FX機械学習入門(1/6):MT5,Pythonを使ったFX機械学習の入門
面白い記事を見つけた。MT5で機械学習を行うものです。
面白いのは価格予測に必要そうなものだけじゃなくて、不必要かもしれないノイズデータを含ませる。
以下は記事の流れです。
1. データの取得と前処理
MetaTrader 5 (MT5) トレーディングプラットフォームを使用して、特定の通貨ペアの歴史的データを取得します。
取得したデータには、価格やボリュームなどの基本的な情報が含まれます。
データセットには、移動平均や価格変動率など、初歩的な統計的特徴量も計算され、追加されます。
2. 特徴量の拡張
既存のデータセットに対してデータ拡張を行い、ノイズの追加、時間のシフト、スケーリング、反転などの方法でデータの多様性を増加させます。
3. データラベリング
特定の条件を満たす場合にポジティブまたはネガティブなラベルをデータに割り当てることで、分類タスクのためのラベル付けを行います。
4. クラスタリング
ガウシアン混合モデル(GMM)を使用して、データポイントを類似のグループにクラスタリングします。これにより、データの潜在的な構造を理解しやすくなります。
5. 新しい特徴量の生成
データセットに対して、既存の列を組み合わせたり、統計的操作を行ったりして新しい特徴量を生成します。これは、モデルの学習に役立つ追加情報を提供することを目的としています。
6. 特徴量選択
RandomForestClassifierとRFECV(再帰的特徴量削減とクロスバリデーション)を使用して、モデルの性能に最も寄与する特徴量を選択します。
全部で6回で記事のコードを日本語化して説明していきます。
記事を全部読んだら、MT5とPythonの連携がちょっとうまくなるかも。
記事ではシグナルだすところまではやってないので注意してください。
この記事が気に入ったらサポートをしてみませんか?