魔術師をめざして

魔術師を目指して、相場・数学・プログラム言語を研究しています。

Deep Learning

Deep Mind 社(Google)が開発した AlphaGo がトップクラスの囲碁棋士(韓国)に4勝1敗で勝利したことは記憶に新しい。この AphaGo は囲碁の定石などのロジックを組み込んだものではなく、Deep Learing という汎用のメカニズムを利用しているとのことだ。

f:id:fxrobot:20160615223549j:plain

上の画像は Deep Learning によってブロック崩しをやらせた例で、最初に得点を増やすという目的のみを与える。すると最初はボールを弾くことさえできず放置状態。それが偶然にボールを弾き得点が得られると、弾くことを覚える。

そして4時間後には、崩した一角からボールを裏側に回し、高得点を得るテクニックまでを覚えた。これはゲームとのインターフェースを別にするとそのメカニズムは汎用的なものだ。

AlphaGo では過去行われた15万局の棋譜を画像として与えたそうだ。そして勝つときのパターンを学習させた。つぎにある程度強くなった段階からは、AlphaGo 同士を対局させて勝つ方法を学ばせたのである。その数たるや驚きの 3000万局とのことだ。

Deep Learning 自体、とても興味深い話題だが、さて、ここからが本題。

Deep Learning 能力を持った FX の AI トレーダーに過去の大量データから勝ちパターンを学ばせ最強のトレーダーに育ててからトレーディングをさせたらどうなるだろう。まぁ、これは誰もが考えつくことだ。

今後、多くの AI(プログラム)の FX 市場への参入によって相場の状況が変わったとしても Deep Learning はそれにどう対処すべきかを学んでいくだろう。その場合、多くの FX ロボット(MQL 4/5 プログラムなど)はプログラム自体の変更を余儀なくされるはずだ。

まぁ、ぼくが言いたいことは、われわれの幾分古くさい FXロボット開発においても、固定的なロジックばかりではなく、最新の相場データを(リアルタイムでなくとも)常に分析させる方法論が必要になるのだろうということだ。

Deep Learning という汎用のメカニズムは Google が持ってる。さりとて我々だって、対象を FX に限定すれば似たようなアプローチは可能ではないだろうか。