Table of Contents
ドル円の期待値予測モデルを開発している。
今回は、高ボラティリティ相場に絞って、学習と評価をしたら成績が良くなるのかを試した。
仮説
低ボラティリティの横ばい相場は値動きが小さい。上昇も下落も半々である。
ノイズが多く、学習に悪影響を与えている可能性がある。
そこで、
低ボラ相場を捨てて、高ボラ相場だけで学習したらどうなるか
を検証した。
実験
直近30分の値幅を表す HLRange30m を使い、半分以上である閾値 11.8pips
HLRange30m > 0.118のデータだけを学習と評価に使用した。
対象データは全体の約半分になる。
結果
期待した改善は見られなかった。
特に高い予測値が出たサンプルの成績が悪化した。
乱数シードを変えても同じ傾向だった。
考察
高ボラティリティそのものにエッジがあるわけではなさそうだ。
モデルは、
- ボラティリティ
- モメンタム
- 高値安値位置
- 時間帯
など複数の特徴量を組み合わせて判断している。
高ボラだけに絞ることで、学習できる市場状態が減ってしまった可能性がある。
低ボラをフィルターでカットしても、良くはならない。
おそらく、他の単体のフィルターでカットしても、同じく良くはならないだろう。
まとめ
高ボラティリティ相場だけで学習しても成績は良くならなかった。
むしろ高Pred帯の性能は悪化した。
今回の結果を見る限り、
強い単一条件に絞るより、多くの特徴量を使って広く学習する方が良さそうだ。
金融予測では、一つの強いルールやフィルターよりも、多数の弱いシグナルの組み合わせが良いことが再び確認された。
Next →
← Previous