に実施します。CheckForOpen()関数内にデータセットを行う関数を配置してください。

void CheckForOpen()
  {
   double ma;
   int    res;
//--- go trading only for first tiks of new bar
   if(Volume[0]>1) return;
//--- get Moving Average 
   ma=iMA(NULL,0,MovingPeriod,MovingShift,MODE_SMA,PRICE_CLOSE,0);
//--- sell conditions

/* 
   if(Open[1]>ma && Close[1]<ma)
     {
      res=OrderSend(Symbol(),OP_SELL,LotsOptimized(),Bid,3,0,0,"",MAGICMA,0,Red);
      return;
     }
*/
//--- buy conditions
   if(Open[1]<ma && Close[1]>ma)
     {      
      make_input_data();
            
      res=OrderSend(Symbol(),OP_BUY,LotsOptimized(),Ask,3,0,0,"",MAGICMA,0,Blue);
      return;
     }
//---
  }

教師データのセット(make_label_data)

教師ラベルデータをセットします。ここでは利益が出たのか、それとも損失がでたのかの2値をラベルとして生成し学習を行うモデルとします。

次のようにCheckForClose()に教師ラベルをセットする関数を配置しておいてください。引数には損益を渡すようにします。

void CheckForClose()
  {
   double ma;
//--- go trading only for first tiks of new bar
   if(Volume[0]>1) return;
//--- get Moving Average 
   ma=iMA(NULL,0,MovingPeriod,MovingShift,MODE_SMA,PRICE_CLOSE,0);
//---
   for(int i=0;i<OrdersTotal();i++)
     {
      if(OrderSelect(i,SELECT_BY_POS,MODE_TRADES)==false) break;
      if(OrderMagicNumber()!=MAGICMA || OrderSymbol()!=Symbol()) continue;
      //--- check order type 
      if(OrderType()==OP_BUY)
        {
         if(Open[1]>ma && Close[1]<ma ) 
           {       
            make_label_data(OrderProfit());  
            
            if(!OrderClose(OrderTicket(),OrderLots(),Bid,3,White))
               Print("OrderClose error ",GetLastError());   

           }
         break;
        }
      if(OrderType()==OP_SELL)
        {
         if(Open[1]<ma && Close[1]>ma)
           {
            if(!OrderClose(OrderTicket(),OrderLots(),Ask,3,White))
               Print("OrderClose error ",GetLastError());
           }
         break;
        }
     }
//---
  }

学習の実施(do_train)

ここまでセットした学習モデル、学習データ、教師ラベルに基づいて学習を実施します。学習の実施は、全てのトレードが終了した後に実施させる必要があるので、OnDeinit()関数内で行います。

void OnDeinit(const int event)
   {
   do_train();
   }

学習ステップの埋め込み箇所は以上になります。以後は各ステップに追加した関数の内部実装方法を説明します。最初は学習モデルの作成について説明します。

ライブラリファイルの配置

IzelのAPIを使った実装を行う前にライブラリファイルを配置しておきましょう。

MT4のフォルダ以下にMQL4というフォルダがあるのでそこに以下のファイルを配置してください。

MQL4¥Include

 Izel.mqh
MQL4¥Libraries
Izel.ex4　　　　　　　　　　　　　　 

MovingAverage.mq4の先頭で配置したIzelライブラリファイルをインクルードします。

//+------------------------------------------------------------------+
//|                                               Moving Average.mq4 |
//|                   Copyright 2005-2014, MetaQuotes Software Corp. |
//|                                              http://www.mql4.com |
//+------------------------------------------------------------------+
#property copyright   "2005-2014, MetaQuotes Software Corp."
#property link        "http://www.mql4.com"
#property description "Moving Average sample expert advisor"

#include <Izel.mqh>
ページの先頭へ
Copyright (C) izel.cloud-line.com All Rights Reserved.