バックテストの作り方と落とし穴【師範02】

バックテストとは

「PBRが低い株を毎月買い替える」「25日移動平均を上回ったら買う」といった売買ルールを、過去の株価データに当てはめて、どのような成績になったかを検証することです。表計算ソフトやPythonなどのプログラミング言語で行います。

バックテストの手順

仮説を立てる「なぜこのルールで儲かるのか」を先に言葉で説明する。理由のないパターンは偶然の可能性が高い。
データを用意する株価（分割・配当調整済み）、財務データ、上場廃止銘柄を含むデータを集める。
ルールを厳密に決めるいつのデータで判断し、いつ・いくらで売買するのか。曖昧さを残さない。
コストを入れて計算する売買手数料、スプレッド（売値と買値の差）、マーケットインパクト、税金、信用取引なら金利。
評価指標を見る年率リターン、標準偏差、シャープレシオ、最大ドローダウン、勝率、売買回転率。
使っていない期間で確かめるルールを作るのに使わなかったデータ（アウトオブサンプル）で、同じような成績が出るかを検証する。

バックテストを嘘つきにする6つのバイアス

バイアス	何が起きるか	対策
過剰最適化（カーブフィッティング）	パラメータを何百通りも試し、たまたま過去に合った条件を選んでしまう	パラメータを少なくする。近い値でも成績が安定しているか確認する
生存者バイアス	今上場している銘柄だけで検証し、倒産・上場廃止した銘柄が抜け落ちる。成績が実際より良く見える	上場廃止銘柄を含むデータを使う
先読みバイアス	その時点では知り得なかった情報（後から修正された決算、当日の終値で当日の朝に売買など）を使ってしまう	決算発表日を基準にデータを使う。判断と売買のタイミングをずらす
コストの過小評価	小型株や高頻度の売買では、手数料やスプレッドで利益が消える	保守的にコストを見積もる。売買回転率を確認する
データ・スヌーピング	多くの人が同じデータで無数の戦略を試した結果、偶然うまくいったものだけが報告される	論文や他人の検証結果も「たまたま」の可能性を考える
レジームの変化	金利・規制・市場構造が変わり、過去に効いた戦略が効かなくなる	複数の時代・市場で検証する。なぜ効くかの理由を持つ

ウォークフォワード分析

過去の一定期間（例：5年）でルールを最適化し、その直後の期間（例：1年）で成績を確かめる。これを1年ずつずらして繰り返す方法です。「将来のデータを知らない状態で、毎年ルールを決め直していたらどうなっていたか」を再現でき、過剰最適化を見抜くのに役立ちます。

バックテストの成績は割り引いて考える

多くの研究で、学術論文で発表された株式のリターンの傾向（アノマリー）は、発表後にリターンが大きく低下することが報告されています。データの偶然と、多くの投資家が使い始めたことの両方が原因と考えられています。バックテストの成績は、実際の運用では大きく下がる前提で、半分程度に見積もるくらいの保守性が必要です。

プロの判断基準

ルールが単純で、理由を一文で説明できる
パラメータを多少変えても成績が大きく崩れない
複数の期間・市場・銘柄群で同じ傾向が出る
コストを2倍にしても利益が残る
最大ドローダウンに、自分が本当に耐えられる

この章のポイント

バックテストは仮説→データ→ルール→コスト→評価→アウトオブサンプル検証の順で行う。
過剰最適化・生存者バイアス・先読みバイアスが成績を水増しする。
実運用の成績はバックテストより大きく下がる前提で評価する。