※本記事にはアフィリエイト広告(プロモーション)が含まれています。

筆者のBTCボットは、売買判断にLightGBM(機械学習)を使っています。この記事では、「ルールベースの戦略から一歩進んで、機械学習でシグナルを作ってみたい」という方向けに、最初の一歩をコード付きで解説します。

※本記事はモデル構築の基本的な流れの紹介です。実運用に組み込む際は必ずバックテストで検証し、手数料込みで有効性を確認してください。

なぜLightGBMなのか

機械学習にはいろいろな手法がありますが、ボットの売買シグナルにはLightGBM(勾配ブースティング木)がよく使われます。

• 表形式データ(OHLCVやテクニカル指標)との相性が良い — 画像や文章と違い、価格データのような数値テーブルはこの手の手法が強いです
• 学習が速い — ディープラーニングに比べて、通常のPCでも数秒〜数十秒で学習が終わります
• 特徴量の重要度がわかる — どの指標が予測に効いているかを確認できるので、改善の方向性が見えます

pip install lightgbm pandas numpy scikit-learn

全体の流れ

1. 価格データ(OHLCV)を取得する
2. 特徴量(モデルへの入力)を作る
3. ラベル(正解データ)を作る
4. 学習用と検証用にデータを分ける
5. モデルを学習させる
6. 予測させて、確率をシグナルとして使う

ステップ1: 特徴量を作る

生の価格をそのままモデルに入れても、あまり良い予測はできません。価格の「特徴」を数値化したものを入力にします。

import pandas as pd
import numpy as np

def add_features(df: pd.DataFrame) -> pd.DataFrame:
    df = df.copy()

    # リターン系: 価格の変化率
    df['return_1'] = df['close'].pct_change(1)
    df['return_5'] = df['close'].pct_change(5)

    # 移動平均からの乖離
    df['sma_20'] = df['close'].rolling(20).mean()
    df['dist_sma20'] = (df['close'] - df['sma_20']) / df['sma_20']

    # ボラティリティ(ATRの簡易版)
    high_low = df['high'] - df['low']
    df['atr_pct'] = high_low.rolling(14).mean() / df['close']

    # RSI(買われすぎ・売られすぎの指標)
    delta = df['close'].diff()
    gain = delta.clip(lower=0).rolling(14).mean()
    loss = -delta.clip(upper=0).rolling(14).mean()
    df['rsi'] = 100 - (100 / (1 + gain / loss))

    return df.dropna()

ここで作った return_1、dist_sma20、atr_pct、rsi などが特徴量です。実際の運用では、これに出来高・上位足のトレンド方向・センチメント指標などを加えていきます。

ステップ2: ラベルを作る(ここが一番重要)

機械学習で一番難しく、一番結果を左右するのがラベル設計です。「何を予測させるか」を決める作業です。

シンプルな例として、「N本先の価格が一定%以上上がっていたら1、それ以外は0」というラベルを作ってみます。

def add_label(df: pd.DataFrame, forward_bars: int = 8, threshold: float = 0.005) -> pd.DataFrame:
    df = df.copy()
    future_return = df['close'].shift(-forward_bars) / df['close'] - 1
    df['label'] = (future_return > threshold).astype(int)
    return df.dropna()

ここで手を抜くと、どんなに特徴量を頑張っても予測精度は上がりません。 筆者も、TP到達を先着判定にする、ラベル用の値幅を調整するなど、何度も設計をやり直しました。「未来を正しく言い当てられる、かつ意味のある問い」になっているかを常に疑ってください。

ステップ3: 学習させる

import lightgbm as lgb
from sklearn.model_selection import train_test_split

feature_cols = ['return_1', 'return_5', 'dist_sma20', 'atr_pct', 'rsi']
X = df[feature_cols]
y = df['label']

# 時系列データなので、ランダム分割ではなく時系列順に分割する
split = int(len(df) * 0.8)
X_train, X_valid = X[:split], X[split:]
y_train, y_valid = y[:split], y[split:]

model = lgb.LGBMClassifier(
    n_estimators=100,
    max_depth=4,
    num_leaves=15,
    min_child_samples=30,
    reg_lambda=1.0,
)
model.fit(X_train, y_train)

print('検証Acc:', model.score(X_valid, y_valid))

⚠️ 必ず時系列順に分割してください。 ランダムに分割すると、未来のデータで過去を予測する「ルックアヘッド」が混入し、検証精度が現実離れして高く出ます(バックテストの罠で解説した「未来のデータで最適化する」の一種です)。

ステップ4: 予測をシグナルとして使う

proba = model.predict_proba(X_valid)[:, 1]  # 上がる確率

# 確率が閾値を超えたらBUYシグナル
buy_signal = proba > 0.6

ここで注意したいのが、確率の較正です。LightGBMの生の predict_proba は「本当に60%当たる」ことを意味しない場合があります。CalibratedClassifierCV で較正すると、確率と実際の的中率のズレを補正できます。

from sklearn.calibration import CalibratedClassifierCV

calibrated = CalibratedClassifierCV(model, method='isotonic', cv=3)
calibrated.fit(X_train, y_train)

実運用でハマりがちな3つの罠

1. 過学習(訓練データだけ異常に強い)

訓練Accが90%超えなのに検証Accが50%台なら、過学習しています。max_depth や num_leaves を小さくする、reg_lambda(正則化)を強めるなどで抑えます。

2. 特徴量重要度が偏りすぎている

特定の1〜2特徴量だけに予測が依存していると、その特徴量が効かなくなる相場で崩れます。model.feature_importances_ で確認し、偏りすぎていないかチェックしましょう。

3. モデルの再学習を忘れる

相場の性質は時間とともに変わります(レジームが変わる)。一度学習して終わりではなく、定期的にモデルを再学習する仕組みを入れないと、徐々に精度が落ちていきます。

まとめ

• LightGBMは価格データのような表形式データと相性が良く、学習も速い
• ラベル設計が最重要。特徴量よりここに時間をかける価値がある
• 時系列データは必ず時系列順に分割する。ランダム分割はルックアヘッドの温床
• 確率の較正・過学習対策・定期再学習を忘れずに

機械学習はあくまで「予測の道具」であり、それだけで儲かるわけではありません。リスク管理やバックテストでの検証とセットで初めて意味を持ちます。ボット全体の作り方はPython×ccxt入門から、ぜひどうぞ。