【MQLCAMP/2025年2月号】Catboost特集！最大55％offキャンペーン情報あり！

前号からしばらく時間が経過しており様々な変化がありましたので一度ここで整理したいと思い、突然のレポートとなります。それと同時にキャンペーンも開始しましたので是非ご覧いただければと思います。

はじめに

　AI研究所が2024.10からMQLCAMPエキスパートコースへと統合されましたの方向けへ現在の進捗をまとめた記事を作成しました。
　本記事では現在人気のあのEAのAIモデルであるCatBoostに目を向けて、このモデルの便利なところ、そして過信しすぎて陥った失敗事例などを紹介しています。
　コアな部分は袋とじにしてありますのでご購入後ご覧いただけます('Д')
　本記事はEA開発に従事されてる方向けの本格的な記事となっております。

会員数

昨年10月にEA教室をリニューアルオープンしたオンラインプログラミングスクールMQLCAMPは現在以下の3コースのラインナップがあります。

ベーシックコース（MQL4メイン）
マスターコース（MQL5、API関係）
エキスパートコース（AI、機械学習関係）
現在27名が在籍しております。

メンバー構成としては半分以上MQL初心者だと認識していますが、有名な開発者さんもいらっしゃいます。入会したら、専用Discordチャンネルで交流ができますのでびっくりするかもしれません('ω')

そして、本日より2025.2.22～2025.3.2の期間限定でMQLCAMP入会キャンペーンを行っています。価格の詳細などは是非公式HPを参照いただければと思います

【MQL CAMP公式】｜MQLプログラミングスクール

コンテンツ一覧

前回記事から半年以上経過していることもありコンテンツもかなり拡充しました。当スクールのコンテンツは全てソースコードでの提供となっています。

ベーシックコース

入門編テキスト＆動画コンテンツ
基礎編テキスト＆動画コンテンツ
実践編テキスト＆動画コンテンツ
※動画コンテンツは一部で、今後増えていきます。
インジケーターサンプル
EAサンプル

マスターコース

その他のMQL標準関数

MQL4との違い
ファイル関数
データベース関数
MQL5コンバーター
背景画像設定
多通貨EAサンプル
トレードパネル
レイテンシーアビトラツール
データベースを使用したコピトレツール

API関係

LINE通知（テキスト・画像）
Discord通知（テキスト・画像・ファイル）
テレグラム通知
ChatWork通知
Webページ取得・スクレイピング
Bing検索
YahooFinanceデータ取得
バッチファイル実行
MTAPI
おきゃべりインジ
Pythonモジュールについて
スプレッドシートAPIの使用方法

エキスパートコース

AI連携関係

OpenAI　API
Claude　API
PerplexityAI　API
AI連携経済指標EA（Wonderful AI）
プロンプト作成の小技

機械学習関係

環境構築
データ作成
データの前準備
データの再検討
モデルの作成
モデルの最適化
モデルの評価
モデルの一時保存
モデルの使用
決定木分類（全決定木のコード）
深層学習（CNN-LSTM、トランスフォーマー）
強化学習（Q学習）
情報サイト
フローチャート

実用例紹介

トレンド予測インジケーター
移動予測線
ランダムフォレスト
Catboost
過剰最適化検出器
経済指標機械学習
Wonderful M

今後の追加コンテンツ

　今現在でもかなりの量となって入会したての方はどこから学習していいのかわからないと言った声が聞こえてきそうなくらいありますが、これからもどんどんコンテンツは増やしていきます。
　テキスト教材やサンプルソースファイルはかなり網羅してきたと思いますので、初歩的な動画コンテンツとEA関係のソースでしょうか。
　要望があればそれにこたえながら進めていきたいと思ってます。

ネタとしては

• 強化学習（DQN学習）

• 複数口座の同時操作

機械学習の方向性としては将来的に学習済みモデルを使用したトレードではなく、常に学習し続けるオンライン学習への移行を検討しています。

コンテンツ更新情報

　LINE通知が3月末で終了となります。その代わりとして使えるものの対策としてはDiscordのほかに、ChatWorkのAPIでトークルームの情報を取得したり、Telegramから入力した信号をEAで受け取ったりも可能なようなのでこちらも提供できればと思います。

　ChatGPTのo3がリリースされました、ポストデータ（max_tokens）にやや違いがあるようで、従来のAPI使用ではプロンプト送信ができない可能性がありますので注意。

　PerplexityAIのレガシーモデル「llama-3.1-sonar-small-128k-online」などが廃止（2025/2/22）になり、「sonar」などを使用するようにとの通達が来ていました。

人気のAIモデルCatboostとは

　最近Xで人気を博してるゴールドのAI搭載EAをご存じでしょうか？
本項では、CatboostというAIモデルがなぜファイナンスAI界隈で人気になっているかを考察てみたいと思います。
　販売者であるあにゃぴこさんに当記事に掲載させていただく許可をいただきました、ありがとうございますm(__)m

✨自己紹介✨
『わんぱくCat』を売ってる人。
（株）ハラスメントを退職して美容で起業することが目標。資格取得のお勉強中。

わんぱくCatのお問い合わせはDMお願いします☺️#PR
😽わんぱくCat😹 #AI #MT5 #EA｜あにゃぴこFX @aanyapico #note https://t.co/QDVQ0Cqp8V

— 🐈‍⬛起業したいあにゃぴこ🐱💄☕️💅 (@aanyapico) February 9, 2025

　ファイナンスAI界隈で実はCatboostは超絶人気なモデルなんです。なぜ人気になっているかは「わんぱくCat」が物語っているようにシンプルに成績がいいに尽きるんですが、開発のしやすさにも定評があります。また、AIトレードコンテストでも上位に君臨するのはこのCatboostだったりします('Д')
　ではCatboostとは何者なのか、またなぜ人気なのかを紹介していきます。

CatBoostは、機械学習の分野で使われる勾配ブースティングアルゴリズムの一種で、特にカテゴリカル（離散）変数の扱いに優れているのが特徴です。以下に主なポイントをまとめます。

主な特徴カテゴリカル変数の自動処理
通常、カテゴリカル変数は前処理で数値に変換する必要がありますが、CatBoostは内部でこれを効率的に行うため、前処理の手間が大幅に削減されます。
高い精度と汎用性
回帰、分類、ランキングなど、さまざまなタスクに対して高い性能を発揮し、多くの実世界の問題に適用されています。
オーバーフィッティングの抑制
内部で独自のアルゴリズム工夫により、過学習（オーバーフィッティング）を抑える機能が強化されています。
オープンソース
CatBoostはオープンソースとして公開されており、誰でも利用・改良することができます。


まとめ

CatBoostは、特にカテゴリカルデータを多く含むデータセットに対して高いパフォーマンスを発揮する勾配ブースティングアルゴリズムです。Pythonなどのプログラミング言語から簡単に利用できるため、データサイエンスや機械学習のプロジェクトで広く利用されています。

ChatGPT

　上記はChatGPTによるCatboostの簡単な説明になりますが、特にFXに必要な能力が過学習を抑える機能が魅力的です。EA開発されている方なら多くの方が過剰最適化の壁にぶち当たったことがあると思いますが、その壁をいとも簡単にクリアする方法がここにあります。
　さらに決定木モデルの全般的にいえることですが、特徴量の重要度を分析して考慮してくれるという機能です。これは生成AIなどに採用されている自己注意機構（アテンション）に似ているロジックだと考えてます。
　実はこの過学習を抑えるという事と、アテンションを採用するという事はトレードオフの関係にあります。つまりアテンションを採用すると一般的には過学習方向に進みます。具体的にはAIモデルのパラメーター数で100万パラメーターをアテンションを使用すると数千～数万パラメーターに圧縮でき、1パラメーターにおける学習容量がぐっと上がります。
　より良い学習というのは過学習させすぎずにどれだけ沢山学習できるかというちょっと意味の分からない世界線なんですね('Д')Catboostはこのトレードオフの関係を上手に扱ってFXのチャート予測に必要な一般化性能を引き出してくれるモデルということになります。

重要度が高かった特徴量3選

　AIは基本的にブラックボックスと言われることが多いですが、決定木に関してはこの重要度分析とツリー形状の出力がありますのでどのように特徴量を分岐させているかを可視化することができ、ブラックボックスとはなりません。この機能を活用してAIを使用しないEA開発やトレードの研究にも応用することができるのが決定木のいいところです。
　ではCatboostや決定木の重要度分析を使用して、高かったと評価された特徴量を紹介します。あくまでも個人的な発見でしかありませんのでこの特徴量を使用したからと言って必ず良い予測モデルになるとは限りませんのであしからず・・・