暗号資産の価格予測を機械学習で扱う方法—リスクをごまかさないために

暗号資産はデータサイエンティストを惹きつける理由があります。新しい指標は次々出てくるし、データも掘れば掘るほど出てくる。そして「より良いシグナル」を約束するモデルも常に増えます。

ただし、問題は暗号資産の相場が比較的すぐに“キャラチェンジ”する点です。バックテストでは筋が通って見えた予測でも、ライブ運用に入ると急に機能しなくなることがあります。

ここでの狙いは、機械学習を否定することではありません。あなたが騙されにくい形で使うことです。つまり「取引できる形」に予測を合わせ、リスクはドルではなくR（リスク単位）に根拠を持たせる、という設計にします。

暗号資産の「価格予測」が期待外れになりやすい理由

予測が外れる理由は、わりとパターン化されています。

• 速く状況が変わる相場では、ノイズとシグナルを分離できないことが多い
• 予測は取引計画ではない。モデルが方向性を推定できても、エントリーやストップ、そしてリスク管理は別途必要
• 多くのMLは方向や確率を出せますが、最終的な実装は市場構造（レベル、フェアネス、ポジションの偏り）と、あなたのリスクモデルに左右されます

整理するとこうです。予測は“確率の見積もり”に役立つ一方で、取引は「相場が動いたときに何をするか」と「間違えたときにどれだけ失うか」を決める作業です。

暗号資産でモデルが予測すべきもの

MLの出力を本当に取引に接続したいなら、測れて、判断や執行に落とし込めるターゲットに絞るのが基本です。

架空ではなく「取引できる」予測を

そのまま使える特徴・ターゲットを優先します。

• レジームの見込み：トレンド、レンジ、チャートが荒れる（chop）
• 継続の確率（または反転する確率）
• フェアバリューまわりの条件：トレーダーは割高を買っているのか、それとも平均より安い価格で約定しているのか

ターゲットは「測れる形」にする

「次の価格」ではなく、測れて執行に対応するものにします。たとえば：

• ストップがヒットする前に、価格が定義した値幅だけ有利に動く確率

こうした書き方にすると、モデルは“実際の執行と噛み合う振る舞い”を学びやすくなります。

エントリー時点でレジームをタグ付けする

現場では、個別の指標の微調整よりも「いま何のレジームか」の違いが効きやすいです。だからこそモデルには、今の状況でどの運用（プレイブック）が合うかを判断させます。

記号（銘柄）と時間軸をまたいで移植しやすいモデル入力

ありがちな失敗は、特定の銘柄・特定の時間軸・特定のボラティリティ環境でしか機能しない特徴を作ることです。市場の振る舞いを表す入力の方が、転用性が高くなります。

フェアネスをVWAPでアンカーする

以下を入れます。

• セッションVWAP（UTC 00:00にアンカー）
• 過去N本のローリングVWAP

VWAP（出来高加重平均価格）は、出来高で重み付けされた平均価格です。暗号資産の先物（特にパーペチュアル）では、フェアネスの“基準点”として役に立ちます。

• セッションVWAPより上：平均すると買い手が割高な価格を受け入れている
• セッションVWAPより下：平均すると売り手のほうが（買い手より）高い価格で約定させられている

ファンディングをコスト／ポジショニングのシグナルとして読む

パーペチュアル先物では、ファンディングレートでパーペチュアル価格をスポット近辺に保つ仕組みがあります。

• ファンディングがプラス：ロングがショートに支払う
• ファンディングがマイナス：ショートがロングに支払う

ここで大事なのは、「センチメント」だと決めつけないこと。実態はコスト（支払い）シグナルとして扱うのが筋です。特に使えるのは、レベルそのものより変化のほうです。

• 持続的にマイナス：混み合ったショートが支払い続けている
• 持続的にプラス：混み合ったロングが支払い続けている
• ゼロ付近で往復（平均回帰）：バランスが取れた状態になりやすい

逆指値板（オーダーブック）で執行の文脈を取る—ただし慎重に

板の偏り（ビッド側とアスク側の、タッチ近辺の出来高）や、加重ディプスは、レベル周辺でエントリーのタイミングを整えるのに役立つことがあります。

ただし、約定（実際の取引）と突き合わせが必要です。スプーフィング（見せ玉）が起きます。強く見える壁が、瞬時に消えることもあります。板の偏りが強いのに約定が売り続けるなら、そのビッドは見せ玉の可能性があります。

ボラティリティと構造への感度を足す

ATRベースの特徴は、「市場がどれだけ動くことに抵抗がある（＝動く余地がある）のか」をモデルに理解させる助けになります。なぜなら、同じ形が、ボラティリティのレジームによって全く別の結果になり得るからです。

よくある暗号資産のシグナルを、モデルが学べるルールに変える

多くのトレーダーはVWAP、ファンディング、オーダーブックの発想をすでに使っています。ポイントは、それを“なんとなくの解釈”ではなく、学習可能なルールに落とすことです。

VWAPは単独トリガーではなく、アンカー

VWAPは基準点として扱います。

• セッションVWAPより上：平均すると買い手が割高を受け入れている

ロング寄りで考える場合、VWAPはこう問いかける材料になります。市場が「フェアだ」と合意した平均より上を買っているのか？ それなら、なぜそう言えるのか？

トレンド局面でのVWAPリテスト

継続の構造としてありがちな流れは次です。

• 良い感じのセッション移動の後、VWAPの最初のリテストを監視する
• レジームがまだトレンドの振る舞いを支えているなら、高確率の継続ポイントになり得る

重要なのは“ならないこともある”という点です。レンジとトレンドでは、VWAPリテストの意味が変わります。

ファンディングは「符号」より「変化」を見る

モデリングに移しやすい目安は次の通りです。

• 持続的にマイナス：混み合ったショートが支払い続けている
• 持続的にプラス：混み合ったロングが支払い続けている
• 価値は“レベル固定”ではなく、シフト（変化点）を見抜くところに出やすい

オーダーブック：レベル周辺のタイミング

偏りをタイミングに使います。

• ビッドの支えが戻ってきて、そのレベルを奪い返すならロングに有利
• 現在価格より上に、厚い置かれたアスクがあるなら、ブレイク狙いの向かい風

ここでも「文脈」です。板だけで結論（テーゼ）まで作らないようにします。

レジーム分類が、ML設計の土台になる

レジームは、正しいプレイブックを選ぶための最も強いフィルターです。

実務では次の3つを使います：トレンド、レンジ、チャートが荒れる（chop）。

トレンド

トレンドは方向性のある構造です。

• ADXの上昇
• 高値更新／安値切り上げ（ショート側なら逆）

トレンドは、モメンタムでのエントリーや、トレーリング（追随）型のエグジットに向きます。

レンジ

レンジは、はっきりしたサポート／レジスタンスを中心に往復する状態です。

• ATRの収縮

レンジは、フェード（逆張り）／平均回帰のエントリー向きです。出口は、よりタイトで事前に決めた形が合います。

chop（もみ合いが荒れる局面）

chopはややこしいです。

• きれいな構造が見えにくい
• ストップ狩り（ストップの掃き）が頻繁に起きる

基本動作は小さくするか、見送るです。どうしても取引するなら、最も確度が高いセットアップに絞り、ストップが広くなることは受け入れます。

各取引はエントリー時点でレジームをタグ付けしましょう。時間が経つと、「指標A vs 指標B」よりも、レジーム別の成績のほうが差として出てくることがあります。

機械学習とディープラーニングはどこに効くのか

MLを健全に保つ方法は、「目的を意思決定に合わせる」ことです。

確率の予測とレジーム分類

ML／ディープラーニングで次を推定します。

• 継続と反転の確率
• 現在のレジーム分類の確率

次の価格の“決め打ちの経路”ではありません。相場は一直線に進む義務を負っていません。

時系列（シーケンス）モデルで“イベントのタイミング”を学ぶ

シーケンス（ディープラーニング）アプローチは、次のような局面での時間的パターンを学びたいときに役立ちます。

• VWAPリテスト
• ファンディングの変化
• オーダーブックのシフト

出力を執行に接続する

モデルの出力は、執行とリスクにそのまま差し込める形であるべきです。

モデルが「上」「下」しか言えず、それをエントリーのタイミングやストップロジックに変換できないなら、結局は主観判断に戻ってしまいます。

リスク管理：予測の質だけでは不十分、Rベースの制御が要る

良いモデルでも、リスクのロジックが一貫していなければ損失になります。

すべてをRにアンカーする

Rはリスク単位です。エントリーとストップ価格の差として扱います。

パフォーマンスはRで表現します。

• 期待値（expectancy）
• MFE（最大有利変動）
• MAE（最大逆行変動）

これが効く理由は、ドルの損益はボラティリティ環境で振れ幅が大きいからです。たとえば、+0.35R／トレードを取れる戦略は、相場が落ち着いていても荒れていても +0.35R になります。ドルの結果は、ポジションサイズとボラでスケールするだけです。

Rが揃うと、期待値（expectancy）は一般化しやすい

モデルの評価ではR建ての期待値に注目しましょう。ドル換算は必要になったタイミングで、最後に行います。

「予測」はストップを置き換えない

予測があっても、ストップがどう動くかは変わりません。トレードの分布（結果）は、ストップ距離、ポジションサイズ、エグジットルールが決めます。

ATRからポジションサイズを決めて、ストップの整合性を保つ

株数（数量）を固定して、ボラティリティが動くと、暗黙のストップ距離がズレていきます。ここで驚かされることが起きます。

1-ATRの逆行が、あなたのリスク予算に合うようにサイズを決める

ポジションサイズはATRに根ざすべきです。

• ストップ距離 = k * ATR
• kはレジームで決める

典型的なkのレンジは以下です。

• トレンド：1.0〜1.5
• chop：1.5〜2.0

そして、1-ATR逆行の大きさがあなたのリスク予算に一致するようにポジションを組みます。

よくあるミスは、ポジションサイズを固定してしまい、ボラが跳ねたときに暗黙のストップ距離がズレ続けることです。この仕組みが意図通りに動くには、ストップロジックとサイズ調整がセットでスケールしている必要があります。

モデル出力を執行のプレイブックに結びつける

レジーム確率と継続確率が出たら、それを運用へ反映します。

トレンドバイアス × モデルの確信度：VWAPに段階的に入る（追いかけない）

ブレイクの足（ローソク）を買うのではなく、直前のVWAP周辺で段階的に入ることを検討します。

典型的な構造は次です。

• 30%：最初のVWAP奪還
• 30%：薄い売りの厚みを伴うことが確認できたリテスト
• 40%：リテスト後に高値（＝higher-low）が形成されたところで

作動している時間軸で、価格がVWAPを下にクローズし直したら、残りの段をキャンセルします。

レンジバイアス：平均回帰のエントリー、出口はタイトに

レンジ条件なら、以下を優先します。

• タイトなストップ
• レンジの反対側のエッジ近辺でのエグジット

トレンドのロジックをそのまま転用しないでください。VWAP奪還でも、平均回帰の状況では意味が全然変わります。

chop：小さくするか、見送る

chopでは次の対応が基本です。

• サイズを落とす、または取引しない
• 取引するなら、最も確度が高いセットアップだけ
• 構造が必要とするなら、ストップは広めで受け入れる

モデルを検証する：重要なのは“当たるか”だけではない

バックテストは、優位性（エッジ）とリスクを測るために行います。精度だけ見ても不十分です。

R建ての期待値を評価する

これは、銘柄やボラティリティのレジームをまたいで一般化するための考え方です。Rベースの指標なら、評価の前提がブレにくくなります。

結果の分布を追う

勝率だけ見ないでください。

• MAE／MFEをRで追い、シグナルがあなたのストップロジックに対して早すぎ／遅すぎになっていないかを見る

MAEがストップに対して常に大きく出るなら、エッジが“執行タイミングの錯覚”になっている可能性があります。

レジーム別にストレステストする

エントリー時点で各取引にレジーム（トレンド／レンジ／chop）をタグ付けして、その違いで本当に成績が変わるか確認します。どこでも同じなら、モデルがレジーム構造を学べていないケースもあります。

実装チェックリスト（ライブで見る場所）

モデルの仕事は、執行が始まった瞬間から終わります。分析と執行の“同じ場”を揃えると整合性が上がります。

XT Exchange は、ライブの市場フィードからスナップショットとシグナルを得られる場所です。

実務チェックとしては次です。

• 対象のパーペチュアルを取引するなら、XT上でそのペアのセッションVWAP、ローリングVWAPの挙動、ファンディングのトレンド、オーダーブックの偏りを確認する
• ライブチャートで、あなたのレジームタグが現実と一致しているか、そしてVWAPリテストがそのセッションで想定通りに進んでいるかを確かめる

暗号資産は、短期間で印象が変わります。ライブ監視は研究の一部です。

次のステップ：XTで入力を確認し、Rベースのリスクから組み上げる

この枠組みを使うなら、まずはシンプルに始めるのが良いです。

• XT口座を開き、BTCペア（または好みのパーペチュアル）を取引して、セッションVWAP、ローリングVWAP、ファンディングの変化、オーダーブックの反応をリアルタイムで観察する
• そのうえで、ATR連動のサイズ調整により Rベースのエントリー／ストップロジックへ落とし込み、バックテストとライブの挙動をズラさないようにする

まずは1銘柄から始め、レジーム別に取引をタグ付けしてから複雑さを増やしてください。