さて、NKYモデルを開発している過程で、面白いことが分かった。

 

過去5年を学習データにして予測していく場合と、過去1年を学習データにして予測していく場合では、その現われ方が明らかに違うのだ。

 

過去5年でも、1年でも、2008年、2009年は鬼のようなリターンが出る。
だが、過去5年なら直近2015,2016のリターンが軟調なのに対し、過去1年なら2015は鬼のように負けるのだが、2016年は平均的なリターンに戻るのだ。

 

ポイントとしては、日銀の所謂ETF介入が行われ始めたのが2015年であり、その影響でマーケットを大きくゆがめたことが如実に出ていると推察される。

 

そのもう一つの裏付けとなるのが、同じ考え方でTOPIXモデルを開発すると、5年なら軟調だがマイナスにはならず、1年なら逆に2016年がマイナスになる。

 

これは、TOPIXと日経の購入割合にその理由があるのだろう。

 

ただ、当然これはゆゆしき問題で、結局機械学習は過去のパターン認識をしているわけなので、未知のパターンが来たときの頑健性、つまりマーケットの転換点における頑健性が担保出来なければ、中々実運用のステップに移りにくいということにほかならない。

 

そのために、様々な期間で作ったモデルを同時に回し、平均的にポジションを入れるという方法があるが、そうすると結局リターンもリスクもあまり良くならない。

 

では、ANDをとったり、多数決をとったりするとどうかというと、学習データセットに独立性が薄いので、集合知ではなく集合愚になってしまう。

 

そこで、とりあえずアーキテクチャをシンプルなDNNから、RNNであるLSTMに変えてみた。

 

ノードの数、windowsize、学習データセットで現在最適化を行っているところだが、ある程度その選び方によっては、この20015,2016年に限った話では、改善の兆候が見えている。

 

これで年間10%を毎年期待できれば万々歳なんだがな、、、

 

週次のモデルには様々な経済指標など、相関性の高いものをかなり突っ込んで、そこで確率的属性選択で集合知を取ると、今の所結構な改善が見られている。

 

次元選択にばかり意識を向けていたが、案外集合知的な考え方でモデルを深めていった方がいいのかもしれない、、

 

ただ、本当に独立性が担保出来ているのか、そしてその一つ一つの予測精度が高いものなのかというところに疑問符が残るが、、

 

とりあえず何とかこのAIモデルで、マネージドフューチャーズのファンドを立ち上げたい!ので、引き続き研究を続けていきたいと思う。

ランキングポチは必ず頼むぞ。読み逃げは厳禁だ。

人気ブログランキングへ
にほんブログ村 為替ブログへ
にほんブログ村

売買ルールを手に入れたいなら、、、
動画講座はこちら
売買ルールの実践練習に、、、
チャートブックはこちら