【AIFX】CatBoost × 為替トレード実例まとめ

CatBoost がリアルマネー運用に使われている 3 つの事例を「モデル設定」「特徴量」「時間足」の観点で整理しました。実務でパラメータを探る際のヒントとしてご活用ください。

---

事例① EUR/USD H1 ― MetaTrader 5 EA

概要
MetaTrader 5 上で回すシンプルなデイトレ型 EA。終値と移動平均の差分を 250 本ラグとして投入し、売買方向を 2 クラス分類。

パラメータ	値
iterations	1000
depth	6
learning_rate	0.01
早期停止	early_stopping_rounds=50
その他	use_best_model=True, task_type='CPU'

特徴量

• Close−MA 差分を 1〜250 本シフトして作成（計 250 列）
• 追加のテクニカル指標なし
• H1 データで約 10 日分の過去パターンを学習 MQL5コミュニティ

---

事例② BTC/USDT 15 分 ― 高頻度クリプト戦略

概要
15 分足でロング／ショート／ノーポジの 3 クラスを分類。190 超のテクニカル指標をマルチタイムフレームで生成し、Freqtrade 互換の自動売買ボットに実装。

パラメータ	値
iterations	800
depth	6
learning_rate	0.2
l2_leaf_reg	4
border_count	80
random_strength	0.5
leaf_estimation_iterations	8
class_weights	[1, 2, 2]
早期停止	なし

特徴量

• RSI, MACD, EMA, ATR, VWAP, Bollinger, ADX, ROC, EWO など 12 期間 × 多指標
• 出来高系 (OBV, ADL) を含み計 190+ 列
• Min‑Max スケーリング後に CatBoost へ投入
• 7 日間ドライランで累積 +4648 % のバックテスト成績を報告 Medium

---

事例③ GBP/USD & EUR/USD 日足 ― PCA × CatBoost 研究

概要
15 日分の OHLC と EMA/RSI/MACD を PCA (25〜100 次元) に圧縮し、翌日の方向性を 3 クラス分類。ハイパーパラメータは Optuna で網羅的に探索。

• 入力元は 15 日 × (OHLC + EMA5種 + RSI + MACD) = 165 列
• PCA で 25/50/75/100 主成分に削減
• 日足データで最高 正答率 86.7 %・累積利益率 86.7 % を達成
• 論文内で CatBoost は XGBoost/LightGBM と同等以上の精度と報告 ResearchGate

---

実務チューニング 5 つの着眼点

1. 木の深さ (depth)
   • H1〜15 min の短期なら 6〜8、日足以上なら 8〜10 が目安。
2. 学習率 vs 反復回数
   • 高頻度モデルは learning_rate≈0.2 × 数百木、長期モデルは 0.01〜0.05 × 1000 木前後。
3. 早期停止の有無
   • 検証セットを用意できるなら early_stopping_rounds を有効に。高頻度でオンライン再学習する場合はオフでも可。
4. カテゴリ処理
   • 通貨ペアや曜日などエンコーディングせずそのまま投入できる。
5. 特徴量の作り分け
   • 低遅延戦略ほど マルチタイムフレーム指標＋出来高系、長期戦略ほど ラグ差分＋PCA が有効。

---

まとめ

• CatBoost は 為替でもクリプトでも実戦投入例が存在し、
  1. 差分ラグ型、2) 大量テクニカル指標型、3) PCA 圧縮型 という 3 つの代表パターンで活躍。
• パラメータは depth 6〜10／learning_rate 0.01〜0.2／iterations 100〜1000+ が実例のレンジ。
• 特徴量は 価格差分 or 多指標 が鍵。取引スタイルに合わせて組み合わせると効果的です。

オンラインコミュニティ

こちらのコミュニティで、AIや機械学習をトレードに活かすために日々探求しています。
興味のある方は覗いてみてください。