← 判定辞書トップ ／ AI・機械学習
× この検証で見つけられる大きさの優位は無かった
📜 翌日の上げ下げを当てる二値分類は、機械学習の練習課題としても定番です。
機械学習で翌日の上下を予測させると、モデルは「ずっと買い」に潰れました。儲けて見えた正体はただの円安(相場の追い風)でした。
📏 この「×」の正確な意味
「効かない」ではありません。「16年測ったが、この検証で見つけられる大きさの優位は無かった」です。16.6年・6通貨で測ると、年率シャープの数字は手法によらず前後0.22ほど揺れます(期間の長さだけで決まる量)。この揺れに埋もれない大きさ ── 年率シャープ0.62以上が、当ラボが8割の確率で見つけられる下限です。実務的にありがたい0.30程度の優位は、本当にあっても中央28%しか見つけられません。加えて×は4関門を全部落ちたという意味で、真に0.30の手法が4関門を通る確率は8.6%(=本物でも9割は×になる)。
したがってこの判定から言えるのは、「この手法に期待してよい上限は、年率シャープ0.62未満」までです。ゼロだとも、マイナスだとも言っていません。辞書トップの「検出できる下限」に詳しく書いています。
この辞書の記号は16年8ヶ月をまとめて1つに測った結果です。「全期間で測るとこうなる」という限定つきの事実であって、いつの相場でもそうだという意味ではありません。
では「昔は効いた」と書けるか ── 書けませんでした。48指標の減衰を2通りの時代の区切り方で測ったところ、2つの結果の相関は r=+0.28(並べ替え検定 p=0.056)。区切り方を変えると順位が入れ替わる指標が多く、「賞味期限」の多くは手法の性質ではなく区切り方の産物でした。
そこで主張は足さず、事実だけを並べます。「2014-17年に測ったらこの値だった」は来年も変わりません。変わり目があるかどうかは、表を見たあなたが決めてください。
全4期間を測り終えています。
読み方: 数字は期間内の年率シャープ(コスト控除後・同一の土俵で測定)(年率シャープ)。±0=値が自分の誤差(標準誤差)より小さく、ゼロと区別できない。n=◯=取引数が30回未満で、数字を出す意味がない。‡=別の区切り方で測ると符号が変わったセル(この数字は区切り方に依存します)。未測定=まだ測っていない。悪かったという意味ではありません。なお、この表の ±0・n=◯ は4年ごとに切った1つの期間の話で、ページ冒頭の判定記号(×=16年通しで見つけられる大きさが無かった / n=16年通しでも回数が足りない)とは粒度が違います。
測定日: 2026-08-28 ／ 対照分割(2年×8)と突き合わせ済み
データに繰り返しの偏り(円安期)があると、モデルは法則ではなく偏りを暗記します。レジームを分解すると予測力は消えました。
Q. より高度なモデルなら?
A. Transformer系+株・金利など外部データも検証しましたが、6通貨ほぼ全滅でした。
「当てる道具」としては非推奨。
関連ツール: 📊 検証スコアボード
※測り方(共通の土俵): 最長16年・最大6通貨・教科書どおりの標準ルールで、シグナルの次の足の値段から建て、コスト(スプレッド)控除後で評価。パラメータ選びに使う期間と成績を測る期間は分離(凍結)。詳細は検証の方法。
判定は当ラボの実検証(過去データ)に基づく要約であり、将来の結果を保証せず、特定商品・手法の断定的否定でもありません。本ページは教育目的であり、投資助言ではありません。