私の構築日記

トレードシステム構築で取り組んでいきたいこと

前回の続きです。今後どうするのか?

本口座でテスト稼働

稼働中のシステムと似たような感じなのでヘッジは期待できませんが、ディープラーニングのテストも兼ねて少額で本口座で動かして見ます。今のシステムがリスクを取りすぎていると思うので、もしこちらの方が落ち着くようであれば、徐々に資金配分を替えていこうかと思います。

RNNを試してみる

ネットにも金融にディープラーニングを利用した事例が出回るようになってきましたが、どれもRNNでやっている気がします。今はまだMNISTに毛が生えたようなことしかやっていないので、RNNにしたらパフォーマンスが上がるのかどうか確認してみたいです。

トレード戦略を再考

改良したい点は2点あります。トレード数の分散と、ポジション管理です。一朝一夕ではできないので、長い時間をかけていくことになると思います。

トレード数の分散

今の戦略では、単純にボラが高いときにシグナルがたくさん出て平常時はシグナルがほとんど出ません。平常時にシグナルが出るように閾値を下げると、ボラが高いときに異常なほどシグナルが出て破綻します。異常時にのみ機能するレジームスイッチモデルのシステムとして運用するのはありかもしれませんが、切り替えが上手くできる自身がありません。それに異常時の損失をできるだけ抑えて、平常時に機能するシステムはどのみち必要です。

ですが、改良案がない状態が長いこと続いています。単純にATRやVIX指数でフィルタしてもパフォーマンスが下がるだけでした。シグナルの閾値をVIX指数に連動して可変にしてみたりとかしましたが、本番採用レベルには到っていない状況です。

ポジション管理

複数ポジションを持つようにして、平均建値を有利価格に、そして損しているポジションは早めに決済して含み益があるポジションを長く持つようなポジション管理ができるようになるのが理想です。

modelの構築方法を再考

今回のディープラーニングのmodelは分類で作成しました。とはいえ、データの分類が価格差に基づいているので、回帰に近いような特性があるのだと推測しています。ボラがあるときに一番機能するのもこういう理由だからでしょう。なので、このmodelの構築を分類から回帰にしたところでパフォーマンスはたいして変わらないと思っています。model構築の着眼点を価格差ではなく別の何かにする必要があるなと思っています。

最近話題のAlphaGoは、石の差が最大になるような判断でなく勝率が高くなる判断を下していると聞いたことがあります。これをヒントに、為替も価格差が最大になるような予測をするのでなく、勝率が高くなる安定志向の判断をmodel構築の時点から取り入れることができたらなと思っています。

強化学習

これもAlphaGoの影響です。model構築後、さらに強化学習を用いて精度を上げることが出来るならと夢見てます。ここまでくると、個人では技術的には難しい気がしますが・・・ いずれ、やってみたいです。

COMMENT

メールアドレスが公開されることはありません。