dry-run監査ログをAI FX Botの訓練データにする設計メモ

背景

AIにFX Botの戦略選択を任せる場合、約定したトレードだけを見ても改善材料が足りません。実運用前の dry-run で「何を買ったか」だけでなく、「なぜ見送ったか」まで残すことで、後から検証できる判断ログを作れます。

今回追加したログ

今回の dry-run では、最低限次の情報を監査ログとして残す方針にしました。

• strategy_name: 選ばれた戦略名
• stop_reason: エントリーを止めた理由
• risk_judgement: リスク判定
• market_context: 相場分類や時間足の前提
• decision_time: 判断した時刻

この形にしておくと、勝ちトレードだけでなく、見送り判断も訓練データとして扱えます。

設計上の狙い

AIを無制限に売買させるのではなく、相場分類、戦略選択、停止判断、改善提案に役割を分けます。特に dry-run の段階では、実注文事故を避けながら判断品質を測ることが重要です。

検証では次のような観点を必ず残します。

• bid / ask のどちらを使ったか
• spread と slippage をどう扱ったか
• 手数料を含めた期待値になっているか
• 未確定足を参照していないか
• look-ahead bias が混入していないか

実装イメージ

{
  "mode": "dry_run",
  "strategy_name": "trend_follow_v1",
  "action": "skip",
  "stop_reason": "spread_too_wide",
  "risk_judgement": "high",
  "market_context": {
    "timeframe": "M15",
    "regime": "range"
  }
}

この粒度で残しておけば、後から「どの相場で、どの戦略が、なぜ止まったのか」を集計できます。

次に見る指標

forward paper のデータを積み上げながら、時間足、相場環境、戦略選択の組み合わせを比較します。月次の損益だけでなく、停止理由の分布、過剰なエントリー回避、改善提案の妥当性まで見ます。

まとめ

AI運用で伸びるのは、派手な勝ちトレードだけではなく判断ログです。まず dry-run を監査可能にして、止まれる仕組みと改善できるログを持つ Bot に育てます。