第 05 課：古典的な戦略パラダイム

クオンツ取引は新しい戦略を発明することではなく、適切な市場で適切な戦略を使用することです。

二人のトレーダーの運命

2020年3月、COVID-19がグローバル株式市場の暴落を引き起こしました。

トレーダーAはトレンドフォロー戦略を使用していました。下落の初めに、彼の戦略は速やかにショートポジションを取り、1ヶ月で40%の利益を上げました。その後、市場が底を打って反発すると、彼はトレンドに乗ってロングポジションを取り、年末までにアカウントを3倍にしました。

トレーダーBは平均回帰戦略を使用していました。大きな下落を見て、「下がったものは上がるはず」と信じて押し目買いを続けました。結果:買えば買うほど下落しました。彼は底の前日にアカウントを破綻させました。

同じ市場、二つの戦略、全く逆の結果。

2021年、状況が逆転しました。

市場は横ばい期間に入り、トレーダーAのトレンド戦略は連続して損失を被りました:高値を追いかけて安値で売る、常にピークで買ってボトムで売る。彼は2020年の利益の半分を失いました。

一方、トレーダーB(新しい資金で)は平均回帰戦略が輝くのを見ました:高く売って安く買う、安定した利益。年末までに、彼のアカウントは60%成長しました。

教訓は何ですか?

1. 単一の戦略はすべての市場で機能するわけではない
2. トレンド市場にはトレンド戦略が必要;横ばい市場には平均回帰戦略が必要
3. 市場状態を識別することは戦略を選択することより重要

これがマルチAgentシステムが必要な理由です - 異なる専門戦略に異なる市場状態を処理させます。

5.1 トレンドフォロー

核心哲学

"トレンドはあなたの友達、それが終わるまでは。"

トレンドフォロー哲学:市場には慣性がある - 上がるものは上がり続ける傾向があり、下がるものは下がり続ける傾向がある。

デュアル移動平均戦略

最も古典的なトレンドフォロー戦略:

ルール:
- ゴールデンクロス買い: 短期MAが長期MAを上回る(例:MA5 > MA20)
- デッドクロス売り: 短期MAが長期MAを下回る(例:MA5 < MA20)

直感的理解:

• 短期MAは「現在のセンチメント」を表す
• 長期MAは「長期トレンド」を表す
• 短期が長期を超える = トレンドが上向きに変わる可能性

実際のパフォーマンス:

最適化方向:

• トレンドフィルタを追加(ADX > 25の時のみ開く)
• 出来高確認を追加(高出来高でシグナルがより信頼できる)
• マルチタイムフレーム確認(日次ゴールデンクロス + 週次トレンド上昇)

イントラデイトレンド取引

フルタイムトレーダーに適した戦略:

ルール:
1. オープン後30分間の価格方向を観察
2. 価格がオープンから0.5%以上上昇したら、ロング
3. オープン価格の0.5%下でストップロス
4. 市場クローズ前にクローズ、オーバーナイトリスクなし

トレンドフォローのリスクプロファイル

重要な洞察:

• トレンド戦略は横ばい期間中に連続的な小損失を経験する
• 10-20回連続のストップロスに対する精神的準備が必要
• 利益は、すべての損失を回復してそれ以上の大きなトレンド取引からもたらされる

5.2 平均回帰

核心哲学

"上がったものは下がらなければならず、下がったものは上がらなければならない。"

平均回帰哲学:価格は最終的にある「正常」レベルに戻る。

グリッド取引戦略

事前定義された価格範囲内で等間隔に買い/売りポイントを設定:

ルール:

• 価格が95に下がる -> 1単位買い
• 価格が90に下がる -> さらに1単位買い
• 価格が105に上がる -> 1単位売り
• 価格が110に上がる -> さらに1単位売り

グリッド取引の真実:

重要な警告:グリッド取引の最大の恐怖は一方的な下落です。常に全体的なストップロスを設定してください。

ペア取引

高度に相関する2つの資産を見つけ、そのスプレッドが正常から逸脱したときに取引:

重要:SPY($600)とIVV($550)は絶対価格が異なるため、単純に価格比率を比較することはできません。代わりに、等価ドル金額でリターンスプレッドのZ-scoreを使用します。

例:SPY vs IVV(両方ともS&P 500を追跡)

ステップ1:日次リターンスプレッドを計算
  - SPY日次リターン:+0.52%
  - IVV日次リターン:+0.48%
  - リターンスプレッド:+0.04%

ステップ2:スプレッドのZ-scoreを計算
  - 20日間の平均スプレッド:0.00%
  - スプレッドの標準偏差:0.02%
  - 今日のZ-score:(0.04% - 0.00%) / 0.02% = +2.0

ステップ3:取引シグナル(Z-score > 2.0)
  - SPYが一時的に「アウトパフォーム」
  - $10,000 SPYをショート、$10,000 IVVをロング
  - Z-scoreが0に戻るまで待ち、その後クローズ

なぜ等価ドル金額?

• SPY価格 ~$600、IVV価格 ~$550
• ドルニュートラルにするため:16.7株SPYをショート($10,000)、18.2株IVVをロング($10,000)
• これにより取引の両側で等しいエクスポージャーが保証される

なぜ機能するのか?

• 両方のETFは全く同じインデックス(S&P 500)を追跡
• 同じマクロ要因が両方に同じように影響
• リターンスプレッドの逸脱は通常一時的で小さい
• リターンを使用することで(価格ではなく)、異なる価格レベルを正規化

重要な概念:共和分

相関は共和分を意味しません。共和分はペア取引の基礎です。

平均回帰のリスクプロファイル

重要な洞察:

• 平均回帰は横ばい期間中に非常に安定
• しかし1回のトレンドブレイクアウトが数ヶ月の利益を一掃する可能性
• 厳格なストップロスが必要、「保持して希望」はできない

5.3 マルチ戦略ポートフォリオ

なぜ組み合わせるのか?

戦略相関

組み合わせの鍵は低相関:

資本配分方法

方法1:等ウェイト

戦略A:33%
戦略B:33%
戦略C:34%

シンプルだが、戦略リスクの違いを考慮していない。

方法2:リスクパリティ

ボラティリティに反比例して配分:
戦略Aボラティリティ20% -> ウェイトは1/0.20 = 5に比例
戦略Bボラティリティ10% -> ウェイトは1/0.10 = 10に比例
戦略Cボラティリティ40% -> ウェイトは1/0.40 = 2.5に比例

正規化:
戦略A:5/17.5 ~ 29%
戦略B:10/17.5 ~ 57%
戦略C:2.5/17.5 ~ 14%

各戦略のポートフォリオへのリスク貢献を等しくします。

方法3:動的調整

• トレンド市場 -> トレンド戦略ウェイトを増やす
• 横ばい市場 -> 平均回帰戦略ウェイトを増やす
• これには正確なRegime Detection(レッスン11で詳細)が必要

5.4 高リスク戦略警告

Martingale戦略(極度の注意を要する)

ロジック:
最初に$100を賭ける、負ける
2回目に$200を賭ける、負ける
3回目に$400を賭ける、負ける
4回目に$800を賭ける、勝つ!

$800を獲得、以前に$700を失った、純利益$100

美しく見えるが、実際には危険:

10回連続損失には$100,000が必要だが、利益は初期の$100のみ。

なぜ10回連続で負けるのか?

• 50%勝率で、10回連続損失の確率 = 0.5^10 ~ 0.1%
• 小さく見えるが、1000回取引すると1回遭遇する
• 1回で破綻するのに十分

使用する必要がある場合:

• 最大倍増回数を設定(例:最大3回)
• 最大日次損失を設定(例:10%)
• これは本質的に「破綻リスクを高勝率と交換している」ことを理解する

5.5 オプション戦略入門(上級)

オプションは高リスクの高度な商品です。このセクションは単なる入門です;取引前にGreeksを徹底的に学習してください。

オプション基礎

Bull Call Spread

操作:

1. 低いストライクのCallオプションを買う(例:$100 Call)
2. 高いストライクのCallオプションを売る(例:$110 Call)

損益図:
利益 |        ____
     |       /
 0   |------*
     |     /|
損失 |____/ |
     └──────┴────── 株価
        100  110

満期日オプション(高リスク)

満期の1-3日前にボラティリティ爆発に賭ける:

原理:

• 満期が近づくと、オプションの時間価値は急速に減衰
• しかし大きなイベント(決算、Fed会議)が発生すると、ボラティリティが爆発する可能性
• Gammaが非常に高い;小さな価格変動が巨大な利益(または損失)を生む

Gammaスキャルピング(プロフェッショナル)

原理:オプションポジションを保有、原資産を繰り返し売買してDeltaをヘッジ。

簡略化:
1. Callオプションを保有(ロングGamma)
2. 価格上昇 -> Delta増加 -> 株を売ってヘッジ
3. 価格下落 -> Delta減少 -> 株を買ってヘッジ
4. 繰り返し、振動から利益

利益条件:実現ボラティリティ > インプライドボラティリティ

5.6 戦略選択フレームワーク

戦略を選択する方法?(反証可能なルール)

曖昧な「トレンドを見る」は無意味;定量化可能で検証可能なルールが必要:

反証可能な戦略選択ルール:

以下の条件が満たされた場合 -> トレンドフォローを使用:
  1. ADX(14) > 25が5日連続
  2. 価格が20日MA同じ側に10日連続
  3. 過去20日のリターンが有意に != 0(t検定 p < 0.05)

以下の条件が満たされた場合 -> 平均回帰を使用:
  1. ADX(14) < 20が5日連続
  2. 価格がBollinger Bands内で振動(20日、2σ)
  3. 過去20日のリターンが0に近い(t検定 p > 0.2)

上記の条件のいずれも満たされない場合 -> ポジションを50%に削減、明確なシグナルを待つ

Regime転換期の処理

最も危険な瞬間はトレンドでも横ばいでもなく - 転換です。

転換期の保守的ルール:

1. 確認遅延:Regime変更確認には3-5日必要;初日シグナルを追わない
2. まず削減:不確実な期間は、まずポジションを削減してから戦略を切り替える、完全スワップではない
3. 転換コストを受け入れる:「切り替えコスト」に5-10%を予約、これらの損失を受け入れる

バックテストでテストする必要がある:

• 転換期からの総損失の割合(50%を超える場合、切り替えロジックに問題)
• 切り替え遅延日数(5日を超える場合、より敏感な指標を検討)
• 偽切り替え回数(頻繁すぎる場合、確認条件を追加)

戦略比較まとめ

一般的な誤解

誤解1:勝率が高い戦略が優れている

必ずしもそうではありません。40%勝率だが3:1リスク/リワードの戦略は、70%勝率だが0.5:1リスク/リワードの戦略よりはるかに高い期待リターンを持ちます。鍵は期待リターン = 勝率 x 利益 - 損失率 x 損失です。

誤解2:バックテストで最適なパラメータが最適

危険な仮定。最適なパラメータはしばしば「過剰適合」です。+/-20%のパラメータ変更でリターンが劇的に変化する場合、それらのパラメータは歴史的データでたまたま機能しただけです。

誤解3:トレンド戦略は「パラメータを調整する」ことで横ばい市場で利益を上げることができる

できません。トレンド戦略ロジックは「トレンドが存在する」ことを前提としています。横ばい市場にはトレンドがありません;どんなパラメータ調整でも利益を上げることはできません。正しいアプローチは平均回帰に切り替えることです。

誤解4:グリッド取引は「保証された利益」戦略

極めて危険。グリッド取引は横ばい市場で安定して利益を上げますが、一方的な下落は下がりながら買い続けることを意味し、資本が閉じ込められます。全体的なストップロスを設定する必要があります。

誤解5:古典的戦略は永遠に機能する

あまりにも多くの参加者が同じ戦略を使用すると、機能しなくなります — これは戦略混雑リスクです。2024年初頭、中国のトップクオンツファンドは小型株ファクター混雑により集団で8-13%損失し、戦略均質化のシステミックリスクを明らかにしました。どんな戦略の超過リターンも広く採用された後に減衰します。詳細な混雑ケーススタディについてはレッスン18を参照してください。

マルチAgent視点

マルチAgentシステムでは:

コード実装(オプション)

デュアル移動平均戦略バックテストフレームワーク

import pandas as pd
import numpy as np

def dual_ma_strategy(df, short_window=5, long_window=20):
    """
    デュアル移動平均戦略
    ポジションシグナルを返す:1=ロング、-1=ショート、0=フラット
    """
    df = df.copy()
    df['MA_Short'] = df['close'].rolling(short_window).mean()
    df['MA_Long'] = df['close'].rolling(long_window).mean()

    # シグナル生成
    df['signal'] = 0
    df.loc[df['MA_Short'] > df['MA_Long'], 'signal'] = 1   # ゴールデンクロスロング
    df.loc[df['MA_Short'] < df['MA_Long'], 'signal'] = -1  # デッドクロスショート

    return df['signal']


def grid_trading_signal(price, grid_center, grid_step, num_grids):
    """
    グリッド取引シグナル
    推奨ポジション変更を返す
    """
    position_change = 0
    for i in range(1, num_grids + 1):
        buy_level = grid_center * (1 - grid_step * i)
        sell_level = grid_center * (1 + grid_step * i)

        if price <= buy_level:
            position_change = i  # 下がるにつれてより多く買う
        elif price >= sell_level:
            position_change = -i  # 上がるにつれてより多く売る

    return position_change


def calculate_strategy_metrics(returns):
    """戦略評価指標を計算"""
    total_return = (1 + returns).prod() - 1
    annual_return = (1 + total_return) ** (252 / len(returns)) - 1
    volatility = returns.std() * np.sqrt(252)
    sharpe = annual_return / volatility if volatility > 0 else 0

    # 乗算的エクイティカーブを使用した正しい最大ドローダウン計算
    equity_curve = (1 + returns).cumprod()
    rolling_max = equity_curve.cummax()
    drawdown = (equity_curve - rolling_max) / rolling_max
    max_drawdown = drawdown.min()

    return {
        'total_return': f'{total_return:.2%}',
        'annual_return': f'{annual_return:.2%}',
        'volatility': f'{volatility:.2%}',
        'sharpe_ratio': f'{sharpe:.2f}',
        'max_drawdown': f'{max_drawdown:.2%}'
    }

レッスン成果物

このレッスンを完了すると、以下が得られます:

1. 2つの主要戦略パラダイムの理解 - トレンドフォローと平均回帰の本質的な違い
2. 古典的戦略の実装アプローチ - デュアル移動平均、グリッド取引、ペア取引
3. 戦略ポートフォリオフレームワーク - 低相関戦略を通じてリスクを分散する方法の理解
4. 高リスク戦略の落とし穴の認識 - Martingale、満期日オプションの罠

検証チェックリスト

シナリオ演習:

1. シナリオA:SPYのADXが過去2週間で15から28に上昇、価格が20日MAを上抜けた

   • 質問:どの戦略を選択すべきか?なぜ?

2. シナリオB:グリッド戦略が過去3ヶ月間安定して15%利益を上げ、その後SPYが5日間で突然12%下落した

   • 質問:どう調整すべきか?買い続けるかストップロスか?

3. シナリオC:Martingale戦略が6回連続損失後についに勝った

   • 質問:これら7回の取引からの総利益は?総投資資本はいくらか?

重要ポイント

• トレンドフォロー特性を理解:低勝率、高リスク/リワード、横ばいを恐れる
• 平均回帰特性を理解:高勝率、低リスク/リワード、トレンドブレイクアウトを恐れる
• グリッド取引とペア取引の基本原則をマスター
• Martingale戦略の致命的リスクを認識
• マルチ戦略ポートフォリオの価値と方法を理解

拡張読書

• 背景知識:HF市場マイクロストラクチャー - より複雑な戦略タイプ
• 背景知識:暗号通貨取引の特性 - 24/7市場の戦略調整

次のレッスンプレビュー

レッスン 06: データエンジニアリングの厳しい現実

どんなに優れた戦略でも、データに問題があればすべて無駄になります。APIレート制限、欠損データ、時間調整、サバイバーシップバイアス...これらの問題はモデルの問題よりも多くの戦略を殺します。次のレッスンでデータの厳しい現実に直面します。