MQL5記事 【MQL5】機械学習で勝つためのラベリングとは
この記事では、機械学習モデルにとって最も重要な工程の1つである「ラベリング」 について、実戦に即した考え方と具体的な手法をわかりやすく解説します。はじめに — なぜラベリングが重要なのか？一般的な機械学習では「価格がX日後に上か下か」をラベ...
MQL5記事 
AI 【機械学習】決定木とディープラーニングの特徴量設計の違い
決定木AIは期待値重視、ディープラーニングは条件一致型。FX自動売買AIの設計思想と特徴量設計の違いを実務視点で解説。長期で勝つための考え方とは？
AI 【機械学習初心者向け】クラス不均衡とレジーム不均衡の話 – FX機械学習で精度が出ない本当の理由-
FX機械学習で上昇だけ当たる原因はクラス不均衡だけではありません。相場状態の偏りであるレジーム不均衡と、その具体的な対策を初心者向けに解説します。
AI 【機械学習】FXのAI学習にウォークフォワードテストは本当に意味があるのか
― 非定常な相場で「優位性確認」が不可能な理由 ―はじめにFXのAIや最適化を行っていると、「ウォークフォワードテスト（WFT）は必須」という話をよく目にします。しかし実際にやってみると、期間の分け方で結果が変わる良かった区間が次では全くダ...
AI 【FX × 機械学習】早期停止は「適切なイテレーション数」を決めるために必要か？
機械学習でモデルを作っていると、こんな疑問を持ったことはありませんか？イテレーション数は多い方がいいの？途中で止める「早期停止」は本当に必要？F1Macroが安定しないのはなぜ？この記事では、サンプル数・イテレーション数・F1Macroの関...
AI 【機械学習】スタッキングを使ったFX自動売買におけるデータ期間の分け方
スタッキングを使ったFX自動売買で、10年などの長いデータをどう分ければ良いかをわかりやすく解説。ベースモデル・メタモデル・テスト期間の分け方の基本と実践例をシンプルに紹介します。
AI 【FX × 機械学習】スタッキングのベースモデルに「早期停止」を使うべきか？
FX の相場を機械学習で予測するとき、「スタッキング（Stacking）」という手法を使うことがあります。スタッキングはベースモデル（1段目）メタモデル（2段目）の2階建てで予測を行う方法で、近年の金融AIでとてもよく使われています。ただ、...
AI 【FX機械学習】分類モデルにおけるシーケンス長の最適値を調べてみた
FXの値動きをAIで分類（BUY・SELL・HOLD など）するとき、「過去何本のデータをモデルに入力すれば一番うまく予測できるのか？」という疑問は、誰もが一度は考えます。今回は、実際にシーケンス長（過去データの本数）を変えながら、F1 M...
AI 【機械学習】分類問題におけるProper Difficulty（適度な難しさ）とは？
機械学習の分類モデルが成長するためには「適度な難しさ（Proper Difficulty）」が重要です。問題が簡単すぎても難しすぎても精度は伸びません。F1やF1 Macroと合わせて最適な難易度設計を解説します。
初心者向け 【多重比較問題】EAが間違った勝ちパターンを作る理由
― 多重比較問題とは？ どのくらいのアウトオブサンプルが必要？ 代表研究をやさしく解説 ―EA で 自動売買をしていると「バックテストでは右肩上がりなのに実トレードでは弱い…」こんな経験をしたことはありませんか？その原因の1つが 多重比較問...