記事「取引におけるニューラルネットワーク:空間と時間の統合的視点(最終回)」についてのディスカッション 新しいコメント MetaQuotes 2026.11.16 11:59 新しい記事「取引におけるニューラルネットワーク:空間と時間の統合的視点(最終回)」はパブリッシュされました: Extralongerフレームワークは、空間的要因と時間的要因を単一のモデルに統合するという独自の能力を発揮し、高い予測精度を確保しています。 そのアーキテクチャにより、システムの透明性と管理のしやすさを維持しつつ、さまざまな予想対象期間や金融商品に対応できます。 モデルの学習は、取引に向けた包括的な準備です。 実際の市場に投入する前に、過去データを用いて、この戦略のバックテストを徹底的に実施しました。 第1段階のオフライン学習は、通貨ペアEURUSDのH1時間足のデータを用いて実施しました。対象期間は2024年1月から2025年6月までです。 この期間は、値動きが活発で変化に富んでいました。穏やかな横ばい相場と急激なトレンドの動きが交互に現れ、ニュース発表によりボラティリティが急上昇する場面もありました。 こうした条件が相まって、このモデルは、複雑な状況でも方向を見失うことなく、幅広い市場シナリオを区別し、堅実な取引判断を下せるよう学習することができました。 準備の第1段階が完了すると、第2段階であるオンライン微調整へと進みました。この段階は、MetaTrader 5のストラテジーテスターで実施しました。 ここでは、データがバーごとにリアルタイムで到着し、モデルはストリーミングデータ上で動作する際の動的な挙動を学習しました。市場ノイズの中でも安定性を維持し、低流動性に対処し、価格が急変した際にも正常に動作し続けることを学習しました。 この段階は、いわば戦略の微調整の役割を果たしました。 この段階では、過去のデータに基づいて構築されたフレームワーク自体は変更せず、実際の運用条件への適応を促し、過学習のリスクを低減しました。 最終テストは、2025年7月のデータを用いて実施しました。このデータはそれまで使用されておらず、モデルにとってまったく新しいものでした。 前の段階で得られたすべてのパラメータは、変更を加えることなく読み込まれました。 この完全なアウトオブサンプルテストにより、微調整や調整を一切行わずに、モデルの汎化能力を客観的に評価することができました。 テストの結果を以下に示します。 作者: Dmitriy Gizlyk 新しいコメント
新しい記事「取引におけるニューラルネットワーク:空間と時間の統合的視点(最終回)」はパブリッシュされました:
モデルの学習は、取引に向けた包括的な準備です。 実際の市場に投入する前に、過去データを用いて、この戦略のバックテストを徹底的に実施しました。 第1段階のオフライン学習は、通貨ペアEURUSDのH1時間足のデータを用いて実施しました。対象期間は2024年1月から2025年6月までです。 この期間は、値動きが活発で変化に富んでいました。穏やかな横ばい相場と急激なトレンドの動きが交互に現れ、ニュース発表によりボラティリティが急上昇する場面もありました。 こうした条件が相まって、このモデルは、複雑な状況でも方向を見失うことなく、幅広い市場シナリオを区別し、堅実な取引判断を下せるよう学習することができました。
準備の第1段階が完了すると、第2段階であるオンライン微調整へと進みました。この段階は、MetaTrader 5のストラテジーテスターで実施しました。 ここでは、データがバーごとにリアルタイムで到着し、モデルはストリーミングデータ上で動作する際の動的な挙動を学習しました。市場ノイズの中でも安定性を維持し、低流動性に対処し、価格が急変した際にも正常に動作し続けることを学習しました。 この段階は、いわば戦略の微調整の役割を果たしました。 この段階では、過去のデータに基づいて構築されたフレームワーク自体は変更せず、実際の運用条件への適応を促し、過学習のリスクを低減しました。
最終テストは、2025年7月のデータを用いて実施しました。このデータはそれまで使用されておらず、モデルにとってまったく新しいものでした。 前の段階で得られたすべてのパラメータは、変更を加えることなく読み込まれました。 この完全なアウトオブサンプルテストにより、微調整や調整を一切行わずに、モデルの汎化能力を客観的に評価することができました。
テストの結果を以下に示します。
作者: Dmitriy Gizlyk