【要約】固定ホライズンのラベルは、なぜ筋が悪いのか——トリプルバリア法という選択肢 [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
アルゴリズムトレードのモデル開発者が、学習用ラベルを設計する際に直面する構造的な課題を論じている。単純な「n本後の価格比較」を用いる固定ホライズン法には、以下の問題がある。
- ・実運用との乖離：途中の損切りや利確を無視するため、モデルが非現実的な挙動を学習する。
- ・設定の恣意性：ホライズンの期間設定に根拠がなく、市場のボラティリティ変化に対応できない。
// Approach
開発者が実運用ルールと整合したモデルを構築するため、トリプルバリア法を用いたアプローチを提案している。具体的には以下の手法を組み合わせる。
- ・トリプルバリアの設定：利確、損切り、保有期限の3つの境界線を定義し、最初に接触したバリアでラベルを決定する。
- ・動的バリアの導入：バリア幅を固定値ではなく、直近のボラティリティに連動させて算出する。
- ・不均衡への対処：ラベルの偏りに対し、サンプルの除外、重み付け、またはメタラベリングによる二段階判定を適用する。
// Result
適切なラベル設計を行うことで、モデルの学習対象と実運用での取引ルールを一致させられる。これにより、以下の成果が得られる。
- ・実用性の向上：利確・損切りを考慮した学習により、実運用に近い挙動を実現する。
- ・適応力の強化：ボラティリティ連動により、相場環境の変化に強いモデルを構築できる。
- ・精度の最適化：メタラベリング等の手法により、シグナルの信頼性を高められる。
Senior Engineer Insight
> 金融ドメインのMLにおいて、ラベル設計はモデル構造以上に重要だ。トリプルバリア法は実運用との整合性を取るための必須技術と言える。ただし、ラベルの窓が重なることで発生するリークには細心の注意が必要だ。purgeやembargoといったデータ分割の厳格な運用がセットでなければ、この手法の恩恵は得られない。設計の妥当性を常に疑う姿勢が求められる。