【検証実録】MEGAMAX EA を超える戦略は本当に存在するのか?10年BT × ML/AI 全方位探索
目录
This article is in Japanese only. English articles are coming soon.
【検証実録】MEGAMAX EA を超える戦略は本当に存在するのか?
⚠ 2026-05-27 訂正注記: 本記事中の PF 119.57 / 勝率 94.3% / 月利+2,886% は、過去のBTスクリプト (phase2_streak) の過剰最適化由来の数値であり、より厳密な megagrid 10年BT (231M+ 組合せ、spread/slippage 込み) では PF 5.55 / 勝率 62.4% / 月利+9.4% (CAGR 195%) が真値です。記事中の数値はすべて旧値のままですが、相対比較や結論 (「単純戦略では超えられない」「効率的市場仮説の実証」) の方向性は変わりません。詳細: MEGAMAX EA ページ。
fxea365.com 運営者です。MEGAMAX EA v3.4 が「最強」と謳う以上、それを超える戦略を探さない訳にはいきません。
本記事では 10年Dukascopy データ × 各種戦略 × 機械学習 を全方位試行した実録結果を公開します。結論から言えば、単純な戦略では超えられない ことが統計的に実証されました。
試行1: megagrid (Asia Range広域パラメータ探索)
MEGAMAX のベース戦略 = Asia Range Breakout のパラメータグリッドを2,314,240通り探索。
結果 (XAUUSD):
| 指標 | MEGAMAX | megagrid TOP |
|---|---|---|
| PF | 30.96 | 3.40 |
| 年率 | 1,702% | 750,800% |
| MaxDD | 3.34% | 14.78% |
| Risk | 30% | 1% |
Risk が30倍違うので年率が桁違いだが、効率 (PF) では MEGAMAX が 10倍上。同じ戦略の派生で「MEGAMAX を超える」と言うのは虚偽になります → 廃案。
試行2: NY Reversal (RSI+BB 逆張り戦略)
MEGAMAX (順張りブレイク) と完全に反対の NY時間 逆張り戦略。
995,328 組合せBT結果:
- XAUUSD: 年率 1% (XAUは平均回帰しない→ 失敗)
- EURUSD: 年率 5% (PF 1.48 / 勝率 71.6% だが取引回数少)
MEGAMAX EURUSD = 年率6,676% と比較して 1300倍劣る。補助運用にしかならない → 廃案。
試行3: LightGBM フィルター (13特徴量)
MEGAMAX シグナル後の TP1/SL 到達を二値分類で予測:
| 指標 | 結果 |
|---|---|
| サンプル数 | 3620 |
| ベース勝率 | 16.6% |
| ROC-AUC (test) | 0.529 (ランダム = 0.5) |
| 閾値 0.6 以上のサンプル | 0件 (モデルが収束失敗) |
→ 統計的にゼロ改善 → 廃案。
試行4: PyTorch 深層学習 + 40特徴量
「特徴量が少なすぎるのが原因では?」と再挑戦:
40特徴量 (MTF・テクニカル多数・時間/曜日 sin/cos)
- 価格リターン (1h/4h/12h/24h/72h)
- RSI (7/14/21)
- ATR (倍率・変化率)
- Bollinger Band (BB%, 幅, スクイーズ)
- MA distance (20/50/200, トレンド整合)
- Stochastic, MACD (3指標), ADX (3指標)
- アジアレンジ詳細 (4指標)
- ローソク足パターン (body/wick比率, 色)
- 時間特徴 (hour/dow を sin/cos エンコード)
モデル:
- LightGBM v2 (n_estimators=500, max_depth=6, is_unbalance)
- PyTorch MLP (3層 + Dropout 0.3, AdamW, クラス不均衡weight)
結果:
| モデル | AUC test |
|---|---|
| LightGBM v2 | 0.489 (ランダム以下) |
| PyTorch MLP | 0.545 |
閾値 0.5 でフィルター: WR 17.1% (base 15% → わずか+2% = 誤差範囲)
→ 特徴量を3倍に増やしても統計的にゼロ改善。
結論: 効率的市場仮説の実証
これらの試行から導かれる結論:
1. MEGAMAX は既に網羅探索済みの最強解
10年Dukascopy データに含まれる「予測可能なパターン」は、MEGAMAX の 3フィルター (RSI/ADX/MTF) + カスケード半複利 + 連勝スケーリング によって既に全て活用済みです。追加できる情報がほぼ存在しません。
2. 機械学習も例外ではない
LightGBM・PyTorch どちらも AUC 0.49-0.55 = コイントスとほぼ同じ。これは「過去価格データには未来予測のための追加シグナルが残っていない」という効率的市場仮説の実証です。
3. 単純戦略を10本並べるより、MEGAMAX 1本に集中
- AUDJPY D1 Breakout (PF 2.07) や BB Scalp (PF 2.0) など補助EAは MEGAMAX の 1/100 程度の利益効率
- 数を増やすことで分散にはなるが、期待リターンは大きく下がる
- 「最強1本で運用し、長期で実証データを蓄積する」のが理論的に最適
それでも超える余地はあるか?
理論上、以下の方向ではまだ可能性があります (ただし実現難度が劇的に上がる):
| 方向 | 期待 | 障壁 |
|---|---|---|
| ティックレベル オーダーブック | 機関投資家フローを検出 | データ取得が極めて高コスト |
| ニュース感情NLP | 重要指標前の値動き予測 | 1日数回しか効かない |
| COT (機関ポジション) 分析 | 大口の方向感を把握 | 週次データ・低頻度 |
| 暗号資産連動性 | 株式やBTCとの相関 | MEGAMAX範囲外 (BTCUSD専用) |
これらは「データの次元を変える」次元の話で、本ブログ範囲外です。
fxea365.com の方針
10年BT + 4種類の探索試行の結果から、MEGAMAX一本化 × 実運用証拠の長期蓄積 こそが最大の差別化要因と判断しました。
- ✅ MEGAMAX MULTI EA v3.4 (1チャート11ペア処理・早期カット対応)
- ✅ XM Standard デモ + Exness Trial デモ で 24h稼働
- ✅ 5分毎にダッシュボードへ自動Push
- ✅ 異常検知6項目 (SL/TP/lot/シンボル/両建て/コメント)
- ✅ 週次自動レポート (BT vs Real 維持率トラッキング)
派手なラインナップではなく、毎日蓄積される実データこそが信頼の証拠。これがMEGAMAXの最終形です。
参考文献
- Eugene Fama (1970) "Efficient Capital Markets: A Review of Theory and Empirical Work"
- Dukascopy Historical Data (M5 tick, 2016-2026)
- 本検証で使用した Python スクリプト:
gen_h1_megagrid.py,gen_h1_ny_reversal.py,gen_ml_dataset_v2.py,train_ml_v2.py(GitHub 公開予定)
相关文章