機械学習で未来のレートを予測できるか(第七弾)

• 今のAIモデルは2011年～2015年のデータで学習していたため、学習期間から5年経過しています。一定以上期間が経つとレートの動きの傾向が変わって使えないという仮説を立てました。
• そこでまずは2015年～2019年を学習して、2020年の結果が改善するかを検証してみます。

＜表１：学習期間の変更＞

　学習期間：機械学習のモデルを作成する期間（緑色）
　テスト期間：Oputunaでパラメータをチューニングする期間（青色）
　シュミレーション期間：未知の期間で実際に勝てるかバックテストを行う期間（赤色）

検証の結果
実際のEAは複数モデルをMIXして利用しますが、検証はあえて純粋はモデルの強さを確認するため、１つのモデルだけを利用します。

• 学習の特徴量は第二弾の記事で説明していますが、特徴量から単純にレートを削除して学習したところ、シュミレーション結果は悪化する結果となりました。
• キリの良い数値のレート前後での戻りや抜けを学習している可能性があるため、100pip以下の数値だけを残して検証してみます。下記の通り、単にレートを残す場合と比べて、学習レートの分布も安定します。

　
＜表2：学習期間＞
　この検証はレートの特徴量にのみフォーカスするため、現行モデルと同じ期間で実施します。その後、最新期間で学習して2011~2013年のシュミレーションが改善するかを検証します。

• 2020年の結果は、検証1のモデルよりも若干改善する結果となり、レートの100pip以下だけ残せば、学習データとして問題ないと判断できました。
• 2011~2013年の結果も、2011年はマイナスですが、2012年と2013年はプラスに転じました。取引数は減りませんでしたが、2011年だけが特殊な環境で取引が1400回を超えており、2012年と2013年は2020年とほぼ同様に500-800回の取引となっていました。
• 上記2点から、レートの100pip以下だけを残すことは有効だと判断します。

• 最新期間の学習だけだと2020年だけに最適化している可能性があるため、
  交互に2011,2013,2015,2017,2019の奇数年を学習して、間の偶数年が勝てるかを検証します。

＜表3：学習期間＞

• 2012年はギリギリプラスですが、他の年は全てプラスになり安定しています。
  2020年もコロナで激しく動いた期間だけ大きく負けがありますが、他は安定しています。
  最新期間の学習だけでなく、交互の期間の学習も全ての年でプラスになったことから、2020年だけに最適化している可能性は低そうです。

• 第四弾で記載したとおり、複数モデルをMIXすると取引結果が改善する傾向があるので、今回も複数のモデルをMIXしてみます。
• 以前は60分のモデルに15分と5分モデルをしていましたが、今回は60分モデルに同じ60分モデルの期間違いもMIXしてみます。
• 検証の組合せが非常に多いため、最終結果だけ記載しますが、大幅に改善する結果となりました。