記事「PythonとMQL5を使用した特徴量エンジニアリング（第2回）：価格の角度」についてのディスカッション

[MetaQuotes]

新しい記事「PythonとMQL5を使用した特徴量エンジニアリング（第2回）：価格の角度」はパブリッシュされました:

MQL5フォーラムには、価格変動の傾斜を計算する方法についての支援を求める投稿が多数あります。この記事では、取引したい市場における価格の変化によって形成される角度を計算する1つの方法を説明します。さらに、この新しい特徴量の設計に追加の労力と時間を投資する価値があるかどうかについてもお答えします。M1でUSDZARペアを予測する際に、価格の傾斜によってAIモデルの精度が向上するかどうかを調査します。

しかし、トレンドラインには大きな制約があります。それは「主観的に引かれる」という点です。トレーダーは、自分の市場観を裏付けるようにトレンドラインを引き直すことが可能であり、その市場観が誤っている場合でも分析結果を歪めてしまう恐れがあります。したがって、より客観的で堅牢な方法でトレンドラインを定義しようとするのは自然な流れです。その手法の一つとして、多くのトレーダーは価格変化によって生じる傾斜（スロープ）を数値的に計算しようとします。根本的な前提として、「傾斜を知ることは、価格変動によって形成されるトレンドラインの方向を知ることと同義である」と考えられています。

ここで、最初に直面する課題は「傾斜の定義」です。多くのトレーダーは、傾斜を「価格の変化量 ÷ 時間の変化量」として計算しようとします。しかし、このアプローチにはいくつかの問題点があります。このアプローチにはいくつかの問題点があります。第一に、株式市場は週末に休場するため、MetaTrader 5のチャート上では市場が閉じている間の時間経過は記録されません。そのため、手元のデータから経過時間を推測する必要があります。単純な「価格の変化量 ÷ 時間の変化量」という計算式を採用すると、週末の時間経過が考慮されないため、週末に大きな価格変動（ギャップ）があった場合、傾斜の計算値が実際よりも過大評価されてしまいます。 

また、この手法では、時間の取り扱いによって計算結果が大きく変わる可能性があります。例えば、週末の時間を無視すると傾斜の値は過大になりますが、逆に週末の時間を考慮すると傾斜は小さくなります。つまり、同じデータを分析しているにもかかわらず、異なる傾斜値が得られる可能性があるということです。これは望ましくありません。理想的には、同じデータに対して一貫性のある決定論的な（変動しない）計算結果が得られるべきですつまり、同じデータを分析する場合、傾きの計算は常に同じになります。 

これらの問題を克服するために、別の計算方法を提案します。それは、「傾斜を『始値の変化量 ÷ 終値の変化量』として計算する」方法です。この手法では、時間の要素をx軸から排除することで、終値が始値の変化に対してどれほど敏感に反応するかを測定できます。この量の絶対値が1より大きい場合、始値の大きな変化は終値にほとんど影響を与えないことがわかります。同様に、数量の絶対値が1未満の場合、始値の小さな変化が終値に大きな影響を与える可能性があることがわかります。さらに、傾斜の係数が負の場合、始値と終値は反対方向に変化する傾向があることがわかります。

作者: Gamuchirai Zororo Ndawana