モデルの学習

学習データの作成

• N週分のドル円（USD/JPY）、秒足
• ターゲットラベルの付与
• 特徴量の作成

学習の設定

• データセット

  • Train 24週〜、Val 10週、Forward 8週〜
  • 期間違いのパターン20〜を作成
  • 週別ファイル 時系列、シャッフルなし
  • チャンクサイズ 2.5日分、シャッフルあり
  • バッチサイズ 512

• モデル

  • 回帰ニューラルネットワーク
    • 3層のMLP（Multi-Layer Perceptron）
    • 入力: 特徴量73個
    • 出力: 期待値pipsスコア
    • 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4〜

• Val、Forward評価

  • 単体モデル、複数アンサンブル
    • Avg pips/tradeの確認
    • ターゲット vs 予測の方向符号一致率
    • トレード数、Total pips、TP率、ばらつきの確認
    • Pred出力の順位付け形成の確認

• 最適化
  • 遺伝的アルゴリズム（Genetic Algorithm）による閾値の探索
    • モデル毎のBuyシグナルの閾値（0.17など）
    • モデルのアンサンブル時の閾値（0.17 - 0.01など）
    • ポジションサイジング（最大4ポジションまで）

モデルの週毎ローリング更新

• 毎週末、その週のデータをデータセットに追加して、Baggingサンプリングし、モデルを学習
• 単体モデルの評価、複数アンサンブルへの追加で評価
• 採用可否と、推論モデルへの追加