前回の記事では、AIが市場を観測し、知識を蓄積できる「Research OS」の土台を整えたことを書きました。
AIを賢くする前に、AIを育てる環境を作った──トレードAI研究所のOSを設計した話
あれから実際に24時間稼働させ、数日間AIの行動を観測していると、一つの大きな問題が見えてきました。
AIは市場を理解し始めている。
しかし、それだけでは利益は増えないのです。
今回は、その問題を解決するために設計した Portfolio Layer について紹介します。
AIは「買う」ことは考えていた
現在のResearch OSは、
- 市場データを収集
- Market Contextで相場環境を分類
- Forecast Layerでシグナルを生成
- Opportunityとして売買候補を出力
という流れで動いています。
ここまでは順調でした。
例えば最近の8時間では、
Opportunity生成
78件
実際のEntry
2件
Skip
76件という結果になっています。
一見すると、Opportunityをたくさん見つけられているように見えます。
しかし、本当に重要なのはここではありません。
「なぜ見送ったのか」を説明できない
76件を見送った理由は、
既にポジションを保有しているというものでした。
これはルールとしては正しい判断です。
しかし、
- 本当に見送るべきだったのか
- 追加で買うべきだったのか
- 利益確定すべきだったのか
- 損切りすべきだったのか
AIは説明できません。
つまり、
シグナルは作れるが、資金をどう使うかは考えていない。
これが現在のResearch OSの限界でした。
気付いたこと
最初はForecast Layerをもっと賢くしようと思っていました。
もっと精度を上げれば利益も増えるはずだ、と。
しかし数週間運用して分かったことは全く逆でした。
問題はForecastではありません。
Portfolioでした。
AIが
「今は買う」
だけでは利益は出ません。
本当に重要なのは、
Entry
Hold
Exit
Add Position
Skipこの5つをどう判断するかです。
Portfolio Layerとは何か
そこで設計したのがPortfolio Layerです。
役割はシンプルです。
Forecast Layerが
「買った方がいいかもしれない」
と言ってきても、
Portfolio Layerは
今回は見送る
追加購入する
利益確定する
損切りする
保有継続するを判断します。
つまり、
Forecastが”市場を見る目”なら、
Portfolioは”財布を管理する頭脳”です。
AIを研究することが目的ではない
ここで一つ、設計思想も変えました。
最初の頃は、
AIをもっと賢くすることが目的になりかけていました。
Research Layer
Knowledge Layer
Playbook Layer
次々と設計が膨らんでいきます。
しかし、途中で立ち止まって考えました。
私たちは何を作ろうとしているのか。
答えはシンプルでした。
利益を出すAIです。
AI研究所を作ることではありません。
論文を書くことでもありません。
利益を出せないKnowledgeは価値がありません。
利益に結び付かないPlaybookも意味がありません。
そのため現在は、新しい機能を追加するときに必ず一つ確認しています。
この変更は利益を出す能力をどう改善するのか。
説明できないものは、優先順位を下げる。
これがResearch OSの新しいルールになりました。
Investment Committeeという考え方
この思想はレポートにも反映しています。
現在設計している8時間レポートの最後には、
Investment Committee
という項目を追加する予定です。
ここでは毎回、
「このAIに100万円を預けられるか？」
という問いを評価します。
現在の判定はもちろん
NOT READYです。
Forecastは動いています。
Paper Tradingも利益が出始めています。
しかし、
- Portfolio Layer未完成
- Playbook未実装
- 30日評価未完了
という理由で、まだ資金を任せる段階ではありません。
研究の進捗ではなく、
投資判断
でAIを評価するようにしました。
AIは「見送る」ことも学ぶ
AIというと、
どれだけ正確に予測できるか
ばかりに目が向きます。
しかし実際の運用では、
何もしない判断
の方が重要な場面が多くあります。
Opportunityが78件あっても、
Entryは2件だけ。
残り76件を見送る判断こそ、
利益を守るために必要でした。
Portfolio Layerは、
AIに新しい売買ルールを教える仕組みではありません。
利益を出すために、あえて何もしない判断を学ばせる層なのです。
おわりに
Research OSは少しずつ形になってきました。
設計フェーズはほぼ終了し、
現在はいよいよPortfolio Layer実装へ向かっています。
AIを賢くすることと、
利益を出すことは同じではありません。
私たちが目指しているのは、
**「研究として優れたAI」ではなく、「利益を出し続けられるAI」**です。
次回は、実際にPortfolio Layerを実装し、その判断がPaper Tradingの成績をどこまで改善できるのかを追いかけていきます。
