こんにちは、コミュニティ！👋
暗号通貨市場は混沌、ボラティリティ、24/7のストレスです。数学とコードを使ってそれを制御できるのでしょうか？
最近、私はEnsemble Machine Learningに基づくトレーディングエージェントというペットプロジェクトに取り組んでいます。これは単なる「RSIのボット」ではなく、意思決定のために3つの異なるニューラルネットワークを組み合わせた複雑なアーキテクチャです。
技術的な詳細とアーキテクチャを共有したいです。これは単なる実験の技術的レビューであり、行動を促すものではありません。
🧠 システムの「脳」：アンサンブル学習とは？
1つのモデルはしばしば間違えます。だから私はアンサンブル（Ensemble）という手法を使いました。これは3人の異なる専門家の投票で決める取締役会のようなものです。
私のエージェントは、BTC、ETH、BNB、SOL、XRPの各ペアを、複数のタイムフレームで3つのモデルを使って分析します：
1. CatBoost（アナリスト）：
• 勾配ブースティングのアルゴリズム。
• 何をするか：31のインジケーター（RSI、出来高、ボラティリティ）の間の非線形な関係を探します。
• 強み：表形式データで最も高い精度（AUC ~0.75）。
2. Transformer（ストラテジー）：
• ChatGPTの基盤と同じアーキテクチャですが、数字向けに。
• 何をするか：Self-Attentionの仕組みで、過去の512本のローソク足を分析します。
• 強み：グローバルなパターンと長期的な文脈が見えます。
3. TCN（タクティック）：
• Temporal Convolutional Network（時間畳み込みネットワーク）。
• 何をするか：ローカルトレンドに焦点を当てます。
• 強み：短期予測に非常に速くて効率的です。
📊 意思決定はどう行われる？
各モデルが「投票」します。エージェントはそれらの予測の加重平均を取ります。これにより誤ったシグナルをフィルタできます。たとえば1つのモデルがパニックになっても、他の2つが落ち着いていれば、取引は開かれません。
🛡 リスク管理 > 利益
ボットの最大の問題は、夜の間に「口座を溶かす（失わせる）」ことがあり得る点です。だから私は、取引を学習させる前から保護システムを組みました：
• 動的ストップ：Stop-LossとTake-Profitは固定ではなく、市場のボラティリティに応じて適応します（ATR経由）。市場が跳ねるならストップは広く、レンジ相場なら狭くします。
• 2スピードのアーキテクチャ：
• Slow Cycle（5分）：Watchlistの中からより良いコインを選ぶことに集中して考えます。
• Fast Cycle（1秒）：取引を実行し、スプレッドと流動性を監視します。
• 「チルト（過熱/取り乱し）」への防御：1日のドローダウンを制限（最大3%）、建玉数の上限、取引間のクールダウン期間。
📈 テスト結果（正直な数字）
過去データ（バックテスティング）では、システムはAUC指標を0.71〜0.73のレベルで示します。
参考：AUC 0.5 はコイン投げのようなものです。AUC 0.7+ は、方向性を予測できるという統計的に有意な能力です。
これは「大金ボタン」を意味するわけではありませんが、リスク管理を守ればプラスの数学的期待値が得られます（Risk/Reward 1:2の関係）。
🚀 ロードマップ：次は何？
プロジェクトは現在、積極的に開発中です。追加したいのは以下です：
1. オーダーブック分析：価格だけでなく、板（買い手/売り手の偏り）も見るようにニューラルネットワークを学習させます。
2. レジーム適応：エージェント自身が今の市場がトレンドなのか横ばいなのかを理解し、モデルの重みを自動的に切り替えます。
3. 強化学習（RL）：ポジションサイズを制御するエージェントを追加します。不利益に対して「罰」し、正しいエントリーに対して「報酬」するようにします。
💻 技術スタック：Python、Asyncio、PyTorch、CatBoost。マシン：NVIDIA RTX 4070。
他の開発者やトレーダーの意見を聞いてみたいです。取引におけるAIについて、あなたはどう考えますか？アルゴリズムが距離を置いた状態でも市場を上回る（勝てる）と信じていますか？
コメントに書いてください！👇
