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
AI 
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 FX】FXのAIモデルにLightGBM回帰を使う理由と、MAEなどの誤差関数の正しい選び方
— ONNX出力の注意点・平均回帰問題・スタッキングの落とし穴まで —FXの値動きをAIで予測するとき、よく使われるモデルのひとつが LightGBM（LGBM） です。本記事では、・回帰モデルの誤差関数（MAEなど）の違い・平均回帰問題と...
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...
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。
AI 【AI×FX】Catboostの歴史と特徴。他モデルとの比較
はじめに近年、機械学習を利用した自動売買や相場予測モデルの精度向上が求められる中、勾配ブースティング系ライブラリの中でも特に「カテゴリカル変数の扱い」に強みを持つCatBoostが注目を集めています。本記事では、機械学習トレーダーをターゲッ...
AI 【機械学習】目的関数・評価関数・最終評価の使い分け ～確率とラベルで何が変わる？～
はじめに機械学習モデルを構築するとき、「確率を重視して評価するか」「最終的なラベル判定を重視するか」 によって選ぶ指標が変わります。本記事では、CatBoostを例に、目的関数（loss_function）、評価関数（eval_metric...