【要約】ゴールデンクロス戦略を徹底改造した結果、インデックスに勝てなかった話 [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
筆者が、テクニカル指標の改良を通じてインデックスを上回るリターンを得ようとした際、以下の課題に直面した。
- ・既存の25/75日GC戦略は、銘柄あたりのトレード回数が少なく、統計的な有意性に不安がある。
- ・デッドクロスによる利確は、ピークから株価が大きく下落した後にシグナルが出るため、利益を削る。
- ・銘柄によってボラティリティやトレンドの性質が異なり、一律の戦略では対応できない。
- ・テクニカル指標単体では、銘柄のファンダメンタルズの変化を捉えきれない。
// Approach
筆者は、戦略の柔軟性を高め、銘柄ごとの特性に適合させるために以下の手法を採用した。
- ・5日/25日の短期GCを導入し、トレード回数の増加とリスク効率の改善を図った。
- ・RSI(14)が70を超えた際の利確ロジックを組み込み、勝率とMDDの改善を試みた。
- ・Pythonを用いて、累積リターンとシャープレシオに基づき銘柄別の推奨戦略を自動分類するツールを開発した。
- ・S&P500と日経225の全銘柄を対象に、5年間のバックテストで各戦略を定量比較した。
// Result
検証の結果、テクニカル指標の改良だけではインデックスを凌駕できないことが判明した。
- ・短期GCはシャープレシオを2倍にするが、期待値は低下する。
- ・RSI利確は勝率を向上させるが、爆発的なリターンを損なう。
- ・上位銘柄への絞り込みは、過去の成功銘柄を選ぶ「後出しジャンケン」であり、再現性がない。
- ・テクニカルの成功は業績に依存しており、優良銘柄のバイ＆ホールドが最強である。
- ・テクニカル売買は大波の一部しか取れず、長期上昇トレンドでは持ち続ける方が有利である。
Senior Engineer Insight
> バックテストにおける「生存者バイアス」と「過学習」の恐ろしさを実証した、極めて示唆に富む検証である。アルゴリズム開発において、過去の最適解が未来の予測に繋がらない構造的欠陥を理解することは不可欠だ。単なる指標の組み合わせではなく、データの生成プロセスを考慮したモデル設計が求められる。金融工学の理論を、大規模データで検証したプロセスは、実戦的なエンジニアリングの鑑と言える。