https://etherpoc.com/ja/tags/%E3%83%97%E3%83%A9%E3%82%BB%E3%83%9C%E6%A4%9C%E8%A8%BC/Recent content in プラセボ検証 on FX検証日記HugojaFri, 24 Jul 2026 00:00:00 +0000https://etherpoc.com/ja/posts/smart-sizing-placebo/Fri, 24 Jul 2026 00:00:00 +0000https://etherpoc.com/ja/posts/smart-sizing-placebo/<p>AIに真面目に学習させたロット調整の月利は+0.72%。その学習結果をわざとシャッフルしたデタラメ設定は+1.57%でした。賢くしたはずの仕組みが、賢さを壊したものに負けたんです。</p> <p>この記事は、リスク管理を「賢く」しようとした8つの検証を1本の系譜にまとめたものです。機械学習にリスクを予測させる、強化学習にレバレッジを選ばせる、暴落時の安全資産フライトを取りに行く、トレンドの質でトレードを選別する、強いラインに厚く張る、通貨の相関を監視して手を緩める。結論から言うと、ほぼ全部効きませんでした。生き残ったのは、口座残高の曲線を眺めて取引量を半分にするだけの、一番単純な仕組みです。</p> <h2 id="はじめに-このブログと読むのに必要な言葉">はじめに: このブログと、読むのに必要な言葉</h2> <p>初めての方向けに。このブログは、私(個人)がFXの自動売買プログラム(EA)を自作し、手法を統計検証して勝敗問わず記録している検証日記です。文中の「研究N」は私の検証ノートの通し番号。検証にはFX・金銀・株価指数の実データ約11年分を使っています。</p> <p>言葉を4つだけ先に。PF(プロフィットファクター)は総利益÷総損失で、1を超えると黒字。DD(ドローダウン)は資産が最高値からどれだけ下がったかで、登山でいう「どれだけ下りに転じたか」です。オーバーレイは、売買ロジック本体には触らず、上から取引量だけを調整する層のこと。vol-targetは直近の値動きの大きさに応じてロットを自動調整する、オーバーレイの代表格です。</p> <p><img src="https://etherpoc.com/charts/ex/drawdown.png" alt="図: ドローダウン=資産が最高値からどれだけ下がったか(例: XAUUSD)。この谷の深さがリスクの実感値です。"></p> <p><em>図: ドローダウンのイメージ。今回の系譜は全て「この谷を賢く浅くできないか」という試みでした。</em></p> <h2 id="出発点-残高が沈んだら半分にする研究26">出発点: 残高が沈んだら半分にする(研究26)</h2> <p>系譜の起点はとても素朴な仕組みです。口座残高の曲線が自身の60日移動平均線を下回ったら、取引量を半分にする。エクイティ・オーバーレイと呼ばれる古典的な手法で、要するに「調子が悪い時期は手を緩める」だけです。</p> <p>金と円クロス4ペア(XAUUSD・USDJPY・GBPJPY・EURJPY・CHFJPY)の1時間足トレンドフォローに載せて、1トレードあたり資金の0.4%のリスクで比較しました。</p> <table> <thead> <tr> <th>指標</th> <th>フィルタなし</th> <th>フィルタあり</th> </tr> </thead> <tbody> <tr> <td>最大DD</td> <td>-17.4%</td> <td>-15.2%</td> </tr> <tr> <td>月利</td> <td>0.99%</td> <td>0.76%</td> </tr> <tr> <td>PF</td> <td>1.35</td> <td>1.28</td> </tr> </tbody> </table> <p>DDは約13%浅くなりましたが、月利も比例して減りました。移動平均のラグで、本来は利益を伸ばすべき回復局面まで削ってしまうためです。リスクを0.6%に上げても月利1.07%でDD-22%と伸びは限定的。この設定でプロップファームの審査を模したMC(モンテカルロ合格率。日次リターンを再標本化して合格確率を推定した値)を測ると、ステップ1で77%、全体で62%でした。</p> <p>つまりこの仕組みは魔法ではなく、リターンを差し出してDDを買う正直な取引です。到達点も見えました。DD10%以下の安全運転で月利0.5%前後、DD15%程度まで攻めて1%前後。ここが価格データだけで引き出せる水準の天井に近い、というのがこの時点の結論でした。</p> <p>じゃあもっと賢くすれば、この交換レートを超えられるのでは?と思いますよね。私も思いました。ここからが本編です。</p> <h2 id="機械学習に危ない時期を予測させた研究100">機械学習に「危ない時期」を予測させた(研究100)</h2> <p>まず機械学習(LightGBM)です。相場の方向ではなく、先行きのリスクを予測させました。直近のボラティリティやモメンタム、DD状態、米国株指数との距離を材料に、次の20日間の変動率を予測してレバレッジを調整する仕組みです。</p> <p>2019〜2025年のデータでの初回結果は月利3.12%、DD10%。従来のvol-target+株式フィルタ構成(月利1.16%)の2.7倍で、出来すぎなくらい優秀に見えました。</p> <p>出来すぎた数字は疑うのが検証の作法です。まず期間を2018年まで広げると月利は1.64%に縮小。さらにプラセボ検証をかけました。予測値をランダムにシャッフルし、情報価値ゼロのまま同じ分布でレバレッジを動かすテストです。</p> <table> <thead> <tr> <th>検証内容</th> <th>月利</th> </tr> </thead> <tbody> <tr> <td>機械学習の予測でレバ調整</td> <td>1.64%</td> </tr> <tr> <td>プラセボ(予測をシャッフル)</td> <td>1.44%</td> </tr> <tr> <td>予測の純粋な上乗せ分</td> <td>0.20%</td> </tr> </tbody> </table> <p>見かけの優位の大半は「たまたまそういうレバレッジ分布だった」ことの副産物で、予測が生んだ上乗せは月0.20%。ノイズの域です。真因もはっきりしています。トレンドフォローでは、直近の変動率がすでに将来の変動率をほぼ言い当てているんです。機械学習が学ぶ余地が、最初からほとんど残っていませんでした。</p> <p><img src="https://etherpoc.com/charts/ex/walkforward.png" alt="図: ウォークフォワード検証のイメージ。学習期間と検証期間をずらしながら前進させ、後知恵を排除します。"></p> <p><em>図: 研究100も105もウォークフォワード(前進検証)で実施。それでもプラセボとの比較まではやらないと、見かけの優位に騙されるところでした。</em></p> <h2 id="強化学習に任せたらデタラメに負けた研究105">強化学習に任せたら、デタラメに負けた(研究105)</h2> <p>機械学習の敗因を踏まえ、次は条件を絞った強化学習(contextual bandit)で再挑戦しました。相場の状態をボラティリティ3分位×株式フィルタのオン/オフ×DD状態に区分けし、それぞれの状態で最適なレバレッジを0.5/1.0/1.5から選ばせる、自由度の低い設計です。</p>