XGBoostで株価LogReturn予測――“カテゴリ変数”で予測AIはここまで変わる
本記事は前回の「株価データ分布の可視化とカテゴリ分岐設計」（記事はこちら）の続編です。
前回のデータ分析で設計したカテゴリ分岐をもとに、今回は実際にAIで株価LogReturn予測を行い、「カテゴリ変数の有無」で精度や予測分布がどう変わるかを徹底検証しました。
検証の目的
「翌営業日の終値LogReturn（＝前日比の変動率）」をXGBoostで予測するタスクにおいて、
-
カテゴリ変数（例：価格帯やグループ）を追加すると予測精度やモデルの挙動がどのように変化するのか？
を実験・分析します。
実験概要
-
モデル：XGBoost
-
予測対象：翌営業日の終値LogReturn（＝終値の前日比変動率、単位は%ではなくLog値）
-
特徴量パターン：
- V4：カテゴリ変数なし
- V5：カテゴリ変数あり
-
評価指標：MAE（平均絶対誤差）、RMSE（二乗平均平方根誤差）、相関係数（予測vs実測） ほか
【図表・写真挿入位置とキャプション一覧】
-
図1. mediumグループ・カテゴリ変数なし（V4）の予測結果散布図
（実測LogReturnと予測値の関係。点が直線から大きくバラつく＝予測が外れている例が多い） -
図2. mediumグループ・カテゴリ変数なし（V4）の予測誤差ヒストグラム
（誤差0から右方向にピークがずれている＝過小評価バイアスの傾向を可視化） -
図3. mediumグループ・カテゴリ変数あり（V5）の予測結果散布図
（実測LogReturnと予測値が直線付近に集まり、モデルが“動きをしっかり当てている”様子） -
図4. mediumグループ・カテゴリ変数あり（V5）の予測誤差ヒストグラム
（誤差0への集中が強化。外れ値の頻度も激減し、“外さないAI”に進化した様子） -
図5. smallグループ・カテゴリ変数なし（V4）の予測結果散布図
（small銘柄でも、カテゴリ変数なしでは点が縦に散らばりやすい傾向） -
図6. smallグループ・カテゴリ変数なし（V4）の予測誤差ヒストグラム
（0以外にも複数ピークや裾野が見える＝外れ値・予測ブレが多い） -
図7. smallグループ・カテゴリ変数あり（V5）の予測結果散布図
（カテゴリ変数追加により、点が直線付近に密集し“正解に追従するAI”の特性が現れる） -
図8. smallグループ・カテゴリ変数あり（V5）の予測誤差ヒストグラム
（0付近への寄り付き・密度がさらに強化。誤差の大外れが大幅に減少した） -
表1. MAE・RMSE等の指標比較表
（small/medium/large各グループのモデルごとの主要指標を一括比較。カテゴリ変数導入で精度・安定性が飛躍的に向上していることが数値で見て取れる）
補足注釈
各図・表は、カテゴリ変数導入の有無によるAIの予測精度・分布変化を視覚的・定量的に比較しています。
図1～4はmediumグループ、図5～8はsmallグループの挙動を示し、表1では全体傾向を定量的にまとめています。
検証結果（グループごと）
表1. MAE・RMSE等 指標比較
| モデル | グループ | MAE | RMSE | R2 | MAPE |
|---|---|---|---|---|---|
| chartyx_v4 | small | 0.138 | 0.216 | -25.76 | 1752.55 |
| chartyx_v4 | medium | 0.366 | 0.436 | -108.78 | 5513.39 |
| chartyx_v4 | large | 0.274 | 0.363 | -74.81 | 4498.73 |
| chartyx_v5 | small | 0.053 | 0.073 | -2.02 | 854.59 |
| chartyx_v5 | medium | 0.081 | 0.106 | -5.42 | 1243.86 |
| chartyx_v5 | large | 0.149 | 0.254 | -36.11 | 2321.01 |
※表内のV4＝カテゴリ変数なし、V5＝カテゴリ変数あり
可視化で見る精度の違い
mediumグループの「誤差ヒストグラム」を例に、カテゴリ変数あり/なしでどう分布が変わったかを比較します。
※他グループも同様の傾向が見られました。
medium/GroupAvg_medium の例（LogReturn予測）
カテゴリ変数なし（V4）の予測分布
図1. 「カテゴリ変数なし」モデルの予測結果散布図（横軸: 実測LogReturn、縦軸: 予測値、赤線: 完全一致）
図2. 「カテゴリ変数なし」モデルの予測誤差ヒストグラム（横軸: 誤差, 縦軸: 頻度）
カテゴリ変数あり（V5）の予測分布
図3. 「カテゴリ変数あり」モデルの予測結果散布図
図4. 「カテゴリ変数あり」モデルの予測誤差ヒストグラム
結果まとめ・図の読み解き
-
Predicted vs Actual散布図（図1,3）では、点がy=x（赤線）に近いほど予測精度が高いことを示します。
カテゴリ変数なし（V4）では点がバラつきますが、あり（V5）では直線付近に密集し、相関係数も明確に向上しています。 - 誤差ヒストグラム（図2,4）では、「誤差0」（=予測が実測と一致）に山が集中し、裾野（大外れ）が減少。“外さない予測”が増えたことを示します。
smallグループでも同様の傾向が見られます。
実際の誤差ヒストグラムでは、カテゴリ変数を導入することで中心（0付近）への寄り付きがさらに強くなり、大外れのケースも大きく減少しました。
分散が一時的に増えたように見える場面もありますが、これは**“予測誤差が0に集中する”ことで中心密度が増したため**です。
図5. smallグループ：カテゴリ変数なしの予測結果散布図
図6 smallグループ：カテゴリ変数なしの予測誤差ヒストグラム
図7 smallグループ：カテゴリ変数ありの予測結果散布図
図8 smallグループ：カテゴリ変数ありの予測誤差ヒストグラム
なぜカテゴリ変数が効くのか？
- 株価データには**「異質なグループ」**（価格帯/業種/流動性など）が混在しており、そのまま学習させると「全体平均」に引っ張られがち
- カテゴリ変数を追加することで、AIは「今どのグループのデータか」を認識し、それぞれの特徴に合わせた予測が可能に
- 結果として「外れ値の暴走」や「過小評価」が抑制され、全体の精度・安定性が大幅向上！
まとめ・今後の展望
- カテゴリ変数の追加は、株価予測AIの“精度と頑健性”を飛躍的に高める強力な工夫
- 今後は、SHAP値による特徴量重要度の可視化や、「どのカテゴリが最も効いているか？」の深堀り分析も予定
次回もお楽しみに！
前回記事（こちら）で紹介した「分布分析・カテゴリ設計」と合わせてご覧いただくと、より理解が深まります。
さらに理解を深めたい方へ：補足Tips
- Predicted vs Actual散布図では「点がy=x直線（赤線）に集まる＝どんな変動幅でも実測値をしっかり当てている」ことを意味します。相関係数はこの“一致度”の良さを数値で表す重要指標です。
- 誤差ヒストグラムは「0に山が集まる」ほど、実用的に“外さないAI”になった証拠。分散や尖度も参考指標ですが、中心密度の高さをまず注目しましょう。
Discussion