(1)お勧め度 ★★★★★

(2)単行本(Amazon)、電子書籍(Kindle)

内容は難しくて読みづらいです。

しかし、トレードという確率のゲームの考え方がまとめられています。

私の投資哲学を作り上げた一冊です。

私のメモ書き

当時のメモ書き(当時の私が重要と思った箇所の抜粋/意訳)を掲載します。

本の概要を知っていただく事が目的ですので、メモ書きは10個に厳選して掲載しております。

 ” ⇒ ” は、私のコメント/解釈/方針です。私の成長につながった内容を記載しています。

 

メモ書き

①『主観的テクニカル分析
 『分析手順が定義されていない。検証ができない為、客観的な評価ができない。
  手法の有効性を確認する事も、否定する事もできない。
  主観的テクニカル分析は知識を伝えているように見えるが、批判的な目で見ると内容のない主張であることがわかる。
⇒ 主観的テクニカル分析とは、裁量トレードの事です。
  裁量トレードは、手法の有効性の確認も、否定もできないトレードです。
  裁量トレードは、ギャンブルと同じです。
②『客観的テクニカル分析
 『過去に利益が出ているからと言って、将来利益が出るとは限らない。
  検証で利益が出ている事は、利益を出す手法である事の必要条件ではあるが十分条件ではない。
  偶然利益が出ていた可能性とエッジによって利益が出ていた可能性の2つが考えられる。
⇒ 客観的テクニカル分析とは、システムトレードの事です。
  システムトレードも、カーブフィットと言う罠があります。
  いかに、偶然とエッジ(収益ドライバ)を区別できるかが重要になります。 
③『ルール検証のパフォーマンスは2つの成分からなる
  1つ目は予測能力に起因する成分
  2つ目は予測能力とは無関係の成分
⇒ 検証結果のパフォーマンスには、予測力に起因する成分と無関係の成分の2つが含まれます。
  『ルールをシンプルにしよう」、「ルールの数を減らそう」というのは、この2つを区別しやすくる為です。
  後者を排除する事で、検証精度が高まります。
④『トレーディング戦略を見極めるのであれば、取引コストを含めるべき
  予測能力の有無を見極めるのであれば、取引コストゼロでもいい
⇒ 検証時に取引コスト(手数料+スプレッド)を含めるべきか、含めないべきか
  それは、ケースバイケースです。
  システムの優位性を見極める段階では、取引手数料を含めない方が正しく理解できます。
  システムのパフォーマンスを評価する場合は、取引手数料を含めるべきです。
⑤『無益なルールであっても、リターンゼロ(理論値)からズレて偶然利益がでる場合がある。
  これに騙されない為には、偶然利益が出る度合いを確率学を利用して知る事である。
⇒ カーブフィットしたシステムは、期待リターンがゼロでも偶然利益がでます。
  偶然かどうかを見極めるために、ある程度の確率の知識を身に付けるべきです。
⑥『データマイニング(多くのルールを検証して、その中から最良のものを選ぶ)は、効果的な調査方法であるが
  多くのルールを検証する事で偶然高いパフォーマンスが得られる可能性は上昇する。
⇒ ルールを増やすと、偶然高い利益がでる可能性が高くなります。
  つまり、カーブフィット対策として、ルールは減らすべきです。
⑦『帰無仮説(仮説が破棄されることで、対立仮説を結論とする)を破棄するのに必要なパフォーマンスの敷居値を高い値に設定し、
  検証で偶然高いパフォーマンスを出した無益なルールを選んでしまう確率を減らす。
⇒ 偶然のシステムを見破る方法として、著者は帰無仮説の破棄を提案しています。  
  その方法は、以下の⑧に示されています。
⑧『予測能力を持たないルールの検証結果(リターン)がサンプリングのランダム効果によってどの程度ゼロを上回るか、あるいは下回るかを知ることが目的
  つまり、ルールのパフォーマンスを評価するためのベンチマークとして役に立つものである。
  もし、ルールの平均リターンがあまりにも高くサンプリング変動によるものとは考えられない場合、そのルールは予測能力をもつと判断される。
⇒ ランダムトレード(期待ゼロ)のシステムが偶然発生するパフォーマンスの上限値を敷居値として、それを超える事でで偶然を否定する。
  この方法の難しい所は、ルールの数や検証数により、敷居値が変化します。
  特に、ルールの数が偶然に与える影響を考えるのが難しいと思います。
  とにかく、ルールを少なくシンプルにする方が評価も楽になります。
⑨『データマイニングとは、パフォーマンスを競い合わせ、勝てるルールを選ぶ出すこと
  データマイニング・バイアスとは、その勝てるルールの観察されたパフォーマンスがそのルールの将来のパフォーマンスを統計的に過大評価していること。
 『このような問題はあるにしろ、検証されたルールの中で最高だったルールが将来的にも最高のパフォーマンスを示す可能性が高い事は数学的証明されている。』 『データマイニングにより、最良のルールを選ぶため、ノイズによる偶然の最良のパフォーマンスが、過去検証に含まれる可能性が高くなる為
  期待パフォーマンス = 観測パフォーマンス - 検証における運の要素
 『データを平均パフォーマンスに近づけるよう縮小する事でバイアスを縮小する。
⇒ 検証されたルールの中の最高だったルールは、将来的に最高のパフォーマンスを上げる可能性が高い。
  その一方、統計的に過大評価してしまっている可能性も高くなります。
  いわゆるカーブフィットの可能性が高くなります。
  過大評価をなくすためには、最高のパフォーマンスを選ぶのではなく、平均パフォーマンスを選ぶ方がよいという事です。
  収益性を選ぶか、精度を選ぶか・・・、難しい選択です。
⑩『アウトオブサンプル検証の欠点
 『データの新鮮さは短期間のみ、一度使われれば無くなる
  データ量が少なくなる
  アウトオブサンプルの切り取り方と配分は裁量となる。それにより結果も異なる
⇒ アウトオブサンプル検証は、人のバイアスがかからない優れた検証ですが、欠点があります。
  スーパートレーダの中でも、アウトオブサンプル検証を勧める人もいれば、否定する人もいます。
  私は、複数通貨ペアでの検証をアウトオブサンプル検証の代用としてはと考えています。