
Lea(リア)はAIが相場を判断しビットコインを自動売買します。
「AI」と聞いて皆さんが言いたくなることはわかります。
「そのAIってなんや」
ですよね。
最近では何でもかんでもAIって言いますからね。
AI搭載を謳っているツール中には「ただのテクニカル指標の組み合わせ」のものもあるらしいので
本記事ではリアのAIの構造について説明していきます。
ディープラーニングとニューラルネットワーク

「ディープラーニング」という単語
耳にしたことがある方も多いのではないでしょうか。
リア の「AI」を語るうえで重要になってくる要素が「ディープラーニング」と「ニューラルネットワーク」です。
「AI」は今日まで様々な研究がなされ、様々な方法で人間の知的な作業をコンピューターで再現しようとしてきました。
その「人間の知的な作業」を再現する方法として今一番注目を集めているものが「ディープラーニング」です。
ディープラーニングでは与えたデータの特徴を自分でつかみ、データの関係性を表現することができます。
さらにそれは学習回数を重ねることで精度を高めることができます。
そしてその「ディープラーニング」を行う際に必要なのが「ニューラルネットワーク」
この二つの関係をわかりやすく説明すると
人が「勉強」をしますよね
そしてその勉強した事柄は「脳」に保存されますね
更に、効果的な勉強法はやはり「繰り返し」勉強することでしょう
そうすると脳に保存されている情報も更新され、それぞれの事柄の関係性が分かりやすくなってくるでしょう。
この
「繰り返し」「勉強」が「ディープラーニング」
「脳」が「ニューラルネットワーク」
にあたります。
「ディープラーニング」することで「ニューラルネットワーク」に覚えさせる
そんなイメージでいいです。
そしてその人間の脳にあたるニューラルネットワークは
人間の脳を模した構造になっています。
ニューラルネットワーク

人間の脳は「ニューロン」という神経細胞が相互に接続した構造をしています。
「猫」を見た人は目からの信号が複数のニューロンへ入力され、そこからさらに別の複数のニューロンへ、それはさらに別の複数のニューロンへ、、、、
と連鎖的に信号を伝達し最終的にそれが「猫」であると認識します。ニューラルネットワークはこの構造をコンピューター上に再現したものです

これは私が初めて作ったAI自動売買のニューラルネットワークです。
「入力層」と呼ばれる層と「中間層(隠れ層)」と呼ばれる層、そして「出力層」から成ります。
この場合、入力層に「価格データ」を入力し出力層から「上がるor下がる」確率を出力します。
図の丸記号を「ユニット」といいそれらは隣接する層と相互に接続しています。
ユニットにある値以上の信号が入力されると信号を出力、それは隣の層のユニットに伝えられそれらでも同じ処理がされます。
信号を出力する際に「重み」という定数をユニット毎に掛けて出力します。
その「重み」を調節していき、最終的な出力を求めているものに近づけていく作業が「学習」です。
反復学習による精度向上の過程は下記事に記載しています。
【記事執筆中】
より具体的な例

例えばこんな感じで100円、150円、120円、の後250円というチャートがあって
100,150,120円の情報から250円を予測します。

入力層に価格を入力し、出力層で予測値を出力するネットワークです。
赤字で掛け算してある値が「重み」です。
この重みでは出力が正解とかなり離れています。

そこで出力が正解に近づくように重みを調節する
これが「学習」です。
図は説明のためにかなり簡単なネットワークですが
実際はこの何十、何百倍、それ以上に複雑です。
画像認識技術の応用
さらに リア のニューラルネットワークは「畳み込み層」「プーリング層」という層を持った
画像認識に特化したニューラルネットワークを利用しています。
超超ざっくり説明すると
上項で説明したニューラルネットワークに「畳み込み層」と「プーリング層」という
層をかますことで 判断に必要のない情報を小さくし、 データの特徴を捉える事ができます。
リア はこれを相場の判断に応用し、相場のノイズの影響を小さくし全体的な特徴を捉えることで
精度を向上させています。

リア はこのようなAIを計165個搭載しています。
前の記事
次の記事