戦略テンプレート¶
AlphaForge で使われる代表的な戦略パターンを 3 種類紹介します。戦略 JSON は完全コピペ可能で、forge strategy save でそのまま登録できます。
サンプル出力について
バックテスト結果の数値はサンプルです。実際の数値はデータと環境（取得期間、プロバイダー、設定）によって変わります。
このページで扱うテンプレート¶
| テンプレート | 戦略タイプ | 主要指標 |
|---|---|---|
| HMM × BB × RSI | レジーム適応 + 平均回帰 | HMM・BBANDS・RSI |
| レジーム切り替え | レジーム別の戦略切替 | HMM・SUPERTREND・BBANDS・RSI |
| マルチタイムフレーム | 上位足トレンド × 日足エントリー | SMA（週足）・RSI・ATR |
戦略 JSON の基本構造¶
すべての戦略は同じ Pydantic スキーマに従います。詳細は forge analyze indicator list で確認できます。
{
"strategy_id": "...",
"name": "...",
"target_symbols": [...],
"asset_type": "stock",
"timeframe": "1d",
"parameters": {...}, // 最適化対象の上位パラメータ
"indicators": [...], // 計算するインジケータ群（30+ 種類）
"variables": [...], // 中間ブール変数（任意）
"entry_conditions": {...}, // エントリー条件
"exit_conditions": {...}, // 決済条件
"risk_management": {...}, // ポジションサイズ・SL/TP
"regime_config": {...}, // レジーム適応（任意）
"optimizer_config": {...} // 最適化パラメータ範囲
}
主要概念の詳細：
indicators[].lock_on_entry: true— エントリーバーの値で固定（SL/TP 価格用）indicators[].timeframe: "1w"— 上位足を取り込む（マルチタイムフレーム）EXPR指標 — 任意の pandas 式（例:"close * 0.98"）HMM指標 — 隠れマルコフモデルでレジーム検出regime_config— HMM 出力をキーにレジーム別のentry/exit/risk_overrideを切替
HMM × BB × RSI¶
概要¶
3 状態の HMM レジーム検出 で相場をフィルタしつつ、ボリンジャーバンド下限 + RSI 過売 を起点とした平均回帰エントリー。Bull/Neutral/Bear の 3 つを区別し、Bull は強気のレバレッジ（5x）、Neutral は控えめ（3x）、Bear はスキップという構造です。
このテンプレートの強みは、1 つの戦略 JSON で 3 つのレジームを同時に管理 できる点にあります。レンジ相場で機能する平均回帰戦略を、トレンドが強すぎたり弱すぎたりする局面では自動的に控えめに（または完全に休止）するため、ドローダウンを抑えやすくなります。
適用シナリオ¶
- 対象銘柄: 米国大型株 ETF（QQQ、SPY）、グロース株（NVDA）、長期で取引コストが低いもの
- 市場環境: トレンド・レンジが入れ替わる中長期相場（2018-2025 のような変動局面）
- 想定保有期間: 数日〜2 週間
- リスク特性: レバレッジ前提（5x まで）、HMM が誤検出するとドローダウン拡大
戦略 JSON 全文¶
{
"strategy_id": "multi_asset_hmm_bb_rsi_v1_qqq",
"name": "マルチアセット HMM×BB+RSI v1 (QQQ)",
"version": "1.0.0",
"description": "HMM 3状態レジームフィルター × BB+RSI 平均回帰。Bull(state=0): BB下限+RSI過売でロング(leverage=3)。Neutral(state=1): 同条件でロング(leverage=1.5)。Bear(state=2): スキップ。日足ベース。",
"target_symbols": ["QQQ"],
"asset_type": "stock",
"timeframe": "1d",
"parameters": {
"rsi_oversold_th": 35,
"atr_mult": 2.0
},
"indicators": [
{ "id": "regime", "type": "HMM", "params": { "n_components": 3, "features": ["return", "volatility"] } },
{ "id": "bb_lower", "type": "BBANDS", "params": { "length": 20, "std": 2.0, "line": "lower" } },
{ "id": "bb_mid", "type": "BBANDS", "params": { "length": 20, "std": 2.0, "line": "mid" } },
{ "id": "rsi", "type": "RSI", "params": { "length": 7 } },
{ "id": "atr", "type": "ATR", "params": { "length": 14 } },
{ "id": "sl_dist", "type": "EXPR", "params": { "expr": "atr * atr_mult" }, "lock_on_entry": true }
],
"variables": [],
"entry_conditions": { "long": { "logic": "AND", "conditions": [] } },
"exit_conditions": { "long": { "logic": "OR", "conditions": [] } },
"risk_management": {
"leverage": 5.0,
"position_sizing_method": "fixed",
"position_size_pct": 100.0,
"stop_loss_indicator": "sl_dist",
"max_positions": 1
},
"regime_config": {
"indicator_id": "regime",
"default_action": "skip",
"states": {
"0": {
"entry_conditions": { "long": { "logic": "AND", "conditions": [
{ "left": "close", "op": "<", "right": "bb_lower" },
{ "left": "rsi", "op": "<", "right": "rsi_oversold_th" }
]}},
"exit_conditions": { "long": { "logic": "OR", "conditions": [
{ "left": "close", "op": ">", "right": "bb_mid" }
]}},
"risk_override": { "leverage": 5.0, "position_sizing_method": "fixed", "position_size_pct": 100.0 }
},
"1": {
"entry_conditions": { "long": { "logic": "AND", "conditions": [
{ "left": "close", "op": "<", "right": "bb_lower" },
{ "left": "rsi", "op": "<", "right": "rsi_oversold_th" }
]}},
"exit_conditions": { "long": { "logic": "OR", "conditions": [
{ "left": "close", "op": ">", "right": "bb_mid" }
]}},
"risk_override": { "leverage": 3.0, "position_sizing_method": "fixed", "position_size_pct": 100.0 }
},
"2": {}
}
},
"backtest_config": {
"regime_analysis": {
"method": "hmm",
"hmm_indicator_id": "regime",
"label_names": { "0": "Bull", "1": "Neutral", "2": "Bear" }
}
},
"optimizer_config": {
"param_ranges": {
"bb_lower.length": { "min": 15, "max": 25, "step": 1 },
"bb_lower.std": { "min": 1.8, "max": 2.5, "step": 0.1 },
"rsi.length": { "min": 5, "max": 14, "step": 1 },
"rsi_oversold_th": { "min": 25, "max": 45, "step": 5 },
"atr_mult": { "min": 1.5, "max": 3.0, "step": 0.5 }
},
"constraints": { "min_trades": 20 },
"metric": "sharpe_ratio"
},
"tags": ["hmm", "bb", "rsi", "mean-reversion", "leverage", "nas100"]
}
主要パラメータの意味¶
| パラメータ | 役割 | 推奨値・範囲 |
|---|---|---|
regime.n_components |
HMM の状態数 | 3（Bull/Neutral/Bear） |
regime.features |
HMM の入力特徴量 | ["return", "volatility"] |
bb_lower.length / std |
BB の期間と標準偏差倍率 | 期間 15-25、std 1.8-2.5 |
rsi.length |
RSI 期間 | 5-14（短期ほど敏感） |
rsi_oversold_th |
エントリー閾値 | 25-45（小さいほど絞り込み） |
atr_mult |
ATR ベース SL 倍率 | 1.5-3.0 |
risk_override.leverage |
レジーム別レバレッジ | Bull 5.0 / Neutral 3.0 / Bear 0（skip） |
バックテスト結果サンプル¶
サンプル出力です
実際の数値はデータと環境に依存します。
==> QQQ 2018-01-01 → 2025-12-31 (1d)
trades: 38 win_rate: 65.8% profit_factor: 2.15
total_return: +124.5% cagr: +10.7% sharpe: 1.42
max_drawdown: -18.4% exposure: 24.3%
final_equity: $22,450 (initial: $10,000)
カスタマイズのポイント¶
- 対象銘柄を変える:
target_symbolsを["SPY"]、["NVDA"]、["GC=F"]等に差し替え - 状態数を変える:
regime.n_components: 2（Bull/Bear）に減らすと判定が単純化、4で精緻化（要データ量） - エントリー条件を強化:
regime_config.states["0"].entry_conditionsにvolume > sma_volume_20などを追加 - 最適化対象:
forge optimize run QQQ --strategy multi_asset_hmm_bb_rsi_v1_qqq --metric sharpe_ratio --save
レジーム切り替え（regime-switching）¶
概要¶
HMM 出力をキーに レジームごとに別の戦略を適用 するパターン。1 つの戦略 JSON 内で、Bull レジームではトレンドフォロー、Bear/Range レジームでは平均回帰、というように 戦略そのものを切り替え ます。
regime_config.states でレジーム ID（HMM 出力の整数）ごとに entry_conditions と exit_conditions を完全に独立して定義できるのが、HMM × BB × RSI との大きな違いです。
適用シナリオ¶
- 対象銘柄: 商品先物（CL=F、GC=F、NG=F）、ボラティリティが高く、トレンドとレンジが明確に切り替わる商品
- 市場環境: 商品市場特有のトレンド/逆張りの両方を捉えたい
- 想定保有期間: 数日〜1 ヶ月
- リスク特性: 高レバレッジ（10x）+ ATR ベース SL、商品先物の証拠金取引前提
戦略 JSON 全文¶
{
"strategy_id": "commodity_hmm_regime_v1",
"name": "Commodity HMM Regime v1",
"version": "1.0.0",
"description": "商品CFD向けレジーム適応型: HMM 2状態でBull/Bearを判定。Bull=Supertrendロング、Bear=BB+RSI逆張り。leverage=10。",
"target_symbols": ["GC=F", "SI=F", "CL=F", "BZ=F", "NG=F", "ZC=F", "ZS=F", "ZW=F", "HG=F"],
"asset_type": "stock",
"timeframe": "1d",
"parameters": {
"adx_threshold": 20,
"rsi_threshold": 35,
"atr_mult": 2.0
},
"indicators": [
{ "id": "regime", "type": "HMM", "params": { "n_components": 2, "features": ["return", "volatility"], "volatility_window": 10 } },
{ "id": "supertrend_val", "type": "SUPERTREND", "params": { "length": 9, "multiplier": 3.0 } },
{ "id": "adx_val", "type": "ADX", "params": { "length": 14 } },
{ "id": "bb_lower", "type": "BBANDS", "params": { "length": 20, "std": 2.0, "line": "lower" } },
{ "id": "bb_mid", "type": "BBANDS", "params": { "length": 20, "std": 2.0, "line": "mid" } },
{ "id": "rsi", "type": "RSI", "params": { "length": 14 } },
{ "id": "atr", "type": "ATR", "params": { "length": 14 } },
{ "id": "sl_dist", "type": "EXPR", "params": { "expr": "atr * atr_mult" }, "lock_on_entry": true }
],
"variables": [],
"entry_conditions": { "long": { "logic": "AND", "conditions": [] } },
"exit_conditions": { "long": { "logic": "OR", "conditions": [] } },
"risk_management": {
"leverage": 10.0,
"position_sizing_method": "risk_based",
"risk_per_trade_pct": 1.5,
"stop_loss_indicator": "sl_dist",
"max_positions": 1
},
"regime_config": {
"indicator_id": "regime",
"states": {
"0": {
"entry_conditions": { "long": { "logic": "AND", "conditions": [
{ "left": "close", "op": "crosses_above", "right": "supertrend_val" },
{ "left": "adx_val", "op": ">", "right": "adx_threshold" }
]}},
"exit_conditions": { "long": { "logic": "OR", "conditions": [
{ "left": "close", "op": "crosses_below", "right": "supertrend_val" }
]}}
},
"1": {
"entry_conditions": { "long": { "logic": "AND", "conditions": [
{ "left": "close", "op": "<", "right": "bb_lower" },
{ "left": "rsi", "op": "<", "right": "rsi_threshold" }
]}},
"exit_conditions": { "long": { "logic": "OR", "conditions": [
{ "left": "close", "op": ">", "right": "bb_mid" }
]}}
}
}
},
"optimizer_config": {
"param_ranges": {
"supertrend_val.multiplier": { "min": 2.0, "max": 4.0, "step": 0.5 },
"adx_threshold": { "min": 15, "max": 30, "step": 5 },
"rsi_threshold": { "min": 25, "max": 45, "step": 5 },
"atr_mult": { "min": 1.5, "max": 3.0, "step": 0.5 }
},
"constraints": { "min_trades": 15 },
"metric": "sharpe_ratio"
},
"tags": ["hmm", "regime", "adaptive", "commodity", "leverage-10"]
}
主要パラメータの意味¶
| パラメータ | 役割 | 推奨値・範囲 |
|---|---|---|
regime.n_components |
HMM 状態数 | 2（Bull/Bear のシンプル切替） |
regime.volatility_window |
ボラティリティ計算窓 | 10（短期）〜30（中期） |
supertrend_val.multiplier |
SuperTrend の幅 | 2.0-4.0（小さいほど敏感） |
adx_threshold |
トレンド強度の閾値 | 15-30（25 以上で強トレンド） |
rsi_threshold |
逆張りの過売閾値 | 25-45 |
risk_per_trade_pct |
1 トレードのリスク % | 1.5（保守的） |
leverage |
商品先物のレバレッジ | 10（証拠金取引前提） |
バックテスト結果サンプル¶
サンプル出力です
==> CL=F 2018-01-01 → 2025-12-31 (1d)
trades: 27 win_rate: 51.9% profit_factor: 1.82
total_return: +88.3% cagr: +8.4% sharpe: 1.21
max_drawdown: -22.1% exposure: 31.5%
regime_breakdown: state=0 (Bull): 14 trades, sharpe 1.45 / state=1 (Bear): 13 trades, sharpe 0.92
カスタマイズのポイント¶
- 状態数を増やす:
n_components: 3にすると Bull/Range/Bear の 3 区分に。states["2"]を追加 - 対象を株式に:
target_symbolsを株式銘柄に変えてrisk_management.leverageを1.0-2.0へ下げる - 取引機会を増やす: 各レジームの
entry_conditionsを緩める（例:adx_threshold: 15、rsi_threshold: 45） - クロスシンボル最適化:
forge optimize cross-symbol GC=F SI=F CL=F --strategy commodity_hmm_regime_v1 --aggregation min --save
マルチタイムフレーム（multi-timeframe）¶
概要¶
indicators[].timeframe フィールドを使って 上位足の指標を取り込み、下位足でエントリーする戦略。週足の SMA で長期トレンドを判定し、日足の RSI で押し目買いタイミングを取る、というパターンです。
教材としての例
本セクションの戦略 JSON は indicators[].timeframe 機能の使用例として書き起こしたものです。実運用前に forge strategy validate と forge backtest run で動作を確認してください。
適用シナリオ¶
- 対象銘柄: 米国大型株 / ETF（SPY、QQQ、AAPL）
- 市場環境: 長期上昇トレンドの中での短期押し目買い
- 想定保有期間: 1 日〜2 週間
- リスク特性: トレンドフォロー型なので、トレンド転換時のドローダウンに注意。週足が下落トレンドに転じたら一切エントリーしない設計
戦略 JSON 全文¶
{
"strategy_id": "spy_mtf_trend_pullback_v1",
"name": "SPY マルチタイムフレーム トレンド押し目買い v1",
"version": "1.0.0",
"description": "週足 SMA でトレンド方向を判定し、日足 RSI 過売で押し目買いするマルチタイムフレーム戦略。",
"target_symbols": ["SPY"],
"asset_type": "stock",
"timeframe": "1d",
"parameters": {
"rsi_oversold_th": 35,
"atr_mult": 2.0
},
"indicators": [
{
"id": "weekly_sma",
"type": "SMA",
"params": { "length": 20 },
"source": "close",
"timeframe": "1w"
},
{
"id": "weekly_close",
"type": "EXPR",
"params": { "expr": "close" },
"timeframe": "1w"
},
{ "id": "rsi", "type": "RSI", "params": { "length": 7 } },
{ "id": "sma_50", "type": "SMA", "params": { "length": 50 } },
{ "id": "atr", "type": "ATR", "params": { "length": 14 } },
{ "id": "sl_dist", "type": "EXPR", "params": { "expr": "atr * atr_mult" }, "lock_on_entry": true }
],
"variables": [
{
"id": "weekly_uptrend",
"logic": "AND",
"conditions": [
{ "left": "weekly_close", "op": ">", "right": "weekly_sma" }
]
}
],
"entry_conditions": {
"long": {
"logic": "AND",
"conditions": [
{ "left": "weekly_uptrend", "op": "==", "right": true },
{ "left": "close", "op": ">", "right": "sma_50" },
{ "left": "rsi", "op": "<", "right": "rsi_oversold_th" }
]
}
},
"exit_conditions": {
"long": {
"logic": "OR",
"conditions": [
{ "left": "rsi", "op": ">", "right": 60 },
{ "left": "close", "op": "<", "right": "sma_50" }
]
}
},
"risk_management": {
"leverage": 1.0,
"position_sizing_method": "fixed",
"position_size_pct": 25.0,
"stop_loss_indicator": "sl_dist",
"max_positions": 1
},
"regime_config": null,
"optimizer_config": {
"param_ranges": {
"weekly_sma.length": { "min": 10, "max": 30, "step": 5 },
"rsi.length": { "min": 5, "max": 14, "step": 1 },
"rsi_oversold_th": { "min": 25, "max": 45, "step": 5 },
"atr_mult": { "min": 1.5, "max": 3.0, "step": 0.5 }
},
"constraints": { "min_trades": 20 },
"metric": "sharpe_ratio"
},
"tags": ["multi-timeframe", "trend-following", "pullback", "weekly", "spy"]
}
主要パラメータの意味¶
| パラメータ | 役割 | 推奨値・範囲 |
|---|---|---|
weekly_sma.timeframe: "1w" |
上位足を週足に指定 | "1w" 固定（4h、1mo も可） |
weekly_sma.length |
週足 SMA 期間 | 10-30（中長期トレンド） |
rsi.length |
日足 RSI 期間 | 5-14（短期ほど敏感） |
rsi_oversold_th |
押し目判定閾値 | 25-45 |
sma_50 |
日足の中期トレンドフィルタ | 固定 50 |
position_size_pct |
1 ポジションのサイズ | 25% 程度（保守的） |
indicators[].timeframe フィールドは、その指標だけを別の時間足で計算します。日足のメイン時間軸（timeframe: "1d"）から週足の指標を参照するときは、自動的に同じ日付の週足値が ffill（前方埋め）で揃えられます。
バックテスト結果サンプル¶
サンプル出力です
==> SPY 2018-01-01 → 2025-12-31 (1d)
trades: 32 win_rate: 62.5% profit_factor: 1.95
total_return: +68.2% cagr: +6.7% sharpe: 1.18
max_drawdown: -14.3% exposure: 28.7%
カスタマイズのポイント¶
- 上位足を変える:
weekly_sma.timeframeを"4h"にすると当日内マルチタイムフレーム、"1mo"で月足主導 - 複数の上位足を組み合わせる: 月足 SMA と週足 SMA の両方をクリアした場合のみエントリー
- 対象銘柄を増やす:
target_symbols: ["SPY", "QQQ", "DIA"]に拡張し、forge optimize cross-symbolで頑健なパラメータを探索 - 空売りを追加:
entry_conditions.shortに「週足下落トレンド + 日足 RSI 過買」を定義
カスタマイズと派生（共通の応用パターン）¶
パラメータ最適化¶
すべてのテンプレートに optimizer_config.param_ranges が含まれているため、以下のコマンドで Optuna ベイズ最適化が走ります：
詳細は forge optimize run を参照。
ウォークフォワード検証で過学習を防ぐ¶
各ウィンドウで IS（イン・サンプル）最適化 → OOS（アウト・オブ・サンプル）評価を繰り返し、overfitting_score を確認します。
感度分析でロバスト性を計測¶
最適化済みパラメータの周辺をスイープし、わずかな変動でメトリクスがどれだけ変わるかを評価します。overall_robustness_score が 0.7 以下なら過学習を疑いましょう。
ライブとの比較¶
実運用記録（trade records）が蓄積したら、バックテストとの乖離を確認できます：
詳細は forge live compare を参照。
関連ドキュメント¶
- はじめに — シンプルな SMA クロス戦略から始める
- CLI リファレンス —
forgeコマンドの全パラメータ - AI 駆動の戦略探索ワークフロー — Claude Code / Codex で戦略を自動生成