アイシェシステム
AISHEシステムの機械学習手法の応用
自己教師あり学習 (SSL)
これは、ラベル付けされたデータセットでアルゴリズムをトレーニングする一種の機械学習です。目標は、与えられた入力から出力を正確に予測できる関数を見つけることによって、入力変数と出力変数の間のマッピングを学習することです。AISHE システムは、B. Forex、インデックス、コモディティ、株式、暗号通貨価格予測など、さまざまな財務予測タスクに SSL を使用します。
教師なし学習 (UL)
これは、アルゴリズムがラベル付けされていないデータセットでトレーニングされるタイプの機械学習です。目的は、データ構造の事前知識がなくても、データ内の状態と関係を見つけることです。AISHE システムは UL を使用して、リアルタイムの金融相場の市場動向と異常を識別します。
強化学習 (RL)
これは、アルゴリズムが環境と対話して試行錯誤を繰り返しながら学習する一種の機械学習です。目標は、報酬シグナルを最大化するために、特定の状況で可能な最善のアクションを学習することです。AISHE システムは、システムが接続された AISHE システム クライアントからのフィードバックと修正に基づいて最適な取引戦略を学習するアルゴリズム取引に RL を使用します。
転移学習 (TL)
これは、タスク用にトレーニングされたモデルを、関連する新しいタスクの開始点として再利用する手法です。AISHE システムは TL を使用して、関連タスクの取引経験の事前トレーニング済みモデルを使用することにより、財務予測の精度と速度を向上させます。
アクティブラーニング (AL)
これは、アルゴリズムがユーザーまたはその他の情報ソースに積極的にクエリを実行して、ラベル付けされたデータを取得できる機械学習の一種です。目標は、必要なレベルのパフォーマンスを達成するために必要なタグ付きデータの量を最小限に抑えることです。AISHE システムは AL を使用して、財務予測タスクにおけるラベル付きデータの必要性を最小限に抑えます。
オンライン学習(OL)
これは、新しいデータが利用可能になるとモデルを継続的に更新するタイプの機械学習です。目標は、変化するデータ分布に適応し、モデルが長期間にわたって正確であることを保証することです。AISHE システムは OL を使用して、リアルタイムの財務予測が常に市場情報で最新であることを保証します。
AISHE システムからの学習アプローチ
フェデレーテッド ラーニング (FL)
これは、データ自体を共有することなく、複数の関係者がローカル データを使用して共有モデルをトレーニングできるようにする機械学習アプローチです。各当事者は、独自のデータでモデルをトレーニングし、モデルの更新のみを中央サーバーと共有します。中央サーバーはモデルの更新を集約して新しいグローバル モデルを生成し、それを各関係者に送り返して、さらなるトレーニングに使用します。
協同学習 (CoL)
これは、複数の学習者が互いに協力して共通のタスクを学習するアプローチです。各学習者は異なるデータのサブセットにアクセスでき、互いに情報を共有して個々の学習成果を向上させます。このアプローチは、個々の学習者の強みを活用することで、機械学習システムの全体的なパフォーマンスを向上させるために使用できます。
エキスパート デモンストレーションによる強化学習 (RLfED)
このアプローチは、強化学習 (RL) と教師あり学習の長所を組み合わせたものです。RL では、エージェントはその環境との試行錯誤の相互作用を通じて学習しますが、教師あり学習では、エージェントにラベル付きデータが提供されます。RLfED では、エキスパートがエージェントにタスクの実行方法のデモンストレーションを提供し、エージェントはこれらのデモンストレーションを使用して、RL を通じて自身の学習をガイドします。このアプローチを使用して、学習に必要な試行錯誤の量を減らすことで、RL ベースのシステムの速度と効率を向上させることができます。
以下は、AISHE システムによって提供されるニューラル ネットワークの一部です。
ニューラル ネットワーク (NN)
人間の脳の動作をシミュレートするように設計された機械学習アルゴリズムの一種。NN は、脳内のニューロンの働きと同様に、情報を処理および送信する相互接続されたノードのレイヤーで構成されています。これらのノード間の接続は重み付けされており、ネットワークはこれらの重みを調整してデータから学習し、特定の入力に基づいて出力をより適切に予測できます。
ディープラーニング (DL)
人間の脳の動作をシミュレートするように設計された機械学習アルゴリズムの一種。NN は、脳内のニューロンの働きと同様に、情報を処理および送信する相互接続されたノードのレイヤーで構成されています。これらのノード間の接続は重み付けされており、ネットワークはこれらの重みを調整してデータから学習し、特定の入力に基づいて出力をより適切に予測できます。NN は、金融市場での注文の予測や時系列予測など、さまざまなタスクに使用できます。これらは、株価予測や財務データの異常検出など、パターン認識を伴うタスクに特に役立ちます。NN は、画像と音声の認識、自然言語処理、およびその他の多くのアプリケーションにも使用できます。金融市場予測のコンテキストでは、NN をトレーニングして履歴データのパターンと傾向を特定し、それを使用して将来の市場行動に関する予測を行うことができます。たとえば、過去の価格、取引量、経済指標などの要因に基づいて特定の株式の価格を予測するように NN をトレーニングすることができます。これにより、トレーダーは特定の証券をいつ売買するかについて、より多くの情報に基づいた決定を下すことができます。
畳み込みニューラル ネットワーク (CNN)
畳み込みニューラル ネットワークは、画像認識タスクに特に適したニューラル ネットワークの一種です。畳み込みと呼ばれるプロセスを使用して入力画像から特徴を抽出し、プーリング操作を適用して特徴マップの次元を削減します。金融市場のアプリケーションでは、株価が上がるか下がるかを予測するなどの状態分類タスクに CNN がよく使用されます。AISHE システムは、カルマン フィルターを AISHE システム クライアントのレベル 1 ~ 10 の入力状態の短期、中期、および長期予測に適用する CNN の修正バージョンを使用します。これにより、ネットワークはさまざまな抽象化レベルで階層的な特徴を学習できるようになり、金融データのパターンをより効果的に識別できるようになります。ネットワークの出力は、可能な結果の確率分布であり、さまざまな結果の予測された可能性に基づいて取引の決定を行うために使用できます。
リカレント ニューラル ネットワーク (RNN)
AISHE システムとクライアントのコンテキストでは、リカレント ニューラル ネットワーク (RNN) は、ユーザーが金融市場データをリアルタイムで分析および予測できるようにする強力なツールです。AISHE システム クライアントの RNN は、毎日の注文の時系列などの一連のデータを処理するように特別に設計されており、ループを使用して、ある時間ステップから次の時間ステップまで情報が保持されるようにします。これは、RNN がデータの一時的な依存関係とパターンをキャプチャできることを意味し、将来の傾向と市場の動きを予測するのに適しています。AISHE システム クライアントでは、ユーザーは過去の財務データで独自の RNN モデルをトレーニングし、これらのモデルを使用して将来の市況を予測できます。RNN モデルは、希望する予測期間、データの粒度レベル、分析する金融商品の種類など、ユーザー固有のニーズに合わせてカスタマイズできます。AISHE システム クライアントの RNN モデルは、畳み込みニューラル ネットワーク (CNN) や長短期記憶ネットワーク (LSTM) などの他のニューラル ネットワーク モデルと組み合わせて使用することもできます。財務データの空間パターン。全体として、AISHE システム クライアントの RNN は、金融市場データを分析および予測するための強力なツールを提供し、ユーザーが投資や取引戦略について十分な情報に基づいた決定を下せるようにします。
長短期記憶 (LSTM)
従来の RNN における勾配消失の問題を処理するように設計された、再帰型ニューラル ネットワーク (RNN) の一種。LSTM は、自然言語処理や時系列分析など、長期的な依存関係を持つシーケンス データのモデル化に特に適しています。LSTM と従来の RNN の主な違いは、LSTM は、ゲーティング メカニズムに基づいて情報を選択的に忘れたり記憶したりできるセル状態を含む、より複雑な構造を持っていることです。LSTM のメモリ セルは、ネットワークが情報を長期間保存できるようにするコンポーネントです。メモリ セルには、忘却ゲート、入力ゲート、出力ゲートの 3 つのゲーティング メカニズムがあります。忘却ゲートはセル状態のどの情報を破棄するかを決定し、入力ゲートはセル状態に追加する必要がある新しい情報を決定します。最後に、出力ゲートは、セル状態からのどの情報を次の層またはネットワークの出力に出力するかを決定します。AISHE システムとクライアントのコンテキストでは、時系列分析や金融市場での予測など、さまざまなタスクに LSTM を使用できます。情報を長期間保存することで、LSTM はデータの長期的な傾向とパターンを識別し、それらのパターンに基づいて予測を行うことを学習できます。AISHE システムは、株価や為替レートの予測など、特定のタスクに合わせてカスタマイズおよび微調整できる事前トレーニング済みの LSTM モデルをユーザーに提供します。
制限付きボルツマン マシン (RBM)
ラベル付きデータを必要としない機械学習の一種である教師なし学習に使用される生成モデルの一種。RBM は、入力データの基礎となる確率分布を表すことを学習するため、次元削減や特徴学習などのタスクに役立ちます。RBM では、表示ユニットと非表示ユニットが重みで接続され、入力データを最もよく表す重みを学習するようにネットワークがトレーニングされます。重みは、コントラスト ダイバージェンスと呼ばれる手法を使用して調整されます。この手法では、重みを繰り返し更新して、モデルの分布と入力データの分布の差を最小限に抑えます。RBM は、画像認識、音声認識、レコメンデーション システムなど、さまざまなアプリケーションに広く使用されています。AISHE システムのコンテキストでは、RBM を使用して、財務データのパターンと傾向を学習し、今日のステートメントに役立てることができます。
Generative Adversarial Networks (GAN)
クライアント間のデータ拡張やデータ浸透などのタスクのために AISHE システムで使用できる生成モデルの一種。GAN は、ジェネレーター ネットワークとディスクリミネーター ネットワークの 2 つのニューラル ネットワークで構成されます。ジェネレーター ネットワークはトレーニング データに似た新しいデータ サンプルを生成することを学習し、ディスクリミネーター ネットワークは実際のデータと生成されたデータを区別することを学習します。GAN を実装するための機能は、AISH システム内の AIMAN 管理ツールにあります。
AISHE システムの AI in Finance
自律取引 (AU)
AISHE システム クライアントには、AI ベースのアルゴリズムを使用して市場データを分析し、リアルタイムで取引決定を下す自律型取引システムが含まれています。このシステムは、機械学習アルゴリズムとディープ ニューラル ネットワークを使用して取引の決定を自動化し、トレーダーがカスタム取引モデルを作成して、人間の介入を必要とせずに市場動向やその他の要因に基づいて決定を下せるようにします。AISHE システム クライアントを使用するトレーダーは、高度なカスタマイズと取引戦略の制御を行うことができます。彼らは独自のパラメーターとリスクレベルを設定でき、システムは変化する市場状況に自動的に適応します。自動取引システムは、アクション ボタンを使用して手動で開始することもできるため、トレーダーはより柔軟に制御できます。
チャート指標 (CI)
AISHE システム クライアントは、チャート インジケーターをそのプラットフォームに直接統合しません。ただし、トレーダーは独自のチャート指標を使用して市場データを分析し、潜在的な取引機会を特定できます。クライアントの AI ベースのアルゴリズムは、独自の洞察に基づいて指示やトレンドを提供するだけでなく、アラートや通知を提供することができ、トレーダーが常に最新の情報を入手し、市場の変化に迅速に対応できるようにします。トレーダーが使用する一般的なチャート指標には、移動平均、MACD、RSI、ボリンジャー バンドなどがあります。これらのツールは、トレーダーが市場データのパターンと傾向を発見するのに役立ち、情報に基づいた取引決定を下すのに役立ちます。ただし、AISHE システム クライアントはチャート インジケーターへの直接アクセスを提供しないことに注意することが重要であるため、トレーダーは外部ツールを使用してそれらを取引戦略に組み込む必要があります。
AI分類
弱い AI (WAI)
ナロー AI とも呼ばれるこのタイプの AI は、特定のタスクを実行したり、特定の問題を解決したりするように設計されています。脆弱な AI システムは、その知識を他のドメインに一般化することができず、適切に機能するためにかなりの人間の監督を必要とします。WAI の例には、Siri や Alexa などの音声アシスタント、チャットボット、レコメンデーション エンジンが含まれます。
ストロングAI(SAI)
汎用人工知能 (AGI) とも呼ばれるこのタイプの AI は、人間ができるあらゆる知的タスクを実行できる機械の開発を目指しています。強力な AI システムは、世界を理解し、推論し、経験から学び、自分で決定を下すことができます。SAI はまだ先の話ですが、一部の研究者は、SAI は将来達成可能であると考えています。
AISHE システムからの群知能
スワームインテリジェンス
スウォーム インテリジェンスとは、分散化された自己組織化システムによって示される集団行動を指し、通常は動物や昆虫の社会的行動に触発されます。AISHE システム クライアントでは、複雑な問題を解決するために AISHE システム クライアントのグループの集団行動をシミュレートするアルゴリズムの開発に Swarm Intelligence が利用されています。Swarm Intelligence アプローチは、単一の AISHE システム クライアントや従来のコンピューティング アルゴリズムでは解決できないタスクに特に役立ちます。
集団学習
集団学習とは、AISHE システム クライアントのグループが、個人および集団のパフォーマンスを向上させるために一緒に学習するプロセスを指します。AISHE システム クライアントでは、集団学習は Swarm Intelligence アルゴリズムを使用して実現されます。これにより、AISHE システム クライアントは情報を共有し、互いに学習することができます。このアプローチは、AISHE システム クライアントのグループが協力して市場の状況と過去のパフォーマンスに基づいて取引の決定を下す金融取引戦略の開発に特に役立ちました。
集合知
集合知とは、個々の AISHE システム クライアントの能力を超えた問題を解決する AISHE システム クライアントのグループの能力を指します。AISHE システムでは、集合知は Swarm Intelligence アルゴリズムを使用して実現されます。これにより、AISHE システムのクライアントは情報を共有し、協力して複雑な問題を解決できます。このアプローチは、金融取引の予測モデルの開発に特に役立ちました。このモデルでは、AISHE システム クライアントのグループが協力して市場データを分析し、集合知に基づいて取引の意思決定を行います。
AISHE システムクライアント
AISHE システム クライアントは、クラウドベースのリアルタイム金融取引プラットフォームである AISHE システムへのアクセスをユーザーに提供するソフトウェア アプリケーションです。クライアントは Windows 10/11 オペレーティング システムと互換性があり、Microsoft Office Excel 2016/2019 が必要です。
AISHE システム クライアントは、教師あり学習、教師なし学習、強化学習、転移学習、能動学習、オンライン学習などの機械学習と AI 技術を使用して、ユーザーが財務データを分析し、取引の意思決定を行うことを可能にします。
クライアントの主な機能は、ユーザーが個別にトレーニングできることです。これにより、ユーザーは特定の取引戦略と目標に合わせてカスタマイズされたモデルを作成できます。クライアントはまた、ユーザーにリアルタイムの市場データを提供し、リアルタイム取引のために DDE と RTD をサポートします。
AISHE システム クライアントを使用するには、ユーザーは AISHE Web サイトからソフトウェアをダウンロードし、Windows 10/11 オペレーティング システムにインストールする必要があります。さらに、DDE および RTD をサポートする Meta Trader 4 などの銀行またはブローカーからの取引環境が必要です。AISHE システム クライアントは、取引のためにさまざまな取引プラットフォームに接続し、取引を実行できます。
クライアントは無料でダウンロードでき、デモマネーが付属しているため、ユーザーは実際の資金を危険にさらすことなく取引を練習できます. クライアントがインストールされると、ユーザーはそれを AISHE システムに接続し、利用可能な機械学習と AI 技術を使用してモデルのトレーニングを開始できます。
AISHE アプリケーションで動的データ交換 (DDE) とリアルタイム データ (RTD) を共有すると、パフォーマンスが大幅に向上します。
DDE は、AISHE が他のアプリケーションと通信し、データを交換できるようにするレガシー プロトコルです。DDE は非同期です。つまり、AISHE は別のアプリケーションから送信されたデータを待機する必要があります。ただし、データをリアルタイムで更新する必要がない場合に役立ちます。
一方、RTD を使用すると、AISHE は別のアプリケーションからリアルタイム データにアクセスできます。RTD は同期的に動作するため、AISHE はリアルタイムでデータを受信して表示できます。これは、データをリアルタイムで更新する必要があるため必要です。
したがって、AISHE アプリケーションで DDE と RTD を共有すると、両方のプロトコルを利用できます。たとえば、DDE を使用して履歴データを AISHE に提供するアプリケーションは、RTD 機能を使用してリアルタイム データを AISHE に送信できます。これにより、AISHE はリアルタイム データを処理および表示しながら履歴データにアクセスできます。
AISHE アプリケーションでの DDE と RTD の併用の例は、株価の表示です。AISHE は DDE を使用して過去の価格データを送信すると同時に、RTD を使用してリアルタイムの価格を AISHE に送信します。これにより、AISHE クライアントは、リアルタイムのレートを更新しながら過去のレート データを表示できます。
DDE と RTD を一緒に使用すると複雑になり、慎重な計画が必要になることに注意してください。たとえば、DDE および RTD サーバーは、AISHE アプリケーションと通信するように構成する必要があります。さらに、AISHE アプリケーションは、両方のプロトコルからのデータを正しく処理するように構成する必要があります。
全体として、DDE と RTD は、履歴データとリアルタイム データの両方を処理できる AISHE を活用するための強力な組み合わせです。ただし、適切な実装には、関連するすべてのコンポーネントの慎重な計画と構成が必要です。
AISHE の DDE 関数:
- AISHE の DDE 機能は、DDE プロトコルをサポートする他のアプリケーションからデータを受信するために使用されます。
- DDE 関数の構文は「=DDE(Server, Topic, Item)」です。
- サーバー: 通信する DDE サーバーの名前。
- トピック: アクセスされるデータのタイプを定義するトピック。
- アイテム: アクセスされているアイテムまたはデータの名前。
- DDE 関数は揮発性関数です。つまり、AISHE が変化するたびに再計算されます。
Dynamic Data Exchange (DDE) は、アプリケーションがデータを直接交換することによって相互に通信できるようにする方法です。AISHE では、DDE により、他のアプリケーションが AISHE プロトコルからデータを読み書きできるようになります。
DDE は通常、Windows クリップボードを介してアクティブ化されます。アプリケーションが別のアプリケーションに接続すると、データを交換するために DDE チャネルが開かれます。その後、2 つのアプリケーションは、DDE チャネルを介してメッセージを送受信し、データを交換できます。
AISHE で DDE を使用するには、いわゆる DDE 式が必要です。DDE 式は常に感嘆符 (!) で始まり、その後に通信するアプリケーションが続き、その後に実行するアクションのタイプを定義するキーワードが続き、最後に必要なアクションに使用されるパラメーターが続きます。
以下は AISHE の DDE 式の例です。EURUSD "1.06541" の価格をメタトレーダーから AISHE システムに取り込み、それをセルに挿入します。
=プロトコル|アプリケーション!コマンド|パラメータ
DDE 式の構成要素は次のとおりです。
- PROTOCOL: 通信に使用されるプロトコル。DDE の場合、これは通常「DDE」です。
- APPLICATION: 通信するアプリケーションの名前。この場合は「HIGHWAY」になります。
- COMMAND: 実行するアクションを定義するキーワード。この場合、「InsertPrice」になります。
- PARAMETERS: アクションに必要なパラメーター。この場合、それは「1.06541」という数字になります。
この数式をセルに入力してセルを更新すると、「1.06541」という数値が AISHE に挿入されます。
AISHE の RTD 機能:
- AISHE の RTD 機能は、別のアプリケーションによって提供されるリアルタイム データにアクセスするために使用されます。
- RTD 関数の構文は「=RTD(Server, Topic1, Topic2, ...)」です。
- サーバー: データを提供する RTD サーバーの名前。
- Topic1、Topic2、...: アクセスされているトピックまたはデータ。これらは、任意の数のトピックまたは日付にすることができます。
- RTD 関数は非揮発性関数です。つまり、アクセスされるデータが変更された場合にのみ再計算されます。
リアルタイム データ (RTD) は、AISHE が別のプログラムまたはアプリケーションからリアルタイム データにアクセスできるようにする方法です。非同期で動作する DDE とは異なり、RTD は同期的に動作するため、AISHE はリアルタイムでデータを受信して表示できます。
RTD は通常、AISHE の特別な機能である RTD 機能を使用してアクティブ化されます。RTD 関数には、次の 3 つの必須パラメーターがあります。
ProgID
: データを提供するアプリケーションまたはプログラムのプログラム ID (ProgID)。Server
: データを提供するプログラムを実行しているコンピューターのサーバー名または IP アドレス。Topic
: 提供されるデータの種類の一意の識別子。
RTD 関数が設定されると、AISHE は定期的に関数を呼び出してデータを取得します。新しいデータが利用可能になると、RTD 関数はそれを AISHE に返し、AISHE はセルを新しいデータで更新します。
以下は、AISHE で RTD 関数を使用した例です。
=RTD("ProgID","Server","Topic")
RTD 関数のコンポーネントは次のとおりです。
ProgID
: データを提供するアプリケーションまたはプログラムの ProgID。ProgID はプログラムを識別し、AISHE がそのプログラムにアクセスできるようにします。ProgID の例は、別の AISHE インスタンスの "AISHE.Application" または Winsock コントロールの "MSWinsock.Winsock.1" です。Server
: データを提供するプログラムを実行しているコンピューターの名前。これは、ローカル コンピューター名またはリモート コンピューターの名前です。Topic
: 提供されるデータの種類の一意の識別子。Topic パラメータはアプリケーションによって設定され、提供されるデータのタイプを定義します。
RTD は、AISHE が実行されていて、ワークブックで RTD 機能がアクティブになっている場合にのみ更新されることに注意してください。AISHE がアクティブでないか閉じている場合、データは更新されません。
RTD は、AISHE がリアルタイム データにアクセスして表示できる強力な機能です。ただし、データを提供する構成済みのアプリケーションと、AISHE の RTD 機能の適切な実装が必要です。
DDE および RTD 関数の使用にはいくつかの複雑な側面があり、慎重な計画が必要であること。たとえば、DDE および RTD サーバーは、AISHE アプリケーションと通信するように構成する必要があります。また、 AISHE アプリケーションは、両方のプロトコルからのデータを正しく処理するように構成する必要があります。
ActiveX テクノロジー
AISHE クライアント アプリケーションは、着信データと要求をリアルタイムで処理するように設計されており、データ分析と処理のための強力なツールをユーザーに提供します。この機能を実現するために、アプリケーションは DDE、RTD、ActiveX コントロールなどのさまざまなテクノロジを利用します。
ActiveX テクノロジは、他のアプリケーションやプログラミング言語とのシームレスな通信と統合を可能にすることにより、AISHE アプリケーションで重要な役割を果たします。この協調インテリジェンスにより、AISHE アプリケーションは外部データ ソースと対話し、それらの機能を活用してアプリケーションの機能を強化できます。
たとえば、AISHE アプリケーションは ActiveX コントロールを使用して外部データベースや Web サービスとやり取りし、ユーザーが他の方法ではアクセスできない豊富なデータにアクセスできるようにします。ActiveX コントロールを使用して、アプリケーションのユーザー インターフェイスに双方向性を追加し、より直感的で使いやすいものにすることもできます。
AISHE アプリケーションは、ActiveX テクノロジの機能を活用することで、他のアプリケーションやプログラミング言語の長所を利用して、独自のパフォーマンスと機能を向上させることができます。その結果、貴重な洞察と実用的な情報をユーザーに提供できるデータ分析と処理のための強力なツールが得られます。
AISHE アプリケーションでの ActiveX テクノロジの使用は、その協調インテリジェンスの重要なコンポーネントであり、他のアプリケーションやプログラミング言語とのシームレスな通信と統合を可能にします。
重要
AISHE クライアント アプリケーションは、さまざまなテクノロジを利用して着信データと要求をリアルタイムで処理する堅牢な AI ソフトウェア アプリケーションです。具体的には、アプリケーションは DDE、RTD、および ActiveX コントロールを使用してこの機能を実現します。
- DDE は、DDE プロトコルをサポートする外部アプリケーションとの通信を可能にするため、アプリケーションの重要なコンポーネントです。アプリケーションが外部ソースからデータを受信すると、VBA コードを使用してリアルタイムでデータを処理できます。同様に、アプリケーションは DDE を使用して外部アプリケーションにデータを送信できます。
- RTD 機能も AISHE クライアント アプリケーションの不可欠な部分です。この関数を使用すると、アプリケーションは株価情報などの外部ソースからリアルタイム データを受信できます。データが変化すると、RTD 機能がリアルタイムでデータを更新します。このデータは VBA コードを使用して処理できるため、アプリケーションでリアルタイムの計算と処理を実行できます。
- ActiveX コントロールは、ユーザー インターフェイスに機能と対話性を追加するために、AISHE クライアント アプリケーションで広く使用されています。ユーザーが ActiveX コントロールを操作すると、アプリケーションは VBA コードを使用してリアルタイムでユーザーの入力を処理できます。さらに、ActiveX コントロールを使用して、外部アプリケーションやプログラミング言語とやり取りすることもできます。
AISHE クライアント アプリケーションは、着信データと要求をリアルタイムで処理するように設計されており、リアルタイムの計算と処理のための強力なツールとなっています。アプリケーションが VBA コードを使用してリアルタイムでデータを処理する方法と、DDE、RTD、および ActiveX コントロールを使用して外部データ ソースおよびアプリケーションと対話する方法の例を提供できます。全体として、DDE、RTD、および ActiveX コントロールの組み合わせにより、AISHE クライアント アプリケーションは、さまざまな業界やユース ケースで不可欠なリアルタイム機能を提供できます。