FX 記事一覧

バックテストで安定した成績を残したEAが、実運用で突然大きな損失を出す。この現象に心当たりがあるEA開発者は多いはずだ。原因として真っ先に疑うべきは、経済指標発表時の挙動だ。

テクニカル分析だけでトレードしていた頃、私はよく「なぜここで逆行したのか」と首をひねっていた。チャートのシグナルは完璧に見えた。RSIはダイバージェンス、MACDはゴールデンクロス、サポートラインもきれいに機能している——それでもポジションは見事に飛んだ。

米雇用統計（NFP）は月1回、FX相場が最も激しく動く瞬間だ。予想との乖離がドル円を1円以上動かすこともあり、経験上この指標だけで月間の損益が決まることも珍しくない。正しく読んで、正しく動けば大きなチャンスになる。しかし準備なしで飛び込めば、あっという間に証拠金を溶かしかねない両刃の剣でもある。

moomoo証券のOpenD APIにLLMを接続し、「ドル円が節目を超えたらロング」という自然言語の指示をそのまま自動売買ロジックへ変換する——このアイデアを技術的に実現する方法を体系的に整理した。ただし、moomooが直接FX取引に対応しているかどうかは執筆時点で不確定情報が多い。本記事では「自然言語×API」というアーキテクチャコンセプトを中心に据え、確認できた範囲での実装手法と、CFD・E

Anthropicが2026年5月に公開した金融AIエージェントは、FX取引の分析・管理にも応用できる。Constitutional AIによる安全設計、MCP連携、Python実装例を交えて解説する。

Claude Codeを使えば、MQL4/MQL5の文法を完全に習得していないトレーダーでも、自分のトレードロジックをEA（Expert Advisor）として実装できる時代になった。筆者が実際に試してみて感じたのは、「AIがコードを書く」というよりも「AIとペアプログラミングをしている感覚」に近いという点だ。詰まった箇所をそのまま自然言語で伝えると、文脈を踏まえた修正案が返ってくる。

FXトレードにニュースセンチメント分析を取り入れるために、私はPythonでゼロから自作ツールを構築した。最初は「機械学習は難しい」と思っていたが、HuggingFaceのFinBERTモデルとNewsAPIを組み合わせると、意外にシンプルな実装で動くものができた。この記事では、その手順を再現可能な形でまとめる。

市場参加者の「感情」を定量化してトレードシグナルにするセンチメント分析は、機械学習の発展とともに個人トレーダーにも手の届く技術になった。一方で、「センチメントが強気だから買い」という単純な適用では実運用で期待外れになることも多い。本稿では、FXセンチメント分析の技術的な仕組みから主要ツールの比較・PythonによるVADER/transformers実装の基礎・そしてシグナルとして使う際の限界まで

FXのアルゴリズム取引において、バックテストの精度とスピードは戦略の信頼性を左右する最重要要素の一つだ。Pythonエコシステムには多数のバックテストライブラリが存在するが、FX特有の要件（24時間連続データ・pip単位の精度・スワップ計算など）に対応できるものは限られる。本記事では代表的な5ライブラリを速度・学習コスト・FX対応・ドキュメント品質・コミュニティ・最終更新状況の6軸で定量的に比較し

FXの戦略開発においてバックテストは欠かせない工程だが、backtraderなどの逐次処理ライブラリでは、パラメータ最適化時に数時間かかるケースがある。vectorbtはNumPyのベクトル演算とNumbaのJITコンパイルを活用することで、同等の処理を数分〜数十秒で完了できる。本稿では、vectorbtの基本的な使い方からFXデータへの適用例まで、実装コードを交えて解説する。

Pythonでバックテストを実装する手段はいくつかあるが、`backtesting.py`はそのなかで最もシンプルな構造を持ちながら、本番運用を意識した指標計算・最適化機能を備えるライブラリである。インストールは1行、Strategyクラスを継承するだけでバックテストが動く手軽さが特徴だ。本稿では、FXへの適用を前提に、環境構築からRSIを使った売買戦略の実装、`bt.run()`・`bt.plo

FX取引においてバックテストは戦略の有効性を定量的に検証する唯一の手段だ。感覚や経験則に頼るのではなく、過去の価格データに対して戦略を適用し、シャープレシオ・最大ドローダウン・勝率といった統計指標で評価する。本稿ではPythonのバックテストフレームワーク backtrader を使い、FX通貨ペアへの移動平均クロス戦略を一から実装する手順を解説する。バックテストはあくまで過去データへの検証であり

エントリーして数pipsで逆行されたあの感覚、誰もが一度は経験するはずだ。私が専業トレーダーになりたての頃、何度もこれを繰り返した。原因を突き詰めると、ほぼ毎回同じ答えに行き着いた。「下位足しか見ていなかった」という問題だ。

FXを始めた頃、私は1時間足だけを見てエントリーしていた。ローソク足のパターンや移動平均線のクロスだけを根拠に取引していたが、勝率は安定せず、どうしても「逆張りエントリー」に引っかかるケースが続いた。転換点になったのは、マルチタイムフレーム（MTF）分析を本格的に取り入れてからだ。上位足で相場の大局観を把握し、下位足でエントリーを絞り込むことで、エントリーの精度が明確に上がった。本記事では、私が実

グリッドトレードEAは、一定の価格帯を格子（グリッド）状に分割し、各ラインに自動で指値注文を配置し続ける自動売買手法だ。人間の裁量判断を排除し、相場の上下動から機械的に利確を積み重ねる設計が特徴である。ただし、その構造上、トレンド相場では含み損が雪だるま式に拡大する固有リスクを抱える。本記事ではグリッドトレードの数理的な仕組みを計算式レベルで解説し、リスクの定量化手法とバックテスト評価の視点を提供

FXナンピン計算とは、証拠金・ロットサイズ・許容ドローダウン率からナンピンの安全な最大回数を算出することだ。感覚的な回数設定は口座破綻リスクを招く。本記事では口座残高別の推奨値とMQL5実装例を計算式付きで解説する。

ナンピンマーチン戦略はFX自動売買（EA）で人気の高い戦略の一つだ。通常時のパフォーマンスは安定して見えるため、バックテストの勝率・損益比が優秀な数値を示すことが多い。しかし「破産確率をどう計算し、どのくらいの確率で、どのような相場で破産が起きるのか」を定量的に理解している利用者は少ない。