FORM(形態層）」
市場の動きと軌跡をドットで浮かび上がらせる
2種類1４色のカラードットはマトリクス上のそれぞれ発生時間上に描画されます。それぞれ線状、または弓状に連なった特徴的な形状はそれぞれ意味を持っています。さらにドットの組み合わせなどで、売り時買い時のタイミングを推理することも可能です。
STRUCTURE（構造層）
トレンドやリスクを波形の「形」で見る
この層では、スムースな曲線チャートで、トレンドの段差やリスクの山と谷を見えるかたちにしています。「いつも同じように動くわけではない」という、相場のリズムを感じるための層です。
SIGNAL（信号層）
記号・数値で市場の「意味」を伝える
いこの「信号層」では、矢印や記号・数値などを使って、”市場の動き出すタイミング”を直感的に見つけられるようにしています。
FIELD（密度層）
背景の色で「雲行き」を感じ取る
暖色系の背景は軟調な地合いを表し、寒色系の背景は強気の相場を表します。グラデーションで表現することにより、ヒートマップのように相場の過熱する場所が分かります。
4. 密度層
FIELD
トレンド・ヒートマップは、市場のトレンド特性を3つの異なる視点から分析し、それぞれのヒートマップを通じて異なる時間スケールでの市場の動きを比較することが可能です。
✨ View 1：1 ⍺ ネビュラー・ヒートマップ(Nebular Heatmap) – アルファ(Alpha)
背景の色で、市場の“雲行き”を感じ取る
背景ににじむヒートマップの色の濃淡を見るだけで、「勢いが出そうなエリア」「停滞している領域」がわかります。空の雲行きのように、市場の気配を感じ取るための層です。オレンジ色の背景は軟調な地合いを表し、青い背景は強気の相場を表します。
明るい緑(上昇基調)⇒暗い緑⇒暗いオレンジ⇒明るいオレンジ(下降基調)のグラデーションを上部のステラナビゲーターの背景に施しました。
□マークは急上昇圏内
□マークは上昇圏内
□マークは上向き圏内
□マークは下向き圏内
□マークは下降圏内
□マークは急下降圏内
レポート上部モーションチャートの背景が相場の強弱を示すグラデーションマップになっています。寒色（緑色系）が上値相場、暖色（オレンジ色系）が下値相場、各価格帯で分単位でグラデーションは変化します。分足ごとのデータのを特定のグループに分け、それらの分足の終値までの差分ではなく、分ごとの高値最高値ー安値最低値の値の平均値を使っています。これにより上下どちらに伸びていくかの加減を表現します。
データ間の類似度に基づいてデータをグループ化することをクラスタリングといいますが、「アルゴリズムに立ち向かう！」では、それほど長くない過去データをいくつかの要素でソフトクラスタリング（各データが複数のクラスタに所属することを許すようなクラスタリング）することで、分ごとの強弱を１２の目的変数に分けて回帰分析を行い、分ごとに変数、モデル、誤差処理を変えて多重分析を可能にしています。限られる日経平均データですが、古いデータはあえてカットして、直近に近いデータは重み付け処理をしています。
このマップに限らず、将来価格の予測をする上で、モデル選択よりもクラスタリングのほうがデータ解析では（私の場合は）重要で影響力が大きいです。当然、クラスタリング手法の選択においても、変数選択とは別に基準となる要素を何にとるか、それは複数必要かなどを、あらゆるパターンの相関を走らせて最適な手法を選びます。昨年、ソフトクラスタリング解析アプリを自作し、解析のスピードは格段に上がりました。このアプリはグループ間の類似度を評価する指標となるべき最適変数を見つけ出す過程と、グラスタ内の標本数を同一に調整するための変数パラメーター自動調整機能を持ち合わせています。
クラスタリングの重要性
✨ View 2: η セグメント・ヒートマップ(Segmented Flow) – イータ(Eta)
広域のトレンド特性をクラスタリングし、周期パターンを表現
市場の短期トレンドを16のセグメントに分け、それぞれのセグメントで独立した回帰処理を行いそれをつなぎ合わせたものです。
レポート上部モーションチャートの背景が相場の強弱を示すグラデーションマップになっています。寒色（緑色系）が上値相場、暖色（オレンジ色系）が下値相場、各価格帯で分単位でグラデーションは変化します。分足ごとのデータのを特定のグループに分け、それらの分足の終値までの差分ではなく、分ごとの高値最高値ー安値最低値の値の平均値を使っています。これにより上下どちらに伸びていくかの加減を表現します。
データ間の類似度に基づいてデータをグループ化することをクラスタリングといいますが、「アルゴリズムに立ち向かう！」では、それほど長くない過去データをいくつかの要素でソフトクラスタリング（各データが複数のクラスタに所属することを許すようなクラスタリング）することで、分ごとの強弱を１２の目的変数に分けて回帰分析を行い、分ごとに変数、モデル、誤差処理を変えて多重分析を可能にしています。限られる日経平均データですが、古いデータはあえてカットして、直近に近いデータは重み付け処理をしています。
このマップに限らず、将来価格の予測をする上で、モデル選択よりもクラスタリングのほうがデータ解析では（私の場合は）重要で影響力が大きいです。当然、クラスタリング手法の選択においても、変数選択とは別に基準となる要素を何にとるか、それは複数必要かなどを、あらゆるパターンの相関を走らせて最適な手法を選びます。昨年、ソフトクラスタリング解析アプリを自作し、解析のスピードは格段に上がりました。このアプリはグループ間の類似度を評価する指標となるべき最適変数を見つけ出す過程と、グラスタ内の標本数を同一に調整するための変数パラメーター自動調整機能を持ち合わせています。
クラスタリングの重要性
✨ View 3: 3 ν セグメント・ヒートマップ・クロノ(Segmented Flow Chrono) – ニュー(Nu)
背景の色で、市場の“雲行き”を感じ取る
背景ににじむヒートマップの色の濃淡を見るだけで、「勢いが出そうなエリア」「停滞している領域」がわかります。空の雲行きのように、市場の気配を感じ取るための層です。オレンジ色の背景は軟調な地合いを表し、青い背景は強気の相場を表します。
明るい緑(上昇基調)⇒暗い緑⇒暗いオレンジ⇒明るいオレンジ(下降基調)のグラデーションを上部のステラナビゲーターの背景に施しました。
□マークは急上昇圏内
□マークは上昇圏内
□マークは上向き圏内
□マークは下向き圏内
□マークは下降圏内
□マークは急下降圏内
