取引ボットのバックテストには何回の取引が必要か：100回が万能の答えではない理由

特定の取引数だけでは戦略を証明できない理由

バックテストは起こり得る結果のサンプルであり、戦略の将来の分布全体ではありません。通常、取引が増えるほど推定は安定しますが、追加する各取引の価値は、その取引がどう生じたかによって変わります。

同じ静かな一か月の500回のエントリーは、一つの市場環境の繰り返しかもしれません。何千回ものパラメータ実験後に選んだ100回の取引は、最適化による偶然を反映しているかもしれません。未来の情報を用いて計算した1,000回の取引は、サンプル数に関係なく無効です。

したがって、正しい問いは単に何回あれば十分かではありません。どれだけ不確実性が残り、どの環境をサンプルが表し、最終評価が戦略開発からどれだけ独立していたか、という問いです。

30回ルールが誤解されやすい理由

サンプルが増えると一部の近似が使いやすくなるため、30個の観測が統計上の最低数として紹介されることがあります。それは30回の取引で収益を生む優位性を確立できるという意味ではありません。

小さなサンプルでは、数件の結果で報告勝率が大きく変わります。30回中18回の勝ちで観測勝率は60%です。たった3件が勝ちから負けに変わると、勝率は50%に下がります。

取引収益には、勝ち負け以上の情報があります。利益と損失の大きさ、歪度、極端な事象、系列依存、コストは収益性に影響します。割合を説明するのにかろうじて足りるサンプルでも、ドローダウンやテールリスクの推定には不十分なことがあります。

サンプル数が勝率の不確実性に与える影響

信頼区間を見ると、同じ観測勝率でもサンプル数により意味が異なる理由が分かります。下の図では観測勝率を60%とし、真の確率に対する約95%のウィルソン区間を計算しています。

30回の取引後の区間は約42.3%〜75.4%です。100回の後でも約50.2%〜69.1%です。1,000回になると約56.9%〜63.0%に狭まります。

この計算は説明用です。各取引を、同じ確率を持つ独立した二値の結果として扱っています。実際の取引は両方の前提を満たさないことがあるため、この図は精度の保証というより、標本抽出の不確実性を示すものと考える方が適切です。

バックテストに100回の取引で十分か

100回の取引で明白な問題が見つかることはあります。コストが控除前の結果を消すか、損失が集中するか、一つの取引が利益の大半を生むか、基本的な期待値が正かを確認できます。

ただし、共通の合格基準ではありません。優位性が小さく収益が変動する戦略は、効果が大きく安定した戦略より多くの証拠を必要とする場合があります。高頻度のシステムは狭い市場局面で100回を生み出せますが、低頻度のシステムは同じ回数に達するまで何年もかかることがあります。

100回は中間レビューとして扱うと役立ちます。結果が弱い、不安定、少数の外れ値に依存する場合、信頼する理由はほとんどありません。有望さが残るなら、次に行うのはすぐ確信を持つことではなく、より強い検証です。

1,000回の取引でも情報量は想定より少ないことがある

統計計算では、観測が独立していることをよく仮定します。取引結果はそうとは限りません。同じ市場ショック中に開いた10件のエントリーは、報告では別々の取引でも、根本的には同じ事象への一つの賭けかもしれません。

ピラミッディング、相関する資産、繰り返すシグナルも同様の依存を生みます。ビットコイン、イーサリアム、複数のアルトコインが同時にシグナルを出す場合、それらの取引は一つの広い市場エクスポージャーを共有することがあります。すべてを完全に独立したものとして数えると、有効なサンプル数を過大評価します。

個々の取引だけでなく、日、市場の事象、ポジション群、局面ごとに結果を確認してください。集中した取引を一つにまとめると利益が消える場合、見かけの証拠は単純な件数が示すほど強くありませんでした。

バックテストの期間と市場局面が重要

取引数はルールが何回働いたかを示します。対象期間はルールがどの環境に直面したかを示します。完全な評価には両方が必要です。

戦略に関係する範囲で、上昇、下落、レンジ、穏やか、高ボラティリティの期間をサンプルに含めるべきです。流動性と取引コストの変化も含める必要があります。一つの大きな上昇相場だけで検証したボットは、市場構造が変わったときの挙動を示していません。

市場で事象が起こる頻度は異なるため、共通の月数や年数はありません。重要なのは、エントリー、決済、コスト、リスクを大きく変え得る環境がサンプルに含まれているかです。

実験が増えるほど強い証拠が必要

取引数は、試したアイデアの数から切り離せません。一つの戦略を一度評価したときの魅力的な結果と、100万の変種を検証して最良のものだけを残した結果では意味が異なります。後者では、強い結果が偶然現れることがあります。

指標の選択、パラメータ範囲、特徴量の組み合わせ、市場の選定は、いずれもノイズに適合する機会を増やします。バックテストの過剰適合に関する研究は、多数の試行からの選択によって通常の成績統計の説得力が下がることを示しています。

実験を記録し、最終評価のために未使用のデータを保全してください。近い設定は合理的に動作し、コストが悪化しても結果に有用性が残るべきです。サンプル数の増加は役立ちますが、無制御な探索の影響は打ち消せません。

指標によって必要なデータ量は異なる

勝率の安定の仕方は、平均収益率、プロフィットファクター、最大ドローダウンとは異なります。まれな大きな利益が平均収益率とプロフィットファクターを支配することがあります。深刻なドローダウンは数年に一度しか現れない場合があります。

そのため、戦略全体に共通する一つのサンプル基準はありません。運用者は勝率の確かさ、利益と損失の分布、取引間の依存、外れ値の寄与、不調が続く期間の長さを検討するべきです。

モンテカルロの再標本抽出は、取引順序の変化がドローダウンと最終収益率をどう変えるかを示せますが、元のデータにない市場局面を作り出すことはできません。統計ツールはサンプルを説明するものです。代表性のあるデータの代わりにはなりません。

• 勝率とその信頼区間
• 平均利益、平均損失、期待値
• 最大の取引を含めた場合と除いた場合のプロフィットファクター
• 最大ドローダウンと最長回復期間
• 最長の連敗
• 月、局面、市場ごとの結果

実践的な検証手順

最初のサンプルはアイデアの開発に使い、証明には使わないでください。未使用のデータを評価する前にルールを固定します。現実的な手数料、スプレッド、スリッページ、資金調達料を含め、市場局面と近いパラメータで結果を比較します。

フォワード観察は、開発中には選べなかった新しい取引を追加します。その後の限定的な実執行で、実際の約定、遅延、運用の違いが明らかになります。各段階には、事前に定めた合格基準と停止基準が必要です。

目的は魔法の件数に達することではありません。検証の過程で戦略選定に情報が逆流することを防ぎながら、不確実性を減らすことです。

TensorParadigmのシミュレーション1,373取引から分かること

2026年1月1日から始まるTensorParadigmの過去シミュレーションでは、完了した取引1,373件、そのうち利益の出た取引907件が報告されました。このサンプルは、数十件の結果に基づく報告より情報量があります。

それでも取引数は将来の成績を証明しません。サンプルは定めた期間を対象とし、シミュレーションではエントリーと決済のたびに0.12%の手数料と0.03%のスリッページを差し引いています（実取引と同じ料率）。エントリー間の依存や市場局面の網羅性も検討する必要があります。

そのため、TensorParadigmは取引数を、収益率、最大ドローダウン、勝率、プロフィットファクター、シミュレーション期間と並べて提示します。次の証拠の層は、新しいデータ、管理された実執行、継続的な監視です。

誠実な目安

30回の取引は初期の観察になり得ます。100回は有用な確認地点になり得ます。活発な戦略では数百回あれば、不確実性を大きく狭められます。ただし、どの数字も取引ボットを自動的に妥当と認めるものではありません。

信頼できるバックテストは、十分な取引数、多様な環境、現実的なコスト、限定的な依存、未使用の評価データ、試した実験数の正直な記録を組み合わせます。最良のサンプルは大きいだけではありません。戦略開発者自身もごまかしにくいサンプルです。