PythonでAAPLをSMA検証

この記事は市場予測ではなく実践的なウォークスルーだ。平均回帰投資に共通する前提——資産価格は過去の平均へ回帰する傾向があり、売買が行き過ぎた時に短期の逆張りが魅力的になる——から出発し、そのアイデアをコードで端から端まで実演している。

構築手順は段階的だ。まずyfinanceが固定期間のApple（AAPL）日次価格をダウンロードし、matplotlibが終値を描画する。次にpandasが20日と50日の移動平均を計算し、クロスオーバー点が売買シグナルになる。簡単なバックテストが戦略のリターンを累積曲線に複利計算する。

後半は同じシグナルに機械学習を重ねる。scikit-learnのロジスティック回帰をSMA20、SMA50、1日価格変動の特徴量で訓練し、次の終値が上がるかどうかを予測する。記事は分類レポートを出力し、さらに求める読者にはハイパーパラメータ調整やランダムフォレスト、XGBoostなどのモデルを提案している。最後にccxt経由のBinanceリアルタイムデータと、自動売買システムの構築を提案して締めくくる。

読者にとっての実用価値は、追加したモデルが単純なクロスオーバールールを実際に上回るかどうかにかかっている——チュートリアルは比較精度の数値を示していないため、この点は未解決のままだ。本当の試練は、ノートブックのバックテストから実際の注文に移る前に、調整や代替モデルが測定可能な優位性をもたらすかどうかである。