記事「取引におけるニューラルネットワーク：カオス理論を時系列予測に統合する（最終回）」についてのディスカッション

MetaQuotes 2026.05.06 15:24

引き続き、Attraosフレームワークの著者らが提案した手法を取引モデルに統合します。このフレームワークは、時系列予測問題を多次元カオス動的システムの投影として解釈し、カオス理論の概念を用いて解決するものであることを改めてお伝えしておきます。

テストには2025年1月から2月のデータを使用しました。この期間は未学習データによる厳密な評価をおこなう目的で選定されています。他の実験条件はすべて固定し、再現性と公平な比較が保たれるようにしています。この手法によりランダム要因を排除し、アルゴリズム性能を客観的に評価できます。

テスト結果を以下に示します。

アトラオスのテスト結果

テスト期間中、モデルは287回の取引を実行し、そのうち約39%が利益確定となりました。勝率自体は高くありませんが、損益比によって全体としてはプラスの結果となっています。具体的には、平均利益は平均損失のおよそ2倍であり、勝率の低さを補う形で最終的に1.15のプロフィットファクターを記録しました。

平均保有時間は2時間を超えており、短期から中期にかけての意思決定傾向が確認されます。特筆すべき点として、最も長く保有されたポジションは約2日間に達しており、この挙動については追加分析が必要です。