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...
機械学習
AI 
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。
AI 【AIトレード】スタッキングを用いたAIトレード研究まとめ（FX・XAUUSD・BTCUSD）
AIを活用した自動売買において、複数のモデルを組み合わせて予測精度を向上させる「スタッキング手法」は近年とても注目されています。ここでは、実際の論文やブログを元に、以下の観点で主要事例を表形式で整理しました：使用しているベースモデル・メタモ...
標準ライブラリ 【MQL5標準インクルードファイル】機械学習関係の「Math¥Alglib」
― EA開発・機械学習・統計処理の強い味方をわかりやすく解説 ―MetaTrader5（MQL5）には、最初から高性能な数学・統計ライブラリ「ALGLIB」 が入っています。しかも「インクルードするだけ」でプロ級の数値計算ができるため、機械...
AI 【AI×HFT】CatBoostを用いた高頻度取引モデルの実例調査
特徴量（Features）高頻度取引（HFT）の予測モデルでは板情報（注文板データ）やティックデータの統計に基づく特徴量が重視されています。例えば、ある研究では価格帯ごとに集約した注文板のスナップショットからCNNで空間的特徴を抽出し、さら...
AI 【AI × FX予測】分類学習と回帰学習はどちらが有利？難易度と使い分けを徹底解説！
FXのAI予測における分類学習と回帰学習の違いを徹底解説。難易度比較や、トレードに応じた使い分けのポイントを紹介します。