YenPulse システムアーキテクチャの革新性に関する分析報告書を公開しました。

1. SELF_YenPulse アーキテクチャの戦略的評価

マルチAIシグナル発生装置「SELF YenPulse」の仕様書を公開しました。

1.1. 序論：金融シグナルシステムにおける「革新」の再定義

本報告書は、USD/JPYトレーディングシグナルシステム「SELF_YenPulse v3.12」（以下、YenPulse）のシステムアーキテクチャについて、その革新性を金融テクノロジーおよびAIシステム設計の観点から詳細に分析するものである。

YenPulseの革新性は、単一の技術要素（例えば、特定の最新AIモデルの採用）に依存するものではない。その本質は、複数のAIエージェントによる高度な分業体制、階層的な検証プロセス、そして厳格なリスク管理哲学を「システムとして統合」した点にある ¹。

従来のアルゴリズム取引システムは、テクニカル指標に基づく静的なルールベースのロジック、あるいは単一の「ブラックボックス」AIモデルによる判断に依存するものが主流であった。これに対し、YenPulseは、決定論的なシステムから脱却し、確率論的かつ適応的な「AI委員会（AI Committee）」モデルへと移行した点で画期的である。

1.2. 中核的設計思想：高精度エントリーのための「高コヒーレンス・リスク回避」

YenPulseのシステム目的は「高精度なエントリーシグナルとTP/SL（利確・損切り）の提供」である ¹。この目的を達成するため、アーキテクチャ全体に2つの中核的な設計思想が貫かれている。

1. 高コヒーレンス（High Coherence）: システムは、テクニカル、市場心理、マクロ経済といった異なる側面から分析を行う複数のAIの意見が、高度に一致した場合（仕様書における「BUY/SELLが4票以上で強いコンセンサス」 ¹）にのみ、シグナルを生成する。
2. リスク回避（Risk Aversion）: システムのデフォルト状態（初期設定）は「トレードしない（NONE）」に設定されている。AI間で意見が不一致である、あるいは確信度が低いなど、「疑わしい」状況ではシグナル発信を強制的に見送る、厳格なリスク回避ロジックが組み込まれている ¹。

1.3. アーキテクチャが示す哲学的スタンス

このシステムアーキテクチャが示す設計哲学は明確である。YenPulseは、「できるだけ多く取引すること（Maximize Frequency）」ではなく、「負ける可能性のある取引を徹底的に排除すること（Minimize False Positives）」を最優先事項として設計されている。

仕様書には、シグナルを発信しない「NONE」とすべき条件が多数定義されている（例：「NONEが3票以上」「BUY/SELLが3票（弱い）」「2:2:1分散」「平均確信度<0.70」など）¹。この設計は、開発者が、不確実な市場における「偽シグナル（Whipsaw）」による損失をシステムが直面する最大の脅威として認識していることを示唆している。

したがって、YenPulseの革新性とは、単なる利益機会の追求（Profit Maximization）よりも、ドローダウン（資産の最大減少率）の抑制（Capital Preservation）に重点を置いた、プロフェッショナルなリスク管理哲学そのものをアーキテクチャレベルで実装した点にある。これは、裁量トレーダーにとって最も困難な心理的要素である「規律」と「忍耐」を、システムに強制する試みであると言える。

2. ハイブリッド・データ基盤の構築：AI分析の多角的視点

AI分析の精度は、その基盤となるデータの質と多様性に強く依存する。YenPulseは、テクニカル、マクロ経済、市場心理という3つの異なる領域のデータを融合させた、ハイブリッド・データ基盤を構築している ¹。

2.1. MQL5テクニカル分析エンジン：高次元の市場コンテキスト

MetaTrader 5（MT5）上で動作するMQL5エンジン（main.mq5）は、単なる価格データ提供者ではなく、AI分析のための「高次元フィーチャ・スペース（High-Dimensional Feature Space）」を生成するコアコンポーネントである ¹。

• データの広範性: トレンド（MA, MACD）、ボラティリティ（ATR, ボリンジャーバンド）、ボリューム（OBV, MFI, CVD）、オシレーター（RSI, CCI）、サポート・レジスタンス（ピボット, 一目均衡表）など、60種以上のテクニカル指標を網羅的に計算する ¹。
• データの多層性: 複数の時間足（M1～D1）の移動平均、アジア・欧州・米国セッションごとの高値・安値・VWAP、価格の統計的偏差（Zスコア）、ボリュームプロファイル（POC）など、市場を多層的に分析するためのコンテキストを提供する ¹。
• 市場間分析: USD/JPYに加え、日経225（JP225）およびS&P500（US500）の価格を取得し、AIが相関分析（リスクオン/オフ）を行うための基盤とする ¹。
• マクロ経済指標: FRED APIと連携し、米国2年債・10年債利回り（DGS2, DGS10）、VIX指数（市場の恐怖）、DXY指数（ドルインデックス）といった主要なマクロ経済指標を取得する ¹。

2.2. Python外部データ収集：マクロと心理の補完

bond_scraper_auto.pyスクリプトは、MQL5エンジンでは取得できない、あるいはより高い速報性が求められる重要な非テクニカルデータを補完する ¹。

• 金利差（USD/JPYの主要因）: CNBCから米日2年債利回りを直接スクレイピングする ¹。これは、USD/JPYのファンダメンタルズ要因として最も重要な日米金利差の最新動向をAIが把握するために不可欠である。
• 市場心理（群衆の偏り）: FXSSIからUSD/JPYのポジション偏り（Sentiment）を取得する ¹。これは、リテールトレーダーのポジションの偏り、すなわち「群衆心理」をデータ化するものである。

2.3. データとAIアーキテクチャの共生関係

YenPulseの革新性は、これら3つの異なるデータセット（①詳細なテクニカル、②主要なマクロ指標、③群衆心理データ）を単に収集するだけでなく、tech_context.txt（MQL5出力）¹ と bond.txt（Pythonスクレイパー出力）¹ という標準化されたフォーマットに集約し、AIコンセンサスエンジン（main.py）が一元的に消費できる「共通データ基盤」を構築した点にある ¹。

このデータ基盤は、後述するAIチームの役割分担と意図的に連動して設計されている。

例えば、システムがSelenium（JavaScript動的ページ）¹ という複雑な技術を用いてまでFXSSIのポジション偏りを取得する理由は、AIチーム内に「Grok Sentiment（市場心理分析専門）」という専門エージェントが存在し、そのエージェントが「ポジション偏りからの逆張り機会評価」という特定のタスクを担っているためである ¹。

つまり、データ収集パイプラインとAIの分析アーキテクチャは、互いを前提として設計された「共生関係」にあり、この密接な連携がシステム全体の分析深度を飛躍的に高めている。

3. コア・イノベーション（1）：専門家チームとしての「コンセンサス2」AIエンジン

YenPulseのアーキテクチャにおける最も顕著な革新性は、単一の高性能AIモデルにすべての判断を委ねるのではなく、異なる役割と視点を持つ5つのAIモデルを「コンセンサス2」として組織化した「マルチエージェント・システム」の採用にある ¹。

3.1. 「AI委員会」モデルの設計

この設計は、人間の専門家で構成されるトレーディングデスクの意思決定プロセスを模倣している。そこでは、テクニカル分析家、ファンダメンタルズ分析家、クオンツ・アナリスト、市場心理学者がそれぞれの専門知識に基づき意見を述べ、最終的な意思決定を行う。YenPulseは、このプロセスをAIエージェントによって再現しようと試みている ¹。

3.2. 専門化されたAIエージェントの役割分担

「コンセンサス2」を構成する5つのAIエージェントには、それぞれ明確な専門領域が割り当てられている ¹。

1. Grok (テクニカル分析専門): USD/JPY専門のテクニカル分析を担当。トレンド方向、テクニカル指標の整合性、金利差を考慮する「主任テクニカル分析官」としての役割を担う。
2. Grok Sentiment (市場心理分析専門): VIX、ティックボリューム、ポジション偏りから市場の「恐怖/貪欲」を推定する「市場心理学者」。特に「ポジション偏りからの逆張り機会評価」も担当し、群衆心理の逆を突く視点を提供する。
3. Gemini (多角的検証): Grokのテクニカル分析を、チャートパターン検出や中長期トレンドとの整合性といった異なる角度から「ピアレビュー（査読）」する「検証官」の役割を持つ。
4. GPT (効率的検証): gpt-40-miniモデルを使用し、Bid/Ask、ATR、RSIなどの数値データを効率的に検証し、計算確認を行う「クオンツ・アナリスト」として機能する。
5. Claude (独立判断): 他のAI分析から完全に独立した「独立監査人」として機能する。特に、「ADXはトレンドの『方向』ではなく『強さ』を示す」といったAIが誤解しやすいテクニカル指標の正しい解釈や、「トレンドが強い場合、一時的な調整シグナルは無視」といったノイズ排除のロジックが組み込まれている。

3.3. 表1：「コンセンサス2」におけるAIの役割分担と分析焦点

以下の表は、「コンセンサス2」を構成する5つのAIエージェントの機能分化を視覚的にまとめたものである。この設計が、単一の視点に依存しない多角的な分析を実現していることを示している。

AIモデル	使用モデル (v3.12)	役割	主要な判断基準・分析焦点
Grok (テクニカル)	grok-4-fast-reasoning-latest	主任テクニカル分析官	トレンド方向、テクニカル指標の整合性、ボラティリティ評価、米日金利差の考慮
Grok Sentiment	grok-4-fast-reasoning-latest	市場心理学者	市場心理（恐怖/貪欲）、VIX、ティックボリューム、ポジション偏りからの逆張り機会評価
Gemini	gemini-2.5-pro	多角的検証官	複数指標の組み合わせ分析、チャートパターン検出、金利差とテクニカルの照合
GPT	gpt-40-mini	クオンツ・アナリスト	数値データ（Bid/Ask, ATR, RSI）の検証、テクニカル指標の計算確認、リスク・リターン評価
Claude	claude-sonnet-4-20250514	独立監査人	独立した総合分析、トレンド強度・継続性評価、一時的な調整（ノイズ）の無視

3.4. AIチーム設計の優位性：バイアスの相殺と「知的対立」

このマルチエージェント・アーキテクチャは、単一のAIモデルが持つ固有の「バイアス」や「幻覚（Hallucination）」、あるいは特定の市場局面（例：トレンド相場には強いがレンジ相場に弱い）への過剰適合を、チーム全体で相殺するように設計されている ¹。

さらに、この設計の高度な点は、システム内に意図的な「知的対立（Intellectual Conflict）」を創出していることにある。

例えば、「Grok Sentiment」には「逆張り機会評価」がタスクとして与えられている一方で、「Claude」には「トレンドが強い場合、一時的な調整シグナルは無視」するよう指示されている ¹。一方が下降トレンド中の反発を「逆張りBUY」と評価し、もう一方が「トレンド継続中のノイズ（調整無視）」と評価した場合、コンセンサスは「BUY 1票、SELL 1票、NONE 3票」や「2:2:1分散」といった形になる可能性が高い。

この場合、Grok Finalの判断フローに基づき、結果は「NONE」（シグナルなし）となる ¹。この「合意形成の失敗」こそが、市場が不確実であることの証左であり、システムは最も安全な「何もしない」という選択を自動的に行う。このように、「合意形成の困難さ」そのものが、高度なリスク管理機能としてシステムに組み込まれているのである。

4. コア・イノベーション（2）：階層的検証と「拒否権（Veto）」によるリスク管理

YenPulseのアーキテクチャは、AIチームによるコンセンサス形成（第1階層）の後、さらに厳格な検証プロセス（第2階層、第3階層）を設けている。

4.1. Perplexityによる最終検証：テクニカルとファンダメンタルズの橋渡し

第1階層の「コンセンサス2」（主にテクニカルと内部心理ベース）が合意を形成した後、第2階層としてPerplexityによる「最終検証」が行われる ¹。

Perplexityはsonar-reasoningモデルを使用し、「ファンダメンタルズ監査官」として機能する。その役割は、最新の外部情報（日銀政策、米雇用統計、FRB発言等の経済ニュース、最新の金利動向）をリアルタイムでチェックし、テクニカル分析ベースのコンセンサスが、最新のファンダメンタルズ環境と矛盾していないかを確認することである ¹。

Perplexityの最大の革新性は、その「拒否権（Veto Power）」にある。仕様書に定義された拒否権ルールは以下の通りである ¹：

• コンセンサスと同方向 → 承認
• NONE → 黙認 （コンセンサスの判断に従う）
• 逆方向 → 拒否（シグナルなし）

4.2. 「拒否権」がもたらすシステムのアジリティと非対称な権限設計

Perplexityの拒否権は、テクニカル分析ベースのAIが最も苦手とする「予期せぬ外部ショック（Exogenous Shocks）」（例：中央銀行総裁のサプライズ発言、地政学的リスクの突発）に対する、極めて強力なセーフティネットとして機能する ¹。テクニカル指標が「BUY」を示していても、直近のニュースで「米国の金融引き締め懸念が再燃」といった逆方向の情報があれば、Perplexityが拒否権を行使し、損失を未然に防ぐことができる。

ここで注目すべきは、Perplexityの権限が「非対称」に設計されている点である。Perplexityは、コンセンサスが「NONE」の時にシグナルを「創出」することはできない。しかし、コンセンサスが「BUY/SELL」の時にシグナルを「拒否」することはできる ¹。

この権限設計は、システム全体のリスク哲学を反映している。すなわち、「利益機会を逃すリスク（機会費用）」よりも、「予期せぬ外部要因によって損失を被るリスク（ドローダウン）」を圧倒的に重く見ている証拠である。

4.3. 厳格な「NONE」ロジック：規律の自動化

Grok Final（最終判断）のロジック ¹ には、シグナルを意図的に「NONE」とする厳格な条件が複数組み込まれており、これが事実上の第3階層のリスク管理として機能している ¹。

• トリガー1（多数の反対）: NONEが3票以上 → 即座に「NONE」
• トリガー2（弱い合意）: BUY/SELLが3票 → 「NONE」(弱い)
• トリガー3（意見の分散）: 2:2:1分散 → 「NONE」
• トリガー4（低い確信度）: 平均確信度 < 0.70 → 「NONE」
• トリガー5（拒否権発動）: Perplexityが逆方向 → 「NONE」

シグナルが発信されるためには、これらすべてのリスク回避トリガーを通過する必要がある。

4.4. 「迷ったら休む」のアルゴリズム化

これらの「NONE」トリガー群は、AIモデル間で意見が割れている、あるいは確信度が低いという「不確実性の高い状況」をシステムが自己認識し、偽陽性（False Positive）シグナルを体系的に排除するためのメカニズムである ¹。

なぜ「BUY 3票 vs SELL 2票」という状況（過半数はBUY）を「弱い（NONE）」と判断するのか ¹。それは、5人の専門家のうち2人が明確に反対している状況でのエントリーは、リスクが高いと設計者が判断したからである。

このシステムは、人間のトレーダーが陥りがちな「ポジションを持ちたい」という衝動（Action Bias）をアーキテクチャレベルで排除し、「明確な優位性がない限り何もしない」というプロフェッショナルな規律をアルゴリズムとして実装している。この「何もしない勇気」のコード化こそが、YenPulseの最大の革新性の一つである。

5. コア・イノベーション（3）：シグナル生成とリスク管理の機能的分離

YenPulseのもう一つの重大な革新性は、シグナルの「方向性（BUY/SELL/NONE）」を決定するプロセスと、シグナル発信後の「リスクパラメータ（TP/SL）」を決定するプロセスを、機能的に分離した点にある。

5.1. GPT-5 TP/SL計算エンジン：専門家AIによるリスクパラメータ最適化

Grok Finalがシグナルの方向性を決定した後、YenPulseはリスクパラメータの決定を、gpt-5モデルを使用した専門の「TP/SL計算エンジン」に委ねている ¹。

この設計の優位性は、高度な専門化にある。「トレンドの発生を認識するスキルセット」と、「そのトレンドの中で最適なリスク・リワード（出口戦略）を計算するスキルセット」は、本質的に異なる。YenPulseは、これらを異なるAIエージェントに担当させることで、各プロセスの最適化を図っている。

5.2. 動的リスク管理プロセスの分析

仕様書（v3.12）¹ によれば、GPT-5 TP/SL計算エンジンは、Grok Finalがシグナル発信（最終確信度0.65%以上 ¹）を決定した後に呼び出される。

• 入力情報: 「最終シグナル（方向・確信度）」「現在価格・ATR(14)」「全AIの分析結果サマリー」「市場データ・金利差データ」¹。
• 判断要素: GPT-5は、これらの複雑な入力に基づき、静的な値ではなく動的なリスクパラメータを決定する。

1. 動的ATR倍率計算: 現在の市場ボラティリティ（ATR）に基づき、SL倍率（例：ATRの0.8～1.5倍）、TP倍率（例：ATRの2.0～3.5倍）を動的に決定する ¹。
2. リスク・リワード比率最適化: 基本となる1:2以上のリスク・リワード比率を確保しつつ、Grok Finalが算出した「確信度」に応じて比率を調整する ¹。
3. テクニカル要因考慮: 直近のサポート/レジスタンス位置やトレンド強度を考慮し、SLが安易なノイズで狩られない（Stop Huntを回避する）戦略的な位置に設定する ¹。

5.3. リスク管理の「適応性」と「専門化」

GPT-5エンジンがATR倍率を「動的」に決定するプロセスは、極めて重要である。VIXが高くボラティリティの高い市場（ATR大）と、VIXが低く静かな市場（ATR小）では、同じ「-30 pips」のストップロスが持つ意味は全く異なる。

静的なSL/TPを設定する従来のシステムは、市場環境の変化に対応できず破綻するリスクを常に抱えている。対照的に、YenPulseのGPT-5エンジンは、現在の市場の「呼吸（ボラティリティ）」に合わせてSL/TPを自動で伸縮させる「市場適応型（Adaptive）」のリスク管理を実現する。この適応性こそが、静的なルールベースのシステムに対する圧倒的な優位性となる。

6. 統合システムの堅牢性と実運用性

YenPulseは、単なる概念実証（PoC）ではなく、24時間稼働する金融市場での実運用を前提とした、堅牢なエンジニアリング設計が施されている。

6.1. MQL5とPythonの異種連携アーキテクチャ

システムは、金融取引プラットフォーム（MT5/MQL5）と、AI分析バックエンド（Python）という異なる技術スタックを連携させている ¹。

• データブリッジ: MQL5がtech_context.txtをCP932（Windows日本語）エンコードで出力し、PythonがそれをUTF-8として読み込む（errors=’ignore’）¹。これは、実運用環境で発生しうる文字コード問題を回避するための、堅実なソリューションである。
• ポーリング・メカニズム: MQL5が30秒ごとに高頻度でデータ更新し、Python（AIエンジン）が5分ごとにポーリングする ¹。これにより、リアルタイム性を確保しつつ、AI APIの呼び出し頻度を抑え、システム負荷とコストのバランスを取っている。

6.2. エラーハンドリングと耐障害性

システムは、実運用で遭遇しうる様々な障害を想定した、多層的なエラーハンドリング機構を備えている ¹。

• ファイルI/Oエラー: ファイル読み込み失敗時に最大3回のリトライ処理を行い、それでも失敗した場合（例：PermissionError）はアーカイブされた過去ログから最新ファイルを取得するフォールバック機構を持つ ¹。
• API通信エラー: タイムアウト（60秒）、APIキーのセキュアな管理（.env）¹、連続5回のAPIエラー発生時のPushover通知など、通信障害に対する監視体制が整っている ¹。
• ロジックの冗長性: 最も重要なのは、Perplexity（第2階層の検証）がAPIエラーで失敗した場合のフォールバック・ロジックである。「失敗&全員一致&確信度>=0.75→ シグナル発信可」¹ という条件は、Perplexityという単一障害点（SPOF）によってシステム全体が停止することを防ぎつつ、コンセンサスが極めて強い場合にのみシグナルを許可するという、高度な耐障害性設計を示している。

6.3. プロダクショングレードの設計思想

詳細なログローテーション管理（システムログ、テクニカルログ、債券ログ）¹、運用者向けのトラブルシューティングガイド（「Q1: tech_context.txtが古い」等）¹、VPS（仮想専用サーバー）での24時間稼働推奨 ¹ といった仕様は、本システムが研究室レベルのプロトタイプではなく、24時間365日の金融市場で稼働し続けることを前提とした「プロダクショングレード」のソフトウェアであることを示している。この実運用への徹底した配慮自体が、多くの学術的システムに対する明確な革新性である。

7. 総評と将来の展望

7.1. 総評：YenPulseの革新性の本質

SELF_YenPulse v3.12の革新性は、特定のAIモデル（例：GPT-5）を採用したという表面的な点にあるのではない。その本質は、以下の4つの高度な概念を、堅牢なエンジニアリングによって単一のシステムとして統合した点にある。

1. AIエージェントの専門家チーム化（AI委員会モデル）: 異なる視点を持つAIが協働・議論し、バイアスを相殺する設計 ¹。
2. 外部情報による階層的検証（拒否権モデル）: テクニカル分析の死角となるファンダメンタルズ・ショックを、Perplexityの拒否権によって回避する設計 ¹。
3. 厳格なリスク回避ロジック（”Default to NONE”）: 「何もしない勇気」をアルゴリズム化し、不確実な局面でのエントリーを徹底的に排除する保守的な哲学 ¹。
4. シグナル決定とリスク管理の機能的分離: 「エントリー判断」と「出口戦略（SL/TP）」を専門AIに分離させ、市場環境に適応する動的リスク管理を実現する設計 ¹。

YenPulseは、従来の「指示に従うツール」としてのAIシステムではなく、自律的に分析し、議論し、リスクを評価・監査する「自律型AIトレーディング・コミッティ」と呼ぶべき、次世代のアーキテクチャを実現している。

7.2. 将来の展望とアーキテクチャの拡張性

仕様書に記載された「今後の改善案」¹ は、本アーキテクチャが持つ高い拡張性を示唆している。

• 中期的改善: 「複数通貨ペアへの対応」¹ は、MQL5の監視シンボル ¹ とAIプロンプト ¹ を変更するだけで容易に実現可能であり、本アーキテクチャの汎用性の高さを示している。「AIモデルの動的重み付け」¹ が実装されれば、パフォーマンスに応じてAIチーム内の発言力を調整する、より高度なコンセンサス形成が可能となる。
• 長期的改善: 最大のポテンシャルは「自動売買機能（MT5との連携）」¹ にある。現在のPushoverによるシグナル通知 ¹ から、MT5への直接発注に移行することで、YenPulseはシグナル配信システムから、完全に自律した「AI駆動型ヘッジファンド」のコアエンジンへと進化しうる。

結論として、SELF_YenPulse v3.12のアーキテクチャは、その多層的なAIコンセンサス形成、厳格なリスク管理哲学、そして実運用に耐えうる堅牢なエンジニアリングにおいて、既存のトレーディングシステムとは一線を画す革新性を有しており、将来的な完全自動売買システムの基盤として極めて高いポテンシャルを有していると評価できる。

引用

1. SELF_YenPulse システム仕様書.pdf