記事「MQL5で自己最適化エキスパートアドバイザーを構築する（第12回）：行列分解を用いた線形分類器の構築」についてのディスカッション

[MetaQuotes]

新しい記事「MQL5で自己最適化エキスパートアドバイザーを構築する（第12回）：行列分解を用いた線形分類器の構築」はパブリッシュされました:

本記事では、アルゴリズム取引における行列分解の強力な役割、特にMQL5アプリケーション内での活用について探ります。回帰モデルからマルチターゲット分類器まで、実際の例を通して、これらの手法が組み込みのMQL5関数を使ってどれほど容易に統合できるかを示します。価格の方向性を予測する場合でも、インジケーターの挙動をモデル化する場合でも、このガイドは行列手法を用いたインテリジェントな取引システム構築の強固な基盤を提供します。

行列分解は、数値的に駆動されるアプリケーションを構築したいアルゴリズムトレーダーにとって重要なツールです。これらの手法を用いることで、さまざまな種類の機械学習アルゴリズムを構築することができ、それ以上の応用も可能です。これまでの議論では回帰タスクのみを扱いましたが、ここでは分類問題に焦点を移します。本日のテーマは、市場分類器の構築です。この分類器は、市場の上昇および下降の動きを識別できるように設計します。目的は、取引を正確におこなうための適切な判断を支援することです。分類器のタスクは、市場の過去の動きを学習し、特定の取引日に取るべき正しいアクションを推論することにあります。

私たちの取引戦略は、以下のように機能します。目的は、移動平均インジケーターの期待される挙動に基づいて市場の動きを予測することです。加えて、価格も移動平均に沿った挙動を示すことを期待します。つまり、分類モデルが移動平均の下降を予測する場合、価格レベルもインジケーターを下回ることを確認したうえで売りポジションを開きます。移動平均は価格の方向を示しますが、ポジションを取る前に価格がインジケーターを超えて加速することも確認したいと考えます。

同様に、買いポジションの場合も同じロジックが適用されます。移動平均の上昇を予測し、価格がその上を大きく上回る場合に強い買いポジションを取ります。

この説明からわかるように、私たちのモデルは同時に2つのカテゴリカル出力を予測します。しかし、これはマルチクラス分類モデルと混同してはいけません。モデルが予測する２つの変数はどちらも二値結果です。言い換えれば、モデルは2つの独立した二値アウトカムを追跡します。ここで説明するアーキテクチャは、2つ以上のクラスを同時に分類するには適していません。

作者: Gamuchirai Zororo Ndawana