はてなブックマークアプリ

サクサク読めて、
アプリ限定の機能も多数!

アプリで開く

はてなブックマーク

  • はてなブックマークって?
  • アプリ・拡張の紹介
  • ユーザー登録
  • ログイン
  • Hatena

はてなブックマーク

トップへ戻る

  • 総合
    • 人気
    • 新着
    • IT
    • 最新ガジェット
    • 自然科学
    • 経済・金融
    • おもしろ
    • マンガ
    • ゲーム
    • はてなブログ(総合)
  • 一般
    • 人気
    • 新着
    • 社会ニュース
    • 地域
    • 国際
    • 天気
    • グルメ
    • 映画・音楽
    • スポーツ
    • はてな匿名ダイアリー
    • はてなブログ(一般)
  • 世の中
    • 人気
    • 新着
    • 新型コロナウイルス
    • 働き方
    • 生き方
    • 地域
    • 医療・ヘルス
    • 教育
    • はてな匿名ダイアリー
    • はてなブログ(世の中)
  • 政治と経済
    • 人気
    • 新着
    • 政治
    • 経済・金融
    • 企業
    • 仕事・就職
    • マーケット
    • 国際
    • はてなブログ(政治と経済)
  • 暮らし
    • 人気
    • 新着
    • カルチャー・ライフスタイル
    • ファッション
    • 運動・エクササイズ
    • 結婚・子育て
    • 住まい
    • グルメ
    • 相続
    • はてなブログ(暮らし)
    • 掃除・整理整頓
    • 雑貨
    • 買ってよかったもの
    • 旅行
    • アウトドア
    • 趣味
  • 学び
    • 人気
    • 新着
    • 人文科学
    • 社会科学
    • 自然科学
    • 語学
    • ビジネス・経営学
    • デザイン
    • 法律
    • 本・書評
    • 将棋・囲碁
    • はてなブログ(学び)
  • テクノロジー
    • 人気
    • 新着
    • IT
    • セキュリティ技術
    • はてなブログ(テクノロジー)
    • AI・機械学習
    • プログラミング
    • エンジニア
  • おもしろ
    • 人気
    • 新着
    • まとめ
    • ネタ
    • おもしろ
    • これはすごい
    • かわいい
    • 雑学
    • 癒やし
    • はてなブログ(おもしろ)
  • エンタメ
    • 人気
    • 新着
    • スポーツ
    • 映画
    • 音楽
    • アイドル
    • 芸能
    • お笑い
    • サッカー
    • 話題の動画
    • はてなブログ(エンタメ)
  • アニメとゲーム
    • 人気
    • 新着
    • マンガ
    • Webマンガ
    • ゲーム
    • 任天堂
    • PlayStation
    • アニメ
    • バーチャルYouTuber
    • オタクカルチャー
    • はてなブログ(アニメとゲーム)
    • はてなブログ(ゲーム)
  • おすすめ

    新内閣発足

『@toyolabのマイページ - Qiita』

  • 人気
  • 新着
  • すべて
  • 指数移動平均(EMA)、2重指数移動平均(DEMA)、3重指数移動平均(TEMA)の違い - Qiita

    4 users

    qiita.com/toyolab

    MetaTrader5(MT5)に組み込まれているテクニカル指標にDEMA, TEMAというのがあります。それぞれ Double Exponential Moving Average、Triple Exponential Moving Average の略で、2重指数移動平均、3重指数移動平均と訳されます。 この記事では、EMA、DEMA、TEMAの違いを調べてみます。 EMA EMAの基本的な説明は以下にあります。 IIRフィルタ型の移動平均をpandasとscipyで比較してみた 計算式は $$y(n)=\alpha x(n)+(1-\alpha)y(n-1)$$ と表され、他の移動平均と同じように期間$period$をパラメータとすると、$\alpha=2/(period+1)$となります。 DEMA DEMAはDouble EMAの略ですが、単にEMAを2回かけることではありません

    • テクノロジー
    • 2017/11/23 11:25
    • 移動平均
    • Pythonを実行しているOSの判別 - Qiita

      4 users

      qiita.com/toyolab

      Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

      • テクノロジー
      • 2017/01/15 17:16
      • python
      • linux
      • windows
      • osx
      • Qiita
      • TFLearnで論理演算を学習させてみた - Qiita

        3 users

        qiita.com/toyolab

        import tensorflow as tf import tflearn # Logical OR operator X = [[0., 0.], [0., 1.], [1., 0.], [1., 1.]] Y = [[0.], [1.], [1.], [1.]] # Graph definition with tf.Graph().as_default(): g = tflearn.input_data(shape=[None, 2]) g = tflearn.fully_connected(g, 128, activation='linear') g = tflearn.fully_connected(g, 128, activation='linear') g = tflearn.fully_connected(g, 1, activation='sigmoid') g = tf

        • テクノロジー
        • 2016/09/05 02:29
        • Pythonでローソク足チャートの表示(matplotlib編) - Qiita

          6 users

          qiita.com/toyolab

          Pythonでグラフを描画するパッケージはたくさんあるのですが、なかなかローソク足チャートに特化したものはありません。 今回、4本値データから比較的簡単にローソク足チャートが作成できるパッケージとして、matplotlibとPlotlyを試してみました。 準備 本記事のPythonコードは、Jupyter notebookで実行することを前提としています。チャートもJupyter notebookにインライン表示させます。 まずは、2016年6月から2か月分の架空の相場データを作成します。 Pythonでランダムウォーク を参考に、 %matplotlib inline import numpy as np import pandas as pd idx = pd.date_range('2016/06/01', '2016/07/31 23:59', freq='T') dn = np.

          • テクノロジー
          • 2016/08/11 00:48
          • python
          • Bash on Ubuntu on WindowsでTensorFlowを使うためのメモ - Qiita

            10 users

            qiita.com/toyolab

            Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

            • テクノロジー
            • 2016/08/08 09:34
            • Windows
            • PythonコードをNumbaで高速化したときのメモ - Qiita

              3 users

              qiita.com/toyolab

              はじめに Pythonで書いた移動平均の計算時間を比較してみた で、for文を使った移動平均(LWMA)が遅くて使い物にならないことがわかったのですが、MetaTraderのテクニカル指標のなかにはfor文使わないと書けないものもあって、それであきらめるわけにはいかないので、高速化に挑戦してみました。 とりあえず高速化にはCythonがあることは知っていたのですが、コードを書き換えなくてはいけないということだったので、ほかを調べてみたところ、Numbaというのがありました。今回はNumbaを試したときのメモです。 for文を使ったとても遅いコード import numpy as np import pandas as pd dataM1 = pd.read_csv('DAT_ASCII_EURUSD_M1_2015.csv', sep=';', names=('Time','Open','

              • テクノロジー
              • 2016/07/30 00:12
              • python
              • [Python] 要素数の少ないnumpy arrayで最大値・最小値を求める際の注意点 - Qiita

                4 users

                qiita.com/toyolab

                Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

                • テクノロジー
                • 2016/07/24 21:36
                • python
                • [Python]FXシストレパラメータの最適化を遺伝的アルゴリズムでやってみる - Qiita

                  4 users

                  qiita.com/toyolab

                  import numpy as np import pandas as pd import indicators as ind #indicators.pyのインポート from backtest import Backtest,BacktestReport dataM1 = pd.read_csv('DAT_ASCII_EURUSD_M1_2015.csv', sep=';', names=('Time','Open','High','Low','Close', ''), index_col='Time', parse_dates=True) dataM1.index += pd.offsets.Hour(7) #7時間のオフセット ohlc = ind.TF_ohlc(dataM1, 'H') #1時間足データの作成 GitHubにアップしてあるindicators.pyとbackte

                  • テクノロジー
                  • 2016/07/13 23:56
                  • GA
                  • python
                  • programming
                  • PythonでFXシストレパラメータの最適化 - Qiita

                    3 users

                    qiita.com/toyolab

                    PythonでFXシストレのバックテスト で、バックテストのコードを書いたので、こんどはシストレのパラメータの最適化をやってみます。トレードシステムの最適化といっても、今流行りのディープラーニングをやるわけではなく、単にテクニカル指標のパラメータの値を色々と変えて、最も評価値の高くなるものを見つけるだけです。Pythonのプログラミングの練習のためです。 準備 PythonでFXシストレのバックテスト と同じく、FXのヒストリカルデータを準備します。前と同じくEUR/USDの2015年の1時間足のデータを作っておきます。 import numpy as np import pandas as pd import indicators as ind #indicators.pyのインポート dataM1 = pd.read_csv('DAT_ASCII_EURUSD_M1_2015.csv'

                    • テクノロジー
                    • 2016/07/10 21:48
                    • python
                    • PythonでFXシストレのバックテスト(1) - Qiita

                      26 users

                      qiita.com/toyolab

                      はじめに Pythonでシストレのバックテストをするライブラリってたくさんあるのですが、MetaTraderから入った人にとってはわかりにくいので、Pythonの練習がてらバックテストのためのコードを書いてみました。 Pythonでシストレのバックテスト ただ、最初のバージョンは、まず動くことを第一に書いたので、結構無駄があったり、実行速度が遅かったりしたので、今回、ちょっと改良してみました。 FXヒストリカルデータの取得 株価だと、Yahoo!とかから直接ダウンロードして使えるものも多いのですが、FXだと5分足とか15分足とか複数のタイムフレームのデータを使うこともあるので、基本のデータとして1分足データが欲しいところです。 そうなると、データも大きいので、予めダウンロードしたデータを読み込む方が都合がいいかと思います。ここではサンプルデータとして以下のサイトからダウンロードしておきます

                      • テクノロジー
                      • 2016/07/09 17:20
                      • Python
                      • シストレ
                      • fx
                      • あとで読む

                      このページはまだ
                      ブックマークされていません

                      このページを最初にブックマークしてみませんか?

                      『@toyolabのマイページ - Qiita』の新着エントリーを見る

                      キーボードショートカット一覧

                      j次のブックマーク

                      k前のブックマーク

                      lあとで読む

                      eコメント一覧を開く

                      oページを開く

                      はてなブックマーク

                      • 総合
                      • 一般
                      • 世の中
                      • 政治と経済
                      • 暮らし
                      • 学び
                      • テクノロジー
                      • エンタメ
                      • アニメとゲーム
                      • おもしろ
                      • アプリ・拡張機能
                      • 開発ブログ
                      • ヘルプ
                      • お問い合わせ
                      • ガイドライン
                      • 利用規約
                      • プライバシーポリシー
                      • 利用者情報の外部送信について
                      • ガイドライン
                      • 利用規約
                      • プライバシーポリシー
                      • 利用者情報の外部送信について

                      公式Twitter

                      • 公式アカウント
                      • ホットエントリー

                      はてなのサービス

                      • はてなブログ
                      • はてなブログPro
                      • 人力検索はてな
                      • はてなブログ タグ
                      • はてなニュース
                      • ソレドコ
                      • App Storeからダウンロード
                      • Google Playで手に入れよう
                      Copyright © 2005-2025 Hatena. All Rights Reserved.
                      設定を変更しましたx