backtestingと現実：その完璧な期待値はあなたに嘘をついている
あなたのbacktest：期待値8R。プロフィットファクター3.5。1万ドルの口座で5万ドルの利益。
実弾に切り替える。最初の週：期待値-2R。プロフィットファクター0.4。口座は12％のマイナス。
何が起きたのか。あなたのbacktestが嘘をついたのだ。
🚨 本音を言えば
backtestの大半はただの空想だ。完璧な約定、slippageゼロ、スプレッドなし、そして実際の相場には存在しない魔法のようなエントリーを前提にしている。
backtestの結果が良すぎて信じられないなら、実際に信じてはいけない。あなたはシグナルではなくノイズに合わせ込んだのだ。
このレッスンで学ぶこと：
- backtestの9割が実弾で通用しなくなる理由
- 4つの大罪：過剰適合、先読みバイアス、非現実的なコスト、生存者バイアス
- 現実をきちんと映すslippageとスプレッドの見積もり方
- イン・サンプルとアウト・オブ・サンプル（意味のある検証はこれだけ）
⚡ 明日からできること（クリックで展開）
- backtestに現実的なコストを入れる — 1トレードあたり0.03〜0.05％のslippageに加えて、実際のスプレッドを織り込む。それで結果が崩れるなら、その優位は偽物だった。
- データを70／30に分ける — データの70％で最適化し、一度も見ていない30％で検証する。アウト・オブ・サンプルで落ちるなら、それは曲線への合わせ込みだ。
- 実弾の前に30日デモで回す — デモの結果がbacktestと大きく食い違うなら、どこかがおかしい。噛み合うまで実弾に出ないこと。
実例：期待値1.3Rの「完璧な」backtestが、実弾で-0.45Rの惨事に変わるまで
背景： 2024年3月、クリス（合成事例）は6か月の最適化を経てブレイクアウト戦略を作り上げた。backtestの見た目は驚異的だった。期待値1.3R、プロフィットファクター4.9、勝率67％、SPYの2年分のデータ（2022〜2023年）で検証済み。2024年4月に5万ドルを投入。2024年6月には口座が8,400ドルのマイナス（-16.8％）になっていた。以下はその全解剖である。
「完璧な」backtest（2022〜2023年のデータ）
| 指標 | 値 | クリスの心の声 |
|---|---|---|
| 総トレード数 | 156 | 十分な標本数 |
| 勝率 | 67.3% (105W / 51L) | 「すごい。平均をはるかに上回っている。」 |
| 平均利益／平均損失 | +2.4R / -1R | 「R:Rが素晴らしい。勝ちは負けの2.4倍だ。」 |
| プロフィットファクター | 4.9 | 「プロ水準の数字だ。」 |
| 期待値 | 1トレードあたり+1.3R | 「聖杯の領域だ。」 |
| 最大drawdown | -8.2% | 「drawdownが極小。極めて安全だ。」 |
| 通算リターン（2年） | +$40,600 (+406%) | 「これだ。仕事を辞める。」 |
クリスの最適化のやり方：
- EMAの期間を50通り試した（EMA(34)が「完璧」だと判明）
- ストップ用のATR倍率を20通り試した（1.47×ATRが「最適」だと判明）
- 利確目標を15水準試した（2.8Rが「最良」だと判明）
- 最終的な戦略：EMA(34)のクロス＋1.47×ATRのストップ＋2.8Rの目標
- 試した組み合わせの総数： 50 × 20 × 15 ＝ 15,000通り
クリスがbacktestに入れなかったもの：
- slippage（正確な価格での完璧な約定を前提にした）
- ビッド・アスクのスプレッド（スプレッドをゼロと前提にした）
- 手数料（見積もるのを忘れた）
- 注文の不成立（約定率100％を前提にした）
- アウト・オブ・サンプル検証（見たことのないデータで一度も試さなかった）
実弾の現実（2024年4〜6月、10週間）
| 指標 | backtest | 実弾の現実 | 差 |
|---|---|---|---|
| 勝率 | 67.3% | 51.4% (19W / 18L) | 15.9ポイント悪化 |
| 平均利益 | +2.4R (+$1,200) | +1.8R (+$900) | 25％縮小 |
| 平均損失 | -1R (-$500) | -1.3R (-$650) | 30％拡大 |
| プロフィットファクター | 4.9 | 1.46 | 70％の崩落 |
| 期待値 | +1.3R | コスト差引後で-0.45R | -1.75Rのマイナス |
| 最大drawdown | -8.2% | -21.4% | 2.6倍悪化 |
| 通算リターン（10週間） | +9,600ドルの見込み | -$8,400 (-16.8%) | 1万8,000ドルの落差 |
完全なコスト計算：1万8,000ドルはどこへ消えたのか
| コストの費目 | 内容 | 影響額 |
|---|---|---|
| 1. 過剰適合（曲線への合わせ込み） | EMA(34)＋1.47×ATRは2022〜2023年のデータでは完璧に働いたが、過去のノイズに最適化されていた。2024年の相場環境＝別のノイズ。 | -$6,200 |
| 2. slippage（見積もっていない） | 1トレードあたり平均0.08％のslippage × 平均建玉2万5,000ドル × 37トレードの往復 ＝ slippageのコスト1,480ドル | -$1,480 |
| 3. ビッド・アスクのスプレッド | SPYのスプレッド0.01ドル × 平均500株 × 37トレード ＝ 185ドル。オプション（レバレッジのために使用）のスプレッド ＝ 1株あたり0.03ドル × 1枚あたり100株 × 20枚 × 37トレード ＝ スプレッドコスト合計2,220ドル | -$2,405 |
| 4. 手数料 | オプション：1枚あたり0.65ドル × 20枚 × 37トレード × 2（往復） ＝ 962ドル | -$962 |
| 5. 注文の不成立 | 8トレードで指値が一度も約定しなかった（勝ちを5回、負けを3回逃した）。差引の機会費用：逃した勝ち5回×+1.8R（-9R）から、避けられた負け3回×-1.3R（+3.9R）を差し引いて -5.1R ＝ 2,550ドル | -$2,550 |
| 6. 先読みバイアス | backtestのコードはclose[0]でエントリーを計算し、その同じ足の終値で入っていた（実弾では不可能）。実弾のエントリーは次の足の始値になる。平均して0.3％不利なエントリー ＝ 2,775ドルの劣化 | -$2,775 |
| 7. 執行の遅延 | プラットフォームの遅延＋注文を確認する時間 ＝ 2〜8秒の遅れ。速いブレイクアウトは約定までに平均0.15％動いてしまった ＝ 遅延によるslippage 1,387ドル | -$1,387 |
| backtestからの劣化の合計： | -$17,759 | |
計算してみると：
- backtestが見込んだ利益（10週間）：+9,600ドル
- 差し引く劣化コスト：-17,759ドル
- 想定される実弾の結果：-8,159ドル
- 実際の実弾の結果：-8,400ドル — 計算は実際に起きたことと250ドル以内で一致している
何をすべきだったか：正しい検証
| ステップ | クリスがやったこと（誤り） | やるべきこと（正解） |
|---|---|---|
| 1. データの分割 | 2022〜2023年のデータをすべて最適化に使った | 2022年で最適化し、2023年はアウト・オブ・サンプル検証用に取っておく |
| 2. 最適化 | 15,000通りのパラメータの組み合わせを試した | 標準的なパラメータを使う（EMA 20／50、2×ATRのストップ）。試す数は10通り未満に抑える |
| 3. コストの見積もり | コストをゼロと前提にした | 0.10％のslippage＋0.01ドルのスプレッド＋1トレードあたり2ドルの手数料を織り込む ＝ 最低でも1トレードあたり-30ドル |
| 4. 先読みの確認 | シグナルと執行の両方に同じ足の終値を使った | シグナルはclose[0]、執行はopen[1]（次の足）。現実的なタイミング。 |
| 5. アウト・オブ・サンプル検証 | 見たことのないデータで一度も試さなかった | 2023年のデータ（手つかず）で試す。成績が30％超悪化するなら、その戦略は過剰適合だ |
| 6. ウォークフォワード | backtestの期間がひとつだけ | 6か月の最適化ウィンドウで、続く3か月を検証する。ずらしながら繰り返す。一貫しているかを見る。 |
クリスがやるべきだったアウト・オブ・サンプル検証
正しい手順：
- イン・サンプル期間： 2022年のデータだけで最適化する（2023年には触らない）
- パラメータを決める： EMA(34)＋1.47×ATR（同じ結論だが、2022年だけから得たもの）
- パラメータを固定する： 以後いっさい変更しない。パラメータは凍結。
- アウト・オブ・サンプル検証： まったく同じパラメータを2023年のデータで走らせる
- 結果を比べる： 2023年の成績が2022年の70％を下回るなら、その戦略は過剰適合だ
どうなっていたか：
| 期間 | 期待値 | プロフィットファクター | 判定 |
|---|---|---|---|
| 2022年（イン・サンプル） | +1.4R | 3.1 | 最適化された成績 |
| 2023年（アウト・オブ・サンプル） | +0.4R | 1.4 | ⚠️ 71％の劣化 |
| 結論： この戦略はひどく過剰適合している。2023年の期待値は2022年の29％。現実的なコスト（1トレードあたり-30ドル＝-0.15R）を入れると、正味の期待値は+0.25R（かろうじてプラス）。 実運用してはいけない。 | |||
教訓：クリスのbacktestは空想だった。15,000通りのパラメータを試せば、過去のノイズにぴたりと沿うものが必ず見つかる。あの「完璧な」1.3Rという期待値は、曲線に合わせ込んだだけのゴミだった。アウト・オブ・サンプル検証をしていれば、8,400ドルを失う前に分かっていた。backtestingとは過去の最高成績を探すことではなく、これから通用するものを探すことだ。そのためには、見たことのないデータ、現実的なコスト、そして先読みバイアスゼロが要る。
あなたの完璧な戦略が実弾で崩れる理由
居心地の悪い真実から始めよう。過去のデータに合うように戦略を最適化したのなら、あなたが見つけたのは優位ではない。ノイズだ。
ランダムなノイズに曲線を合わせ込む
どんな手口か： backtestが完璧に見えるまでパラメータをいじり続ける
例：
- EMAの期間を100通り試す（10、11、12……110）
- EMA(47)がbacktestで4.2Rの期待値を出す
- 「魔法の数字」を見つけたと思い込む
実際： EMA(47)はたまたまその特定のデータに合っただけだ。前向きに検証すると？期待値-0.8R。あなたが学んだのはノイズであって、シグナルではない。
改善策： 最適化を抑える。標準的なパラメータを使う。見たことのないデータで試す。
未来のデータを使う（実弾では不可能）
どんな手口か： いまの判断のために未来の足を「のぞき見る」コード
例：
if close[0] > high[5]: # 未来の5本を使っている
enter_long()問題点： backtestingでは未来のデータが手元にある。実弾ではない。
実際： このコードは実弾ではそもそも動かない。あなたのbacktestは、存在しない戦略を検証している。
改善策： 判断した時点で手に入るデータだけを使うこと。
完璧な価格での完璧な約定を前提にする
backtestの前提： 「100.00ドルちょうどで買う」
実際： 成行注文は100.12ドルで約定する（スプレッド＋slippage）
100トレードでの影響：
- backtestの利益：5,000ドル
- スプレッドのコスト（1トレード0.10ドル）：-1,000ドル
- slippage（1トレード0.05ドル）：-500ドル
- 手数料（1トレード2ドル）：-200ドル
実際： 本当の利益 ＝ 3,300ドル（backtestより34％少ない）
生き残ったものだけで検証する
どんな手口か： いまのS&P 500構成銘柄だけでbacktestingをする
問題点： 上場廃止や破綻で消えた200を超える銘柄を除外している
例：
- 2024年のS&P 500リストでbacktest：期待値1.8R、プロフィットファクター2.1
- だがその期間を通じて、あなたはHertz（2020年に破綻）やSVB Financial（2023年に破綻）をはじめ、ゼロになったあらゆる銘柄を買っていたはずだ。
実際： あなたの期待値は、上場廃止による壊滅的な損失を除外している。本当の期待値は-0.2R（負けるシステム）。
💡 腑に落ちる瞬間
backtestは現実ではない。シミュレーションだ。そしてシミュレーションにあり得ない前提が入っていれば、実弾の結果も同じくらいあり得ないものになる。
戦略を殺す隠れたコスト
大半のbacktestが無視しているのがこれだ。だからあなたのbacktestも、おそらく20〜40％は楽観的すぎる。
手順1：ビッド・アスクのスプレッドを見積もる
どんな手口か： 買値と売値の差
例：
- SPYのビッド：450.00ドル／アスク：450.01ドル → スプレッド ＝ 0.01ドル
- 買うとき：450.01ドルを払う（スプレッドの半分＝0.005ドル）
- 売るとき：450.00ドルを受け取る（スプレッドの半分＝0.005ドル）
往復あたりのコスト： $0.01
1,000株なら： 0.01ドル × 1,000 ＝ 1トレードあたり10ドル
100トレード： スプレッドコスト1,000ドル
手順2：slippageを見積もる
どんな手口か： 狙った価格と実際の約定価格の差
状況別の現実的なslippage：
- 通常の流動性： 0.01-0.02%
- 荒れた相場： 0.05-0.10%
- 流動性が薄い： 0.10-0.30%
- 建玉が大きい： 0.20-0.50%
保守的な前提： 1トレードあたり0.05％
1万ドルの建玉 × 0.05％ ＝ 片道5ドルのslippage ＝ 往復10ドル
手順3：手数料を見積もる
例：Interactive Brokers
- 1株あたり0.005ドル、最低1ドル
- 200株 × 0.005ドル ＝ 片道1ドル
- 往復 ＝ 2ドル
100トレード： 手数料200ドル
手順4：現実的なコストの合計
1トレードあたり（往復）：
- スプレッド：10ドル
- slippage：10ドル
- 手数料：2ドル
合計：1トレードあたり22ドル
あなたの戦略が1トレードあたり50ドルの粗利を生むなら → 手取り28ドル（44％減）
backtestを補正する例
現実的なコストの前と後
戦略：100トレード、1トレードあたり平均50ドルの利益
backtest（空想）：
100トレード × 50ドル ＝ 5,000ドルの利益
現実的なコストを引いた後：
- 粗利：5,000ドル
- スプレッド：-1,000ドル
- slippage：-1,000ドル
- 手数料：-200ドル
純利益：2,800ドル（44％減）
意味のある検証はこれだけ
プロが戦略を検証する手順はこうだ。
データを2つの期間に分ける。
- イン・サンプル（60〜70％）： ここで戦略を組み立て、最適化する
- アウト・オブ・サンプル（30〜40％）： 見たことのないデータで検証する
🎯 例：6年分のデータ（2018〜2024年）
イン・サンプル： 2018〜2022年（ここで最適化）
- いろいろなパラメータを試す
- 最も成績のよいルールを見つける
- エントリーとイグジットの論理を詰める
アウト・オブ・サンプル： 2023〜2024年（ここで検証）
- 戦略をいっさい変えずに走らせる
- 成績をイン・サンプルと比べる
- 似ていれば → 過剰適合ではない
- はるかに悪ければ → イン・サンプルのノイズに合わせ込んでいる
過剰適合の危険信号
🚩 あなたの戦略が曲線に合わせ込まれている兆候
- シャープが3.0超： 良すぎて信じられない
- 期待値が5R超： 極めてまれ（執行の前提を疑うこと）
- トレードが20〜30回しかない： 標本が小さすぎる（統計的に意味がない）
- 完璧な資産曲線： drawdownのない滑らかな線（あり得ない）
- 1銘柄でしか試していない： その相場状態に合わせ込んでいる可能性が高い
- 最適化したパラメータが10個以上： あなたが合わせ込んだのはノイズであって、シグナルではない
プロの検証手法
イン・サンプルとアウト・オブ・サンプルは良い。ウォークフォワードはもっと良い。
仕組み：
📊 ウォークフォワードの枠組み
期間1： 2018〜2019年で学習 → 2020年で検証
期間2： 2019〜2020年で学習 → 2021年で検証
期間3： 2020〜2021年で学習 → 2022年で検証
期間4： 2021〜2022年で学習 → 2023年で検証
すべての期間で一貫していれば： 頑健な戦略
成績が劣化するなら： 過剰適合か、相場状態に依存している
🎓 要点
- 現実的なコストを見積もる： スプレッド、slippage、手数料（利益が20〜40％減る）
- 過剰適合を避ける： パラメータを絞り、複数の市場で試す
- イン・サンプルとアウト・オブ・サンプル： 60〜70％で作り、30〜40％で検証する
- ウォークフォワード検証： 時期をまたいで一貫しているかを確かめる
- 危険信号： シャープ3.0超、期待値5R超、トレード30回未満
- 実弾の前に前向き検証する： 最低3〜6か月はデモで回す
🎯 backtest検証の実践
演習：危険信号の検出器で自分の戦略を検証する
いまの戦略（あるいは検討中の戦略）を取り、検証にかけてみよう。
- データの60％でbacktestする（イン・サンプル）。記録するもの：トレード数、期待値、シャープ、最大DD
- 使ったパラメータを書き出す（EMA、しきい値など）。複数の値を試して選んだものはあるか。
- 残り40％のデータで検証する（アウト・オブ・サンプル）。イン・サンプルの結果と比べる。
- ひな型の検証スコアカードを使う（8項目、満点60点）
- 点数を出す：50〜60＝進める、40〜49＝作り直す、40未満＝捨てる
- 50点以上なら：実弾に出る前にデモで30〜60トレード回す
目的： 曲線への合わせ込み、先読みバイアス、非現実的な前提を、実際の口座が壊される前に捕まえる。実弾で本物の金を失うより、backtestingの段階で悪い戦略を捨てるほうがいい。
🎮 かんたん確認
問：ある戦略をbacktestした：期待値5.2R、シャープレシオ4.2、25トレードで検証、100通りの期間を試した結果が最も良かったのでEMA(47)を採用。何がまずいか。
2010〜2024年のSPYで平均回帰戦略をbacktestする。結果：期待値2.8R、勝率68％、利益12万ドル。データにはいまのS&P 500構成銘柄（今日その指数に入っている銘柄）しか含まれていない。2025年に実弾へ出て、失敗する。何が悪かったのか。
戦略をウォークフォワードで検証する：2018〜2020年で学習し2021年で検証（合格）。2018〜2021年で学習し2022年で検証（合格）。2018〜2022年で学習し2023年で検証（合格）。slippageも手数料も見積もっていない。この戦略を実弾で回すべきか。
backtestingでは、完璧さは疑いの対象だ。優位を生むのは現実主義である。コストを見積もり、過剰適合を避け、前向きに検証せよ——さもなければ実弾で崩れる。
関連レッスン
⏭️ 次回
レッスン#33：高度なリスク管理——プロの枠組み — ケリー基準、動的なポジションサイズ、そしてdrawdownへの対処手順を学ぶ。
教育目的のみ。 トレードには重大な損失リスクが伴います。過去の実績は将来の結果を保証するものではありません。
💬 ディスカッション （コメント0件）
コメントを読み込んでいます…
教育目的のみ。 トレードには重大な損失リスクが伴います。金融助言ではありません。過去の実績は将来の結果を保証するものではありません。