ドル円予測モデルで本当に解きたい問題
/ 5 min read
Table of Contents
機械学習では、モデルやアルゴリズムを工夫すること以上に、 「何を学習させるのか」 という問題設定が重要です。
ドル円予測モデルで解きたいのは、「30分後に上がるか」「1時間後に下がるか」といった単純な方向予測ではありません。
目指しているのは、未来でも繰り返し現れる、高期待値な相場パターンを見つけることです。
そのため、学習対象となるパターンには次の3つの条件があります。
- 繰り返し現れること（未来でも再現される）
- 期待値が高いこと（平均獲得Pipsがプラスに偏る）
- 特徴量に共通性があること（現在の特徴量から識別できる）
逆に、
- 一度しか現れないパターン
- 偶然利益になっただけのパターン
- 特徴量に共通性のないパターン
は未来では再現されにくく、学習すると過学習の原因になります。
つまり、モデルが予測できる範囲には限界があります。予測できない部分は、損切り（SL）と偶然の利確（TP）として受け入れることも重要です。
相場のエッジは非常に薄い
相場では、さまざまな見立てによる売りと買いが常に交錯しています。そのため、誰でも勝てるような明確な必勝パターンは存在せず、見つかるとしてもわずかなエッジにとどまります。
エッジが存在するとしても、多くは50%より少しだけ有利という程度です。
さらに、1回ごとのトレード結果にはランダムな要素が大きく含まれます。同じシグナルでも連敗することもあれば、逆に連勝することもあります。
そのため、1回1回の結果ではなく、 十分な試行回数を重ねたときの平均（期待値） で、本当にエッジがあるかを評価する必要があります。
つまり、トレード結果は
ランダムな要素 ＋ モデルが捉えたエッジ
として現れます。
十分な回数を繰り返したときに、その平均がわずかでもプラスへ偏るのであれば、それがモデルの持つエッジだと考えています。
ニューラルネットワークで学習したいもの
ニューラルネットワークは、数学的には特徴量 x に対する条件付き期待値 E[y∣x] を近似するモデルです。
言い換えれば、似た特徴量を持つ過去の相場を統計的に集約し、その局面で期待される平均的な結果（Expected Pips）を推定するモデルだと言えます。
現行モデルでは、次の3つの条件を同時に満たす相場パターンを捉えることを目指しました。
- 繰り返し現れること（未来でも再現される）
- 期待値が高いこと（平均獲得Pipsがプラスに偏る）
- 特徴量に共通性があること（73個の特徴量の組み合わせで表現できる）
ニューラルネットワークは、73個の特徴量を非線形に組み合わせることで、「移動平均がこうだから買い」といった単純なルールでは表現できない複雑なパターンも学習できます。
最終的な目的は、未知の相場でも繰り返し現れる、わずかなエッジを持つパターンを機械的に発見することです。
それこそが、このドル円予測モデルで本当に解きたい問題です。