FXをディープラーニングで学習させたら勝てるのか

結論

学習の進み方

横軸は世代（進化戦略の更新回数）。縦軸は学習に使っていない期間（2016〜2019年）での1年リターンの中央値です。 学習期間の成績ではなく、見たことのない年での成績を出しています。

1年の走りを再生する

学習に使っていない2020年以降から、ランダムな日付・ランダムな通貨ペアで1年間動かしたときの資産推移です。 元手 $10,000、同じ期間・同じ手数料で「ただ買って持つだけ」も並べています。

200年ぶん走らせた結果の散らばり

期間外（2020年以降）のランダムな1年窓を200本。横軸が1年後のリターン、縦軸がその本数です。

4つのやり方を同じ条件で比べる

同じ200本の1年窓・同じスプレッド・同じレバレッジで比較しています。

報酬の重みを変えるとどうなるか

報酬は 1年後のリターン% − λ × 最大ドローダウン% − 取引回数の罰 です。 λ が大きいほど「負けを浅くすること」を重く見ます。

λ=2 のときだけ勝率が五分に近づき、最悪の年も浅くなりました。 ただし中央値はマイナスのままで、「ただ買って持つだけ」には届いていません。

なぜこうなるのか

1. 保持時間が短いほど、スプレッドが重くのしかかる

勝つために必要な「方向を当てる確率」です。50%は当てずっぽうと同じ意味なので、 これを超えて当て続けられなければ黒字になりません。

2. 方向は読めないが、値動きの大きさは読める

過去と未来の相関です。0に近いほど「読めない」。 方向はすぐ0になりますが、値動きの大きさは1日後でも残ります。

この2つが同時に成り立つと、方向を当てにいく短期売買は原理的に不利になります。 当てられないものを当てにいき、当たっても毎回スプレッドを払うためです。 一方で「値動きの大きさ」は読めるので、方向ではなく変動幅を扱う道（オプションなど）は別の話になります。

検証の条件

学習に使ったのは2015年までです。2016〜2019年はどの重みを残すかの判断だけに使い、 2020年以降はこのページの結果を出すまで一度も使っていません。 年も通貨ペアも、価格の水準もボラティリティの水準もネットには渡していません。 渡しているのは、ボラティリティで割って正規化した値動きの形と、曜日・時間帯の時計だけです。