戦略タイプ
機械学習トレーディングアルゴリズム
量的金融のためのオープンソース ML モデル
機械学習トレーディングアルゴリズムは、統計的学習モデル（勾配ブースティング、ニューラルネットワーク、Transformer）を金融時系列データに適用し、価格変動を予測したり取引シグナルを生成します。これらのオープンソース実装は、回帰（価格目標）と分類（方向）の両方の定式化をカバーします。
12 アルゴリズム2 ライブラリ
アルゴリズムネットワーク
ML アルゴリズムがライブラリ間でどう接続するか
ML Algorithms
Freqtrade9 algos
Microsoft Qlib6 algos
LightGBMRegressorintermediate
LightGBMClassifierintermediate
XGBoostRegressorintermediate
XGBoostClassifierintermediate
PyTorchMLPRegressoradvanced
PyTorchTransformerRegressoradvanced
LGBModelintermediate
XGBModelintermediate
DNNModeladvanced
ALSTMadvanced
TFTModeladvanced
GATsadvanced
トレーディング判断パイプライン
ML アルゴリズムがトレーディングシステムでどう連携するか
1
Market Data Input
Price, volume, indicators
OHLCV price data
Technical indicators
Feature engineering
2
ML Signal Generation
Model predictions
LightGBM/XGBoost regression
Transformer sequence modeling
MLP classification
3
Entry Decision
Signal threshold filtering
Confidence score > 0.6
Direction: Long/Short
4
Exit Strategy
Profit taking & stop loss
Take profit (fixed % or trailing)
Stop loss (ATR-based)
5
Risk Management
Position sizing & portfolio
Position sizing (Kelly criterion)
Portfolio rebalancing
アルゴリズム比較
主要な観点で ML アルゴリズムを比較
アルゴリズム比較マトリクス列をクリックして詳細を表示
| 項目 | LightGBMRegressorFreqtrade | LightGBMClassifierFreqtrade | XGBoostRegressorFreqtrade | XGBoostClassifierFreqtrade | PyTorchMLPRegressorFreqtrade | PyTorchTransformerRegressorFreqtrade | LGBModelQlib (Microsoft) | XGBModelQlib (Microsoft) | DNNModelQlib (Microsoft) | ALSTMQlib (Microsoft) | TFTModelQlib (Microsoft) | GATsQlib (Microsoft) |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 複雑度 | ⭐⭐⭐intermediate | ⭐⭐⭐intermediate | ⭐⭐⭐intermediate | ⭐⭐⭐intermediate | ⭐⭐⭐⭐advanced | ⭐⭐⭐⭐advanced | ⭐⭐⭐intermediate | ⭐⭐⭐intermediate | ⭐⭐⭐⭐advanced | ⭐⭐⭐⭐advanced | ⭐⭐⭐⭐advanced | ⭐⭐⭐⭐advanced |
| 予測タイプ | 回帰 | 分類 | 回帰 | 分類 | 回帰 | 回帰 | 混合 | 混合 | 混合 | シーケンス | 混合 | 混合 |
| 学習速度 | ⚡⚡⚡ | ⚡⚡⚡ | ⚡⚡⚡ | ⚡⚡⚡ | ⚡⚡ | ⚡ | ⚡⚡ | ⚡⚡ | ⚡⚡ | ⚡ | ⚡⚡ | ⚡⚡ |
| 精度 | 📊📊📊 | 📊📊📊 | 📊📊📊 | 📊📊📊 | 📊📊📊 | 📊📊📊📊 | 📊📊 | 📊📊 | 📊📊 | 📊📊📊 | 📊📊 | 📊📊📊📊 |
| 最適用途 | 表形式データ | 表形式データ | 表形式データ | 表形式データ | 非線形パターン | 時系列パターン | 汎用 | 汎用 | 汎用 | シーケンシャルデータ | 汎用 | グラフ関係 |
Freqtrade
Gradient boosting regression model for price movement prediction using LightGBM.
ソース：
freqtrade/freqai/prediction_models/LightGBMRegressor.pyLightGBM classification model for user-defined discrete labels.
ソース：
freqtrade/freqai/prediction_models/LightGBMClassifier.pyXGBoost-based regression model for continuous value prediction.
ソース：
freqtrade/freqai/prediction_models/XGBoostRegressor.pyXGBoost classification model for user-defined discrete labels.
ソース：
freqtrade/freqai/prediction_models/XGBoostClassifier.pyMulti-layer perceptron neural network for regression-based price prediction.
ソース：
freqtrade/freqai/prediction_models/PyTorchMLPRegressor.pyQlib (Microsoft)
LightGBM model for stock return prediction using technical and fundamental features.
主要パラメータ
| num_leaves | 31 | Maximum number of leaves |
| learning_rate | 0.1 | Boosting learning rate |
ソース：
qlib/contrib/model/gbdt.pyDeep neural network for nonlinear feature extraction and return prediction.
主要パラメータ
| hidden_size | 256 | Hidden layer size |
ソース：
qlib/contrib/model/pytorch_nn.pyAttention-based LSTM for sequential stock data modeling with attention mechanism.
主要パラメータ
| hidden_size | 64 | LSTM hidden size |
| num_layers | 2 | Number of LSTM layers |
ソース：
qlib/contrib/model/pytorch_alstm.pyTemporal Fusion Transformer combining static and temporal features for multi-horizon prediction.
ソース：
qlib/contrib/model/pytorch_tft.py機械学習トレーディングアルゴリズム, アルゴリズムリファレンス
- LightGBMRegressor (Freqtrade)
- Gradient boosting regression model for price movement prediction using LightGBM. ソース: https://github.com/freqtrade/freqtrade/blob/c0a991f5632cb900075ff2864b6671ed71a319d7/freqtrade/freqai/prediction_models/LightGBMRegressor.py.
- LightGBMClassifier (Freqtrade)
- LightGBM classification model for user-defined discrete labels. ソース: https://github.com/freqtrade/freqtrade/blob/c0a991f5632cb900075ff2864b6671ed71a319d7/freqtrade/freqai/prediction_models/LightGBMClassifier.py.
- XGBoostRegressor (Freqtrade)
- XGBoost-based regression model for continuous value prediction. ソース: https://github.com/freqtrade/freqtrade/blob/c0a991f5632cb900075ff2864b6671ed71a319d7/freqtrade/freqai/prediction_models/XGBoostRegressor.py.
- XGBoostClassifier (Freqtrade)
- XGBoost classification model for user-defined discrete labels. ソース: https://github.com/freqtrade/freqtrade/blob/c0a991f5632cb900075ff2864b6671ed71a319d7/freqtrade/freqai/prediction_models/XGBoostClassifier.py.
- PyTorchMLPRegressor (Freqtrade)
- Multi-layer perceptron neural network for regression-based price prediction. ソース: https://github.com/freqtrade/freqtrade/blob/c0a991f5632cb900075ff2864b6671ed71a319d7/freqtrade/freqai/prediction_models/PyTorchMLPRegressor.py.
- PyTorchTransformerRegressor (Freqtrade)
- Transformer architecture for time-series regression using self-attention mechanism. ソース: https://github.com/freqtrade/freqtrade/blob/c0a991f5632cb900075ff2864b6671ed71a319d7/freqtrade/freqai/prediction_models/PyTorchTransformerRegressor.py.
- LGBModel (Qlib (Microsoft))
- LightGBM model for stock return prediction using technical and fundamental features. 主要パラメータ: num_leaves (Maximum number of leaves), learning_rate (Boosting learning rate).ソース: https://github.com/microsoft/qlib/blob/main/qlib/contrib/model/gbdt.py.
- XGBModel (Qlib (Microsoft))
- XGBoost model for stock return prediction. ソース: https://github.com/microsoft/qlib/blob/main/qlib/contrib/model/xgboost.py.
- DNNModel (Qlib (Microsoft))
- Deep neural network for nonlinear feature extraction and return prediction. 主要パラメータ: hidden_size (Hidden layer size).ソース: https://github.com/microsoft/qlib/blob/main/qlib/contrib/model/pytorch_nn.py.
- ALSTM (Qlib (Microsoft))
- Attention-based LSTM for sequential stock data modeling with attention mechanism. 主要パラメータ: hidden_size (LSTM hidden size), num_layers (Number of LSTM layers).ソース: https://github.com/microsoft/qlib/blob/main/qlib/contrib/model/pytorch_alstm.py.
- TFTModel (Qlib (Microsoft))
- Temporal Fusion Transformer combining static and temporal features for multi-horizon prediction. ソース: https://github.com/microsoft/qlib/blob/main/qlib/contrib/model/pytorch_tft.py.
- GATs (Qlib (Microsoft))
- Graph Attention Networks modeling stock relationships for cross-stock prediction. ソース: https://github.com/microsoft/qlib/blob/main/qlib/contrib/model/pytorch_gats.py.