【爆損！？仮想通貨MLボット】 richmanbtcさんチュートリアルモデルの現状（2022年7月版）

こんにちは、rog_peterです。
皆様いかがお過ごしでしょうか？　私はこの連日の暑さ、そして仮想通貨冬の時代の寒さでやられております。

さて今回はその冬の時代に関連したお話です。巷では、仮想通貨は冬の時代に突入したと言われておりますが、実際、その冬の時代では、richmanbtcさんチュートリアルモデルはどれくらい利益をあげられるのか、それとも損失を出し続けるのかという点について書いてみたいと思います。

まずは結論からということで、下記はチュートリアルでも使用しているGMOコインのBTC/JPYの15分足の最近までのデータでチュートリアルそのままの特徴量、執行方針、機械学習モデルでバックテストを行った結果です。

richmanbtcさんチュートリアルモデルのバックテスト

2021年11月くらいから損益が減少傾向、すなわち損失を出し続けてしまっていることが分かります。

richmanbtcさんのモデルは一定時間ごとに終値に対してATRの0.5倍の指値幅の位置で指値を指すという執行方針をベースにしたもので、トレンドが少なく、ボラが大きい状態が続く場合は大きな利益をあげられますが、トレンドがあったり、ボラが小さいと損を出しやすくなる傾向にあります。おそらく最近のGMOコインのBTC/JPYの15分足のデータは後者の傾向に当てはまっているのではないかと考えられます。

それならMLボットは儲からないのか、というと必ずしもそうではないと思います。（とはいっても、冬の時代はだいたいボラが少なめなので儲けづらいとは思いますが。）

MLボット初心者の方向けにいくつか検証案を書いてみると、

• GMOの15分足だけではなく、1分足、5分足、30分足、1時間足、4時間足など他の足でも試してみる

• GMOではなく、Bitflyer, Bybit, Binanceなどの別の取引所のデータ、または別の通貨ペアで検証してみる

• 指値に使っているATRの係数を変えてみる

• 機械学習モデルや特徴量を変えてみる

• そもそも単純なATRベースの指値を毎回出すという執行方針ではなく、成行を取り入れたり、直近の順張り、逆張り、あるいはトレンドフォローなど別の執行方針と機械学習を組み合わせてみる

などが考えられます。これらを検証していくと、意外に冬の時代でも安定して稼げる機械学習ボットが作れるかもしれません。

また時間があるときにこれらの案に関してより詳細に別記事で書こうかなと思っています。

では、よいBotter Lifeを！