記事「取引におけるニューラルネットワーク：スケーリングの代わりに分解する（最終回）」についてのディスカッション

MetaQuotes 2026.10.30 14:00

時系列データを意味のある層に分解し、それらを活用して簡潔なモデルを構築するアルゴリズムをご紹介します。そのアーキテクチャからMQL5/OpenCLによる具体的な実装、過去の市場データを用いた実証テストまで、体系的に解説します。

最後に、これまで学習に使用していない新しいデータ、すなわち2025年1月から3月までの価格データを用いてモデルをテストしました。すべてのパラメータと設定は変更していません。得られた結果から、提案手法の予測精度と実用面での信頼性を客観的に評価できます。その結果を以下に示します。

テスト結果

テスト結果からは、ある程度のプラスの推移が確認できます。初期入金100米ドルで開始したところ、EAは62.25米ドルの利益を上げ、総利益が総損失をわずかに上回りました。一方、プロフィットファクターは1をわずかに上回る程度であり、この戦略の有効性はそれほど高くないことを示しています。

テスト期間中に実行された取引は898回で、買い取引と売り取引の回数はほぼ同じでした。どちらの場合も勝率は約50％で、売りポジション側にわずかな偏りが見られました。平均利益取引額は1.97米ドル、平均損失取引額は1.82米ドルでした。最大利益は13.56米ドル、最大損失は12.42米ドルでした。

全体として、EAは正確な取引執行と安定した動作を示していますが、戦略の収益性と堅牢性については、依然として疑問が残ります。