記事「古典的な戦略を再構築する（第14回）：複数戦略分析」についてのディスカッション

[MetaQuotes]

新しい記事「古典的な戦略を再構築する（第14回）：複数戦略分析」はパブリッシュされました:

本記事では、取引戦略のアンサンブル構築と、MT5遺伝的最適化を用いた戦略パラメータの調整について、引き続き検討していきます。本日はPythonでデータを分析し、モデルがどの戦略が優れているかをより正確に予測でき、市場リターンを直接予測するよりも高い精度を達成できることを示しました。しかし、統計モデルを用いてアプリケーションをテストしたところ、パフォーマンスは著しく低下しました。その後、遺伝的最適化が相関性の高い戦略を優先していたことが判明し、私たちは投票の重みを固定し、インジケーター設定の最適化に焦点を当てるよう方法を修正しました。

取引戦略の構築に人工知能を導入すると、予期しない動作や問題が発生する可能性があります。今回、遺伝的最適化は私たちが与えたフレームワークを利用し、最も相関性の高い戦略を選択してしまったようです。純粋に数学的な観点から見れば、これは巧妙な動きとも言えます。主要な戦略同士が相関している場合、遺伝的最適化にとってポートフォリオ全体の成績を予測することが容易になるからです。

当初、私は遺伝的最適化が最も収益性の高い戦略に高い重みを、収益性の低い戦略には低い重みを割り当てると予想していました。しかし、選択肢が3つしかなく、この最適化手順を1回しか実行していなかったことを考えると、今回の結果が偶然によるものである可能性も否定できません。言い換えれば、より完全で時間をかけた最適化アルゴリズムを用いて投票重みの最適化を繰り返した場合、最適化によって相関の高い戦略が選ばれなかったかもしれません。 

この洞察により、戦略の最適な設定を選択するためのアプローチを見直すことになりました。まず、各投票の重みをすべて1に固定することから始めるべきだと考えます。これにより、遺伝的最適化は、各インジケーターの最も収益性の高い設定の探索に集中できるようになります。私たちが今後の検討を進める中で明らかになるように、この修正版のアプローチが当初の計画を上回ることが分かります。相関の高い2つの戦略を複数戦略分析に使用しても、実質的な進歩は得られません。したがって、複数戦略分析の目的をより適切に定義する方法を学びました。それはすなわち次のような問いです。「相関のないリターンを持つ複数の戦略を選び、口座の収益性を最大化する最良の方法とは何か？」 

作者: Gamuchirai Zororo Ndawana