← Issues一覧 完了 暗号資産

010: 方向予測シグナルロジック改善(+ 011統合)

ステータス: done(2026-02-28)

概要

方向予測の抜本改善。テクニカルシグナル改善(010)→ 限界判明 → 分類モデル導入(011)で解決。 H足で効果確認後、30M/15Mにも展開。

方向予測精度

TF Voting(旧) Cls(新) 改善幅 テスト数
H 45.4% 58.3% +12.9% 108
30M 37.3% 51.4% +14.1% 276
15M 39.0% 49.8% +10.8% 500

バックテスト MAE(2026-02-28)

H足

期間 Close High Low
+1h 0.64% 0.61% 0.60%
+4h 1.46% 1.41% 1.48%
+12h 2.50% 2.50% 2.56%

30M足

期間 Close High Low
+1 bars 0.43% 0.35% 0.42%
+2 bars 0.64% 0.60% 0.65%
+6 bars 1.16% 1.14% 1.21%

15M足

期間 Close High Low
+1 bars 0.28% 0.25% 0.28%
+4 bars 0.60% 0.57% 0.62%
+12 bars 1.13% 1.08% 1.15%

実施内容

010 Phase 1-4: テクニカルシグナル改善

011-A: デリバティブ特徴量

011-B: 確信度ゲート

011-C: 直接分類モデル(スタッキング)

学んだこと

  1. テクニカル指標の限界: RSI, MACD, Stoch, MAクロス全て43-50%精度。チューニングの余地なし
  2. 確信度ゲートの罠: 予測変化が小さい ≠ 方向不明。分類モデルは小さい変化でも方向を学習できる
  3. スタッキングの効果: 回帰モデルの予測変化率を特徴量にした分類器が最も効果的
  4. TF横断の汎用性: H足で開発した分類モデルがそのまま30M/15Mでも+10-14%改善

変更ファイル

ファイル 変更内容
_predict_ohlc/feature_engineering.py H足に4H特徴量+デリバティブ特徴量, get_feature_cols除外リスト
_predict_ohlc/model.py predict_direction_cls() 追加
_predict_ohlc/direction_prediction.py マルチTF判定, 確信度ゲート, 分類モデル主導モード
_predict_ohlc/config.py gate_threshold, cls_primary設定(H/30M/15M全有効)
predict_ohlc.py 分類モデル呼び出し(ライブ+バックテスト), _build_and_predict_cls()
tool_optimize_direction.py --with-gate, cls_primary探索, キャッシュ拡張

現在の設定値

"direction_gate_threshold": 0.0,       # 全TF無効
"direction_cls_primary_H": True,       # H足: 58.3% (+12.9%)
"direction_cls_primary_30M": True,     # 30M: 51.4% (+14.1%)
"direction_cls_primary_15M": True,     # 15M: 49.8% (+10.8%)

未実施(010提案のうち見送り)