現行モデルとシステム構成 RSS feed

2026年5月から稼働中、ドル円Buy専用のモデルです。運用実績は、こちら

推論モデル
2026年5月29日
- 回帰ニューラルネットワークモデル
  - 入力: 特徴量73個
  - 出力: 期待値pipsスコア
- 14モデルの出力値のアンサンブルで、Buyシグナル
- 対象
  - ドル円 USD/JPY
  - Buy専用
  - 月曜朝7:00 〜土曜朝6:00
  - リアルタイム推論: 1.1秒間隔
出力ターゲット値のラベリング

刻々そのタイミングで、Buyエントリーした場合の結果(pips)をターゲットラベルとした。時間制限と初動下落の回避条件も追加している。

赤色: TP区間、青色: SL区間、緑色: Between区間

Extra runup（一定時間内の追加上昇幅）も使用

入力値

ドル円の直近過去の90分間ウインドで、73個の特徴量を算出する。

特徴量エンジニアリングにより、選定した。

Robust Scalerを採用（Standard Scaler他は非採用）、つまり入力値は、スケーリングされた値になる。

以上が、現行モデルの設定である。

モデル学習のプロセスは、モデルの学習

試行錯誤の過程については、開発ノート
モデルの学習
2026年5月29日
- 学習データの作成
  - ドル円、秒足
  - ターゲットラベルの付与
  - 特徴量の作成
- データセット
  - Train 24週〜、Val 10週、Forward 5週〜
  - 期間違いで、複数15パターンなどを用意
  - チャンクサイズ 2.5日分
  - バッチサイズ 512
    
    シャッフルあり
  - 週ファイルシャッフルなしの時系列
- モデル
  - 回帰ニューラルネットワーク
    
    3層のMLP（Multi-Layer Perceptron）
    
    Leaky ReLU
    
    Dropout
    
    Leaky ReLU 向けの He 初期化 + 出力層のみ微小ランダムバイアス初期化
- 手法とパラメーター
  - Robust Scaler
  - ターゲットラベルへのExtra runup値の加算
  - Huber Loss損失関数カスタマイズした重み付け
  - オプティマイザー AdamW weight_decay設定あり
  - 学習率カスタマイズ設定
学習と評価
- Train
  - エポック〜60
  - Seed 複数
- Val評価
  - 単体モデル、複数アンサンブル
    
    Pred出力の順位付け有り無しの確認
    
    前後エポックの確認
    
    Avg X pips/tradeの確認
    
    トレード数、Total pips、TP率、ばらつきの確認
- 最適化
  - 遺伝的アルゴリズムによる閾値の探索
    
    アンサンブルのパターン
    
    ポジションサイズ
- Forward評価
  - 単体モデル、複数アンサンブル
    
    Pred出力の順位付け有り無しの確認
    
    Avg X pips/tradeの確認
    
    トレード数、Total pips、TP率、ばらつきの確認
モデルのローリング更新
- 毎週末、その週のデータを追加して、モデルを作成
- 単体モデル評価、アンサンブルへの追加で評価
- 採用可否と、モデルの追加
システム構成
2026年5月29日
- トレード執行、Tickデータ受信
  - サクソバンク証券 OpenAPI https://www.home.saxo/ja-jp/platforms/api
- 推論モデルの実行、オーダー
  - Google Cloud / Compute Engine / VMインスタンス
    
    Websocket ストリーミングデータ受信
    
    推論モデルの実行（Go言語）
    
    HTTPS オーダー送信
    
    Cloud Storage, Firestoreへのデータ記録
推論モデル
- Google Colab
  - 推論モデルの作成（Python言語/PyTorch）
- ローカルPC環境
  - 推論モデルの実行プログラムの作成（Go言語）