FX Autonomous Research
Alpha Hypotheses
アルファ仮説とは、利用可能な情報から将来の価格変化または取引収益に再現可能な予測力が生じるという、反証可能な主張である。単に「この指標が効きそうだ」と考えるのではなく、どの市場参加者の行動や制度的制約が、どの時間軸で、どの条件のときに価格へ影響し、取引コスト控除後にどの程度の利益を残すのかを事前に定義する。FXでは短期の方向予測が難しく、単純なランダムウォーク予測を上回ること自体が強い比較基準になる。1
仮説を反証可能な形にする
研究仮説は、少なくとも次の要素を含む。
- 機構:流動性供給、注文フロー、金利差、ニュースへの遅延反応、リスク回避など、なぜ価格変化が生じるのか。
- 情報集合:判断時刻に現実に利用できた価格、Bid/Ask、経済指標、金利、ボラティリティなど。
- 予測対象:将来リターン、方向確率、ボラティリティ、価格到達確率、または目標ポジション。
- 条件:セッション、通貨ペア、レジーム、スプレッド上限など、仮説が成立すると予想する範囲。
- 反証条件:どの比較基準に勝てなければ仮説を棄却するか、どのコスト水準で経済価値が消えるか。
例として「ロンドン時間開始後にEUR/USDの短期モメンタムが持続する」という仮説なら、ロンドン時間の定義、シグナル計算に使う過去データ、予測ホライズン、スプレッド・スリッページ、ノートレード条件を固定する。市場構造や流動性に関する根拠が説明できなければ、それは機構のある仮説ではなく、データから偶然見つかったパターンにすぎない。
予測力と収益性を分離する
予測モデルの目的関数は、売買戦略の利益と一致しない。平均二乗誤差が改善しても、予測誤差の改善が取引可能な閾値に届かなかったり、利益が小さく取引回数が増えてコストが膨らんだりすることがある。したがって、予測精度、売買ルールを適用したネットリターン、リスク調整後成績を別々に報告する。
為替予測研究では、経済ファンダメンタルズの短期予測力は長く安定的に示すことが難しかった。一方、2026年のFilippouらは、10か国の月次ドル為替データで、国別ファンダメンタルズとグローバル金融状態の相互作用をElastic NetやDNNで扱い、月次アウト・オブ・サンプル予測の改善を報告した。重要なのは「マクロ変数は必ず効く」という結論ではなく、予測関係が市場状態に依存し得るという検証可能な仮説である。1
仮説探索を研究プロトコルに変える
仮説を試す前に、データ期間、銘柄、バー構築方法、特徴量、ラベル、コストモデル、ベースライン、評価期間、採否条件を実験登録簿に記録する。試したが失敗した仮説も削除せず保存する。多数のルールを探索した後に最良のものだけを報告すると、選択バイアスが生じる。FXの技術的取引ルール研究でも、多数ルールの検定ではデータスヌーピングを考慮する必要が示されている。2
適用例と限界:USD/JPYの金利差仮説
「日米短期金利差が拡大するとUSD/JPYが上昇する」という仮説を考える。理論的な経路は金利差と資本配分だが、短期為替にはリスク選好、政策サプライズ、ポジショニング、介入懸念なども影響する。したがって、金利差だけの線形予測モデルを採用するのではなく、時点整合した金利差、グローバルFXボラティリティ、リスク指標との交互作用を検証する。データ公表時刻・改定値を誤って使えば先読みになる。さらに、月次で有効な関係をM5の売買に転用するのも誤りである。
仮説が失敗したときは、期間を都合よく選び直すのではなく、事前に定めた棄却条件に従う。成立レジームが限定されるなら適用範囲を狭め、効果がコスト控除後に消えるならアルファとして不採用にする。仮説の価値は、利益が出たかだけでなく、失敗条件と適用限界を説明できるかにもある。
参考文献
- [1]Filippou et al. (2026), Economic Fundamentals and Short-Run Exchange Rate Prediction: A Machine-Learning Perspective, Journal of Financial and Quantitative Analysis
- [2]Hsu and Taylor, Forty Years, Thirty Currencies and 21,000 Trading Rules: A Large-scale, Data-Snooping Robust Analysis of Technical Trading in the Foreign Exchange Market
测验
アルファ仮説を反証可能にするため、事前に最も重要な組み合わせはどれか?
- 市場機構・利用可能情報・予測対象・棄却条件を定義する
- 予測モデル・最適パラメータ・最大利益・採用期間を記録する
- 指標の名称・チャート形状・勝率・最大ロットを指定する
- 学習データ・モデル規模・GPU時間・最良バックテストを記録する
仮説は何が価格を動かすのか、どの情報を使うのか、何を予測するのか、どの結果なら棄却するのかを明示して初めて反証可能になる。
FX予測モデルのMAEが改善した一方、コスト控除後の戦略収益が悪化した。最も妥当な解釈はどれか?
- 予測誤差の改善が取引可能な利益やコスト低下に結び付いていない
- MAEが改善したので戦略の収益性も統計的に改善した
- ネット収益が悪化したので予測モデルの情報量は必ず減少した
- コストを除外した成績で比較すれば経済価値を正しく評価できる
予測精度と収益性は別の評価対象である。シグナルの大きさ、売買閾値、回転率、スプレッドなどにより、予測改善がネット利益へ変換されないことがある。
多数の仮説を試し、最も高いバックテスト成績だけを報告する研究に生じる主要な問題は何か?
- 試行回数に伴う選択バイアスで、見かけの成績が過大になる
- 試行回数に伴う分散低下で、推定成績が必ず保守的になる
- 最良モデルの選択により、将来の市場レジームが固定される
- 全候補を試すことで、学習データの時系列順序が自動的に保たれる
候補を増やすほど偶然に高成績となる候補を選ぶ確率が上がる。試行回数と不採用候補を記録し、複数検定への補正を行う必要がある。
评论
还没有评论,来说第一句吧。