AIは仮想通貨を予測できるのか — 失敗する場所の目録

AIは仮想通貨の価格を予測できるのか。正直な答えは、この問い自体が十分に定義されていない、というものです。そして、どこで失敗するのかを列挙するほうが、はいかいいえよりずっと役に立ちます。

「AI」は線形回帰から、ウォレットを持つ自律エージェントまでを含みます。「予測」は「次の1本が上か下か」から「このトークンが1年後に存在するか」までを含みます。そして仮想通貨について実際に提示できる証拠は、それが語られるときの自信の強さに比べて、はるかに薄いのが実情です。

以下は、自動化された相場分析が具体的にどこで壊れるかの目録です。他社についてではなく、自分たちのエンジンの数値を使って書いています。ここに挙げた失敗は、すべてこのプロダクトにも当てはまります。列挙する意味はそこにあります。

失敗1 — サンプルは見た目よりはるかに小さい

厳しいパターン検出器を、主要暗号資産10ペアの182,341本のローソク足（2017年8月〜2026年7月）に対して再生した結果、得られた完成形状は 661件でした。

9年分のデータから、700件にも満たない事象しか出てこないということです。どの計測地点でも30件に到達した形状は18種類中9つだけ。テクニカル分析で最も有名なヘッドアンドショルダーズは、15件しか見つかりませんでした。

仮想通貨のチャート形状から信頼できる規則性を学習したと主張するモデルは、この規模のサンプルから学習しています。行と行の間の数ポイント差は雑音であり、その差を利用するように訓練された仕組みは、雑音を学習しています。

失敗2 — 銘柄どうしが独立していない

上のサンプルは10銘柄にまたがっており、10個の独立した証拠源があるように聞こえます。そうではありません。BTC・ETH・SOL・XRP・BNB・ADA・DOGE・AVAX・LINK・TONは、おおむね一緒に上下します。

相場が転換すれば、その大半が転換します。同じ週に6銘柄で形状が完成したとしても、それは6件の観測ではなく1件に近いものです。したがって実効サンプル数は661より実質的に小さく、数百回の独立試行というより、いくつかの独立した相場局面に近いものになります。

これは横断的な仮想通貨研究の大半が共有している失敗で、めったに補正されません。補正すると、ほとんどの結果が有意でなくなってしまうからです。

失敗3 — 1サイクル強が歴史のすべてである

流動性のある仮想通貨市場は、使えるデータとしてはおよそ1.5サイクル分しか存在していません。計測可能なものはすべて、特定の構造を持った期間の内側で計測されました。並外れた上昇局面、深い下落、回復、そしてその期間中に一度変化した金融環境です。

ダブルトップの結果が最もきれいな例です。10本後に教科書的な下方向へ決着したのは29.1%で、古典的な読み方が期待するものと逆でした。最も可能性の高い説明は、この形状が反転しているということではなく、サンプル期間が上昇していたため、下方向の含意を持つ形状がその傾きを引き継いだ、というものです。

そしてこの説明は、そのまま警告でもあります。傾きが結果を説明するなら、その結果は傾きの異なる期間には持ち越されません。このデータで訓練されたものは、2017年から2026年の間に存在した市場を学習したのであって、その窓の外側へ一般化することは何も立証されていません。

失敗4 — パターン認識は雑音の中にパターンを見つける

これは計測可能で、そして計測結果は居心地の悪いものです。

現実のチャートに使うのと同じ検出器に、400本の独立したランダムウォークを40本通しました。純粋な雑音で、構造は一切ありません。そのうち14本から、検出器が名前を付ける気になる形状が出ました。

2行目を見てください。純粋な雑音の中で見つかった最良の形状は、本物の教科書的な例のうち最も弱いものと同程度の点数を取ります。2つの母集団は中央値で分離し、裾で重なります。そしてしきい値をどう選んでもこの重なりは消えません。問題そのものが持つ性質だからです。

AIによる相場分析の主張に対する帰結は直接的です。形状を報告する仕組みは、存在しない形状も報告します。そしてその頻度は、誰かが選んだしきい値の関数です。しきい値が公表されていなければ、誤検出率は知りようがありません。

失敗5 — モデル先行型の設計は、そもそも計測できない

チャートを言語モデルに渡し、その答えを中継する形のツールがあります。これらはしばしば良い製品です。しかし、ヒット率を出すことはできません。

ヒット率とは、検出のうち一定の方向へ決着した割合です。何を検出と数えるかについて、安定して再現できる定義が必要になります。検出手続きが「モデルに聞く」であれば、同じチャートを2回流したときに違う検出が返り得ます。計測対象の母集団が定義されず、それについて公表されたどんな割合も反証不可能になります。

これはそうしたツールの能力が劣るという主張ではありません。構造上の観察です。再現性は計測の前提条件であり、確率的な入口はそれを手放します。AIの相場ツールを評価するとき有用な問いは、モデルがどれだけ優秀かではなく、モデルがどの段階にいるか — 数値を作る側か、数値を説明する側か — です。

失敗6 — 除外されているコストが、計測している効果より大きい

記録に含まれる変化率は終値ベースです。手数料・資金調達コスト・スリッページは含まれていません。

いくつかの形状では、この点がこのページの他のどの要素よりも効いてきます。

下降三角形は教科書的な方向へ半分以上の割合で決着しており、その典型的な値幅は1%の4分の1程度です。レバレッジをかけた仮想通貨のポジションの往復コストは、日常的にこれを上回ります。こうした行のヒット率を最適化する自動システムは、表計算の上でしかコストを生き延びない統計を最適化していることになります。

1事象あたり1%を下回る優位性の主張は、コストを明示的に織り込んでいないかぎり、実執行では消えていると考えるのが妥当です。

失敗7 — 公表される結果は、あなたが見る前に選別されている

サンプルが足りない9形状は、割合を伏せた状態で我々の表に印字されています。これは選択であり、逆の選択のほうがはるかに一般的です。薄い行を落とし、使えるサンプル数に達したものだけを公表する、という選択です。

そうやって作られた表は、劇的に一貫して見えます。すべての形状に割合があり、その大半はまずまずの水準で、カタログの3分の2が静かに捨てられたことを示すものは何もありません。読み手にはその欠落を検出する手段がありません。存在しないものは見えないからです。

同じことが研究の単位でも起きます。面白い結果が出なかった検証は公表されません。機能しなくなった手法は更新されません。読み手に届くものは、誰も設計していないが全員が加担している過程によって選別されています。

失敗8 — 公表する側の利害が逆を向いている

これは統計の話ではなく、率直に述べること自体が答えの一部です。

この種のチャートツールの収益モデルは、典型的には取引所のアフィリエイト収益です。公表する側は取引手数料の一部を、しばしば紹介した口座の生涯にわたって受け取ります。つまり、読み手がより多く取引するほど公表する側の収入は増える一方で、同時に経験の浅い人々に向けて分析を公表していることになります。

これは理論上ではなく実在する利益相反であり、善意で解消されるものではありません。実際に効果があり、かつ検証可能な統制は、狭く具体的なものです。

1. リンクがある場所には、例外なく開示を置く。フッターではなく、目に見える位置に。
2. エンジンを取引量が増える方向へチューニングしない。感度設定も「より実用的なモード」も置かない。決定論的であることとバージョンの刻印が、これを約束ではなく監査可能な事実にします。
3. 緊急性を作り出す言葉を避ける。「好機」「見逃すな」「今こそ」は使わない。
4. 支払額で取引所を順位付けしない。仮に将来そうするなら、そのことをページ上に書く。

大半の日に「構造的な変化はありません」と公表する理由は、半分は編集上の誠実さであり、もう半分はこれです。取引ごとに報酬を得る立場の側が、大半の日に何も変わっていないと読み手に伝えることは、自らについての主張を行動で示していることになります。

自動化された相場分析を読むときには、その分析が優れているかという問いの隣に、誰が・どの読み手の行動に対して・いくら支払われているのかという問いを置くべきです。

失敗9 — 長い時間足ほど、根拠になる件数が少ない

661件という総数は、日足と4時間足の合算です。分けると、直感と逆の構図が見えます。

日足で完成30件に到達した形状は、対称三角形の1つだけ（30件）でした。下降ウェッジ16件、ダブルボトム15件、ベアペナント8件、ダブルトップ6件、上昇ウェッジ4件。ヘッドアンドショルダーズにいたっては、9年間で1件です。レクタングル・ラウンディングボトム・トリプルトップ・トリプルボトムは、日足では0件でした。

4時間足では8形状が下限に到達します。対称三角形181件、下降三角形68件、下降ウェッジ50件、ダブルトップ49件、上昇三角形41件、ブルペナント36件、ダブルボトム35件、上昇ウェッジ30件。

つまり、公表されている割合は事実上すべて4時間足の統計です。ダブルトップの10本後を4時間足だけで見ると28.6%（49件）で、合算値29.1%とほとんど変わりません。日足のサンプルが薄すぎて、合算値をほとんど動かせないからです。

これは実務上、素直でない含意を持ちます。長期の時間足のほうが「だまし」が少なく信頼できる、という一般的な考え方は、統計的な裏付けの量については逆になります。9年は長く聞こえますが、日足では2,900本程度にしかならず、厳しい検出器を通せば十数件しか残りません。長い時間足についての主張ほど、それを支える件数は少ないのです。

失敗10 — 比較対象が示されていない

「AIによる分析の精度は◯◯%」という主張で最も頻繁に欠けているのは、何と比べているのかです。

方向の的中率における自然な基準線は50%です。しかし、それは適切な基準線ではありません。対象期間が上昇局面であれば、「常に上」と答え続けるだけで50%を大きく超えます。この記事のデータでいえば、2017年から2026年の暗号資産主要銘柄に対して「常に上」と答える手法は、多くの計測地点で60%前後を取ります。

つまり、上昇局面のデータで60%の的中率を出したモデルは、何も学習していない可能性があるということです。比較すべきは50%ではなく、同じ期間の「何もしない」「常に同じ方向」といった素朴な基準線です。この比較を示していない精度の数値は、水準が高くても情報量を持ちません。

このページの表でダブルボトムだけを取り上げて「63.3%」と書けば印象的に見えますが、同じ期間の上昇バイアスを考えると、その数値の一部はダブルボトムの性質ではなく期間の性質です。ダブルトップが29.1%という逆方向の数値と並べてはじめて、両方が同じ傾きの表と裏であることが見えます。片方だけを引用することが、この種の資料で最も起きやすい誤用です。

失敗11 — 「予測」という語が何を指しているか定まっていない

「AIが仮想通貨を予測できるか」という問いが答えにくいのは、予測の対象がまったく違うものを1語で括っているからです。少なくとも4種類が混ざっています。

このページで扱ってきたヒット率は、1行目の「方向」だけを測っています。値幅については中央値の変化率が別列にあり、時点については何も言っていません。にもかかわらず、方向の的中率だけが高い数値として引用されると、あたかも4種類すべてが解けているかのように読まれます。

この混同は、意図的でなくても起こります。「このAIは73%の精度」という文には、何の精度なのかが書かれていないことが多く、書かれていなければ検証もできません。

失敗12 — しきい値は後から動かせてしまう

信頼度0.72というしきい値は、10個の教科書データと40本のランダムウォークを計測して決めたものです。しかし原理的には、この数値は結果を見てから動かすことができます。

しきい値を上げれば、検出件数は減り、残ったものの平均的な質は上がり、ヒット率は改善しやすくなります。下げれば逆になります。つまりしきい値は、結果を後から良く見せるための自由度です。同じことが、対象期間の選び方、対象銘柄の選び方、計測地点の選び方にも言えます。

自由度が多いほど、良い数値は簡単に作れます。そして自由度の存在自体は、公表された数値からは見えません。この記事で検出しきい値・対象期間・銘柄・計測地点・サンプル下限をすべて明記しているのは、それらが動かせるパラメータであることを読み手に示すためです。動かせることを隠すより、動かした値を書いたほうが検証可能になります。

我々の側では、この自由度をテストで固定しています。ランダムウォークから形状が出るのは最大40%まで、教科書データの信頼度中央値は雑音の90パーセンタイルより上を保つこと。この2つが破れればテストが落ちるため、しきい値を静かに動かして数値を良く見せることはできません。ただしこれは自主的な統制であり、外部から検証できるのはコードが公開されている範囲に限られます。

失敗13 — 分析が正しくても、実行が別の問題として残る

自動化されたシステムに分析だけでなく執行まで任せる場合、ここまでに挙げた統計上の失敗とは別の系統の失敗が加わります。

遅延。形状が完成した足の終値と、実際に約定する価格は同じではありません。4時間足で数十分の遅延が生じれば、中央値が1%未満の効果は容易に消えます。

データの欠損と異常値。取引所APIは落ちますし、一時的に異常な価格を返すこともあります。60本の最低本数を要求する設計は、こうした穴が指標計算に入り込むことへの防御でもありますが、完全ではありません。

流動性。9年分のバックテストは、その価格でその数量が約定したと仮定しています。板が薄い銘柄や薄い時間帯では、この仮定が最初に崩れます。

障害時の挙動。分析が返ってこないとき、システムが何をするかは設計上の選択です。何もしないのが安全側ですが、「何もしない」を明示的に実装していないシステムは、しばしば予期しない振る舞いをします。

このプロダクトは執行を行わないため、これらの失敗の当事者ではありません。ただし「AIエージェントに仮想通貨のトレードを任せる」という文脈で語られる仕組みの多くは当事者であり、分析の精度についての議論だけでは、この系統の失敗はまったくカバーされません。

自動化された分析が本当に得意なこと

上の目録は、これらが何も機能しないという主張ではありません。実際の仕事が何であるかについての主張です。

洞察ではなく一貫性。チャートを目で追う人は、自分が見つけたいものに応じて動くしきい値を適用し、見送った候補を思い出せず、そもそも気づかなかった候補は数えようがありません。固定されたしきい値を持つエンジンは、割合というものを定義可能にする分母を生成します。それが貢献です。

網羅。25銘柄 × 5時間足で125のチャート状態があり、これが継続的に更新されます。人間には見きれません。

ひるまないこと。エンジンには、ある結果を別の結果より好む仕組みがありません。だから居心地の悪い行も出てきます。一度も出現しなかった形状、自らの定義と逆方向に決着した有名な形状、使えるサンプル数に到達しなかった9つ。それらの行こそが、この作業の実際の産物です。

何も言わないこと。大半の日、大半のチャートでは、教科書的な形状は存在しないというのが誠実な読みです。固定されたしきい値は、それを「コンテンツを見つけられなかった失敗」ではなく通常の出力にします。

どの失敗が、どの種類のツールに当てはまるか

「AIエージェントが仮想通貨市場を分析する」と称される仕組みは、実装によって抱える失敗が違います。整理すると次のようになります。

この表で読み取ってほしいのは優劣ではありません。失敗1から4は種類を問わず全員に当てはまるということです。サンプルの薄さ、銘柄の相関、歴史の短さ、雑音の中のパターンは、どんなに優れた手法を使っても、データそのものが持つ制約だからです。

種類によって変わるのは、そこに何が上乗せされるかです。画像方式には計測不能性が、シグナル配信には選別と利害が、自律売買には実行の問題が、機械学習には自由度の多さが上乗せされます。「うちはAIが優秀だから」という説明は、上乗せ分についての説明にはなり得ますが、失敗1から4については何も解消しません。

予測できないことを前提にすると、何が残るのか

ここまでを踏まえると、自動化された相場分析に残る役割はかなり限定されます。しかし、ゼロではありません。

現在地の記述。いまチャートに何があるのかを、固定された基準で名指しすること。これは予測ではなく描写であり、描写であるかぎり検証可能です。ある形状を「上昇三角形」と呼ぶかどうかは、幾何条件を見れば第三者が確認できます。

基準率の提示。同じ形状が過去に完成したあと何が続いたのかを、サンプル数と一緒に示すこと。これは「次にこうなる」ではなく「過去にはこうだった、ただし件数はこれだけ」という提示です。661件という薄さも含めて提示することが、この情報の正しい使い方を決めます。

否定情報。教科書的な形状が存在しないこと、サンプルが足りないこと、その形状が9年間で一度も出ていないこと。これらは行動を促さない情報であり、だからこそ供給されにくく、そして意思決定においては肯定情報と同じだけの価値を持ちます。

一貫性の担保。同じチャートに同じ答えを返すこと。これ自体は正しさを意味しませんが、正しさを検証できる状態を作ります。

この4つに共通するのは、いずれも「当てる」ことを目的にしていない点です。逆に言えば、当てることを目的として設計されたシステムの主張は、この記事で列挙した13の失敗のうち少なくともいくつかを、必然的に抱えています。

AIによる仮想通貨予測の主張を読むための8つの問い

1. nはいくつか。サンプル数がなければ評価はできません。
2. 対象期間はいつか。一方向の局面から採ったサンプルは、その局面を引き継ぎます。
3. 銘柄はいくつで、相関しているか。相関した主要10銘柄は、10回の独立試行ではありません。
4. 雑音に対する誤検出率はいくつか。ランダムデータで計測されていなければ、それは未知です。
5. コストは含まれているか。1事象あたり1%を下回る効果では、これだけで結論が決まります。
6. 不都合な結果は示されているか。すべてが機能している表は、選別された表です。
7. 手続きは再現可能か。実行のたびに答えが変わるなら、それについてのどんな割合も検証できません。
8. あなたが行動したとき、誰が報酬を得るのか。統計の問いではありませんが、省略してよい問いでもありません。

まとめ

• 主要暗号資産10ペアの9年間から得られた完成形状は661件です。18形状のうち9つは使えるサンプル数に届かず、2つは一度も出現しません。
• 10銘柄は相関しているため、実効サンプルは件数が示唆するより小さくなります。
• 歴史全体がおよそ1.5サイクルであり、その中で最も目立つ異常（ダブルトップの29.1%）は、形状そのものよりその期間の傾きで説明するのが最も妥当です。
• 純粋なランダムウォーク40本のうち14本から、名前の付く形状が出ました。検出器は雑音の中に構造を見つけ、その頻度は誰かが選んだしきい値に依存します。
• モデル先行型のツールは、固定された検出手続きを持たないため、再現可能なヒット率を公表できません。
• 1%を下回る効果については、除外されたコストが結論を決めます。
• 長い時間足ほど根拠件数は少なく、日足で30件に達した形状は対称三角形の1つだけでした。公表されている割合は事実上すべて4時間足の統計です。
• 上昇局面のサンプルでは「常に上」と答えるだけで50%を大きく超えるため、コイン投げではなく素朴な一定方向ルールが比較対象になります。
• 失敗1から4（サンプルの薄さ・銘柄の相関・歴史の短さ・雑音の中のパターン）は、手法の種類を問わず全員に当てはまります。手法の優秀さでは解消されません。
• これらは自動分析が無用だという話ではありません。その本当の貢献は予測ではなく一貫性と網羅であるという話です。そしてこのページにあるものは投資助言ではありません。