PivotBillionsとディープラーニングで通貨取引モデルを強化し、30%の純利益増を達成

ディープラーニングは、画像分類、パーソナルアシスタント、ボードゲームでの競争など、多くの分野で革命をもたらしました。しかし、金融マーケットは驚くほど停滞したままです。収益性が高く正確な取引モデルを構築しようと努力する中で、当社(AuriQ Systems)では「金融通貨データをイメージとして表現することができれば」と考えました。

通貨データを画像に作り変える方法はたくさんありますが、大量の処理能力と調査が必要となります。そこで、私たちはPivotBillionsを使用して分析することにしました。PivotBillionsにデータを読み込んで分析し、そのカスタムモジュールを用いてデータを画像に作り変えることができました。また、値動きするたびに刻まれる点(ティック)に関して、データポイントごとにX、または分ごとに残りY分と表記するようにデータを作り変えることもできました。ただ、初期の段階では、ディープラーニングを使用することなく作業モデルを構築していました。

その頃の記事は以下になります。

そこで、構築したモデルの1つからシグナルを受け取り、ディープラーニングとAIでそれらを強化することにしました。

Keras(Pythonで書かれた機械学習ライブラリ)のワークフローにPivotBillionsを組み込むことで、モデルからシグナルを受け取るたびに常に残り100分になるようにデータを準備し、トレーニングおよびテスト用のデータセットを作成しました。そして、このデータをkerasにロードして、ディープラーニングモデルの開発に取り組みました。「どの100分の履歴を保存してディープラーニングに組み入れたのか」を繰り返し修正する必要がありましたので、Pivot Billionの処理性能を最大限に活用して繰り返し発生する応答時間を短縮しました。何度も繰り返した結果、モデルの弱点と強みを学習し、有益なシグナルを正確に予測するディープラーニングモデルを構築することができました。

この強化されたモデルを使用すると、データ全体を通じて驚くほど安定した利益を達成することができました。最初に当社では以下のようなシグナルを受け取りました。

これでも利益を出すことは可能ですが、ノイズやパフォーマンスの悪い期間が含まれているため、非常に不安定でした、そこで、以下のように変更しました。

ドローダウン(損失が発生して資産総額が減少すること、またはその減少幅や下落率のこと)の期間が大幅に短縮され、収益性が大幅に安定し、7カ月以内に30%近くの利益を達成することが可能になりました。今後も研究を続けていきますので、より優れたAI強化モデルについての今後の記事をぜひ楽しみにしていてください。