Trixter LOF

ローカル外れ値因子（LOF）アルゴリズム は、グローバルなしきい値では検出できないデータ内の異常を発見するための機械学習手法です。単純な方法とは異なり、LOFは点の直接的な近傍における密度を比較することで ローカルな 外れ値を探します。

仕組み

LOFの基本的な考え方はシンプルです。異常値とは、周囲のオブジェクト密度がその近傍の密度よりも著しく低い点である。

1. 近傍の選択。 各点について、アルゴリズムは  k  個の最近傍点を見つけます。

2. 局所密度の計算。 その点が近傍によってどの程度「密に」囲まれているかを計算します。

3. 近傍との比較。 アルゴリズムは点周辺の密度をその近傍の平均密度と比較します。

4. 最終スコア。 最終的な LOF 値は、点周辺の密度が近傍の密度と比較して何倍低いかを示します。

   • LOF ≈ 1：点の密度は周囲と同程度（正常）。

   • LOF >> 1：密度が著しく低い（異常の可能性）。異常のしきい値は通常 > 1.5 とされます。

用途

LOFは、異常が全体的な背景だけでなく個々のデータグループ内に存在する可能性がある問題に広く適用されています。

• 一般的な異常検知： 疑わしい取引、機器の故障、異常なユーザー行動の特定。

• 産業・エネルギー： 異常なエネルギー消費パターンの分析による損失予防と予知保全への移行。

• 時系列データ： 時系列データ内の異常点またはセグメント全体（部分系列）の検出（例えば、適応版を使用）。

Trixter LOF ボットはこのアプローチを適用して構築されています。

Trixter LOF アルゴリズムは、Local Outlier Factor（略称 LOF）を使用してパターン検索を実装します。私たちは、金市場は十分に効率的であり、ほとんどの価格変動は予測不可能な市場ノイズを形成するという前提に立っています。しかし、金チャートの断片（いわゆる異常）の中で、最も予測可能な部分を抽出することができます。このようにして、予測可能性が高いチャートセグメントの 30% を特定しました。

主要な原則

• 複数の時間枠およびインジケーター期間における金のボラティリティ分析。
• 効果的なパターン（100 から 3000）を探すためのボラティリティのグループ化。
• 統計的検証：高い期待利益と統計的有意性。
• 検証を通過しなかったパターンはノイズとしてマークされ、そのような状況では取引は開始されません。
• 実口座での使用前に 2 年間のフォワードテストが必須。

取引ロジックの特徴

• 価格から選択した距離に指値注文で取引を開始 — スリッページ最小化。
• 指値注文が執行されず（価格が水準にタッチしない）、シグナルが消えた場合 — 注文は削除されます。
• オープンポジションにはストップロスとテイクプロフィットが設定され、逆シグナルで市場価格により決済されます。
• ロボットはマーチンゲール、アービトラージ、その他の高リスク戦略を使用しません。
• 推奨時間枠：M5 から H1。最適は H1 XAUUSD。
• 取引活動の柔軟な調整が可能です（以下のパラメーター）。

主要設定

• 買いシグナルを許可、売りシグナルを許可 — 市場の方向性に確信がある場合に買い/売りを許可または禁止します。
• シグナル感度、フィルター感度 — シグナル感度とノイズフィルタリングのしきい値。デフォルト値は 0.5。よりクリーンなシグナルのために 0.7～0.9 まで上げることが可能。
• 取引時間によるフィルター — 取引時間の制限。デフォルトは 24/7。

資金管理設定

• 指値注文の距離（ポイント数） — 価格から指値注文までの距離。デフォルト：250。小さい → 取引数増加、大きい → より保守的。
• 最大ポジション＋注文数 — 同時にオープンできる最大ポジション数（平均化なし）。デフォルト：3。
• 追加設定可能項目：オープン間隔、最大スプレッド制御、ストップロスおよびテイクプロフィットレベル。