市場データをより細かくすると、戦略のバックテストの信頼性が下がることがあります。ティックデータでは行数が増えますが、測定の細かさを、実際に取引できたという知識だと取り違える余地も広がります。
バー単位のテストでストップの約定やスプレッドの拡大、指値への一瞬の到達を捉え損ねるのを見たことがあれば、これは逆説的に聞こえるでしょう。これらは現実に起こる問題です。問うべきなのは、細かなデータで本当に解決できるのか、それともシミュレーターがより確信に満ちた物語を語れるようになるだけなのか、ということです。
ティックデータでバックテストに何が見えるようになるのか?
1分足のバーは、一連の取引を4つの価格と出来高の合計に圧縮します。バーだけでは通常、高値と安値のどちらが先だったか、価格がどちらかの極値付近にどれだけ留まったか、ある価格で注文を支えられるだけの数量が取引されたかは分かりません。
約定ティックがあれば、報告された取引の順序を再現できます。気配値データを加えると、時間の経過に伴う表示買い気配と売り気配が分かります。両方があれば、スプレッドや気配値の変化、成行可能な注文が妥当な価格で板を渡って約定したかについて、より細かな問いを立てられます。
ただし、約定の記録はキューでの順位を示すものではありません。指値注文を出した水準で、すでに18 BTCが先に並んでいたなら、そこで0.3 BTCの取引を確認しても、自分の注文が約定した証拠にはなりません。約定履歴から市場で起きたことは分かりますが、仮想の注文がどこに並んでいたかまでは、ほとんど分かりません。
細かなデータで結果が悪くなるのはどんな場合か?
最初のリスクは、データのカバレッジにばらつきがあることです。ティックのアーカイブには、欠損区間や取引所のデータ空白、銘柄変更、市場ごとに異なる保存期間があることが少なくありません。ベンダーが完全な履歴を持つ期間だけで戦略を検証すると、いつの間にか、測定しやすい資産と期間に特化した戦略になりかねません。
2つ目のリスクはタイミングです。タイムスタンプが表すのは、取引所のイベント時刻、ベンダーの受信時刻、あるいはファイルの作成時刻かもしれません。別々のフィードのイベントを、時計が完全に同期しているかのようにシミュレーターが並べ替えると、その気配値がプロセスに届く前に反応してしまうことがあります。
さらに、行数が増えると実装上の誤りが隠れやすくなります。バー戦略なら1分に1回の判断で済むかもしれません。ティック駆動型のバージョンでは、その1分に何十回も取引し、そのたびにスプレッド、手数料、マーケットインパクトが発生することがあります。シミュレーターがすべてのシグナルを次に観測した価格で執行できると仮定するなら、その精密さは見かけだけです。
60回の観測が、自動的に取引機会60回分になるわけではありません。すべてが同じ気配値の変化を記述している場合もあり、注文によって利用可能な流動性が変わることもあります。高頻度のシミュレーションには、増えた詳細を正直に扱う注文モデルとレイテンシモデルが必要です。
ティックデータにコストをかける価値があるのはいつか?
まず、今のデータでは答えられない問いから始めましょう。「ストップと利確目標のどちらに先に到達したか」なら、約定ティックが役立つかもしれません。「エントリー時にスプレッドのコストはいくらだったか」なら、気配値データのほうが適しています。「自分の指値注文は約定したか」なら、板の厚さとキューの前提が必要かもしれません。それでも過去のキュー全体を復元できることは、ほとんどありません。
| リサーチ上の問い | 役立つデータ | それでも証明できないこと |
|---|---|---|
| ある閾値への到達は、別の閾値より先だったか? | 約定ティック | どちらの閾値でも自分の注文が約定したこと |
| 成行注文が渡ったスプレッドはいくらか? | タイムスタンプ付きの買い気配・売り気配 | 表示数量がそのまま利用可能だったこと |
| 指値注文は約定し得たか? | 気配値、板の厚さ、キューモデル | 実際のキューでの正確な順位 |
数週間保有する日次シグナルなら、1分足バーでも意思決定に必要な解像度を超えているかもしれません。数秒単位の執行にエッジが依存する戦略では、バーによって検証対象そのものが消えてしまうことがあります。データの解像度は、戦略の判断と執行の時間軸に合わせましょう。
追加した詳細が役立ったか、どう判断すればよいか?
戦略と検証期間は固定します。可能な範囲で同じ判断を使い、バー版と詳細データ版を比較しましょう。リターンやリスクの統計とあわせて、約定数、売買回転率、支払ったスプレッド、手数料、マーケットインパクトの変化を追います。Sharpeが上がる一方で取引回数が3倍になり、執行モデルが依然として次の約定記録で約定させているなら、その改善は疑ってかかるべきです。
次に、細かなデータの品質を意図的に落としてみます。イベントをランダムに少し間引き、現実的なフィード遅延を加え、想定するスプレッドやインパクトを広げます。数ミリ秒の遅延で崩れる結果は、戦略の持続的な特性ではなく、シミュレーターのイベント順序が生み出したものかもしれません。
ある日の午後、目覚ましい改善の原因を追っていたら、フィードが短い約定記録のバーストを重複させていたことがありました。モデルはその重複を取引するよう学習していました。データが増えたことで、バグがエッジのように見えていたのです。
バーへの批判には理があります。集約によって、経路に依存する執行が見えなくなることがあるからです。同じバーの中にあるストップと利確目標のどちらが先かは、OHLCだけでは判断できません。スプレッドのスナップショットでは、短時間の乖離を見逃すこともあります。フィードが完全で、シミュレーターがイベントのタイミングを正しく扱うなら、ティックと気配値データでこうした問いに、より忠実に答えられます。
実務上の基準はシンプルです。説明できる判断が変わる場合にだけ詳細なデータを取り入れ、その詳細が約定として反映されるための前提を示しましょう。そうでなければ、データセットが大きくなり、バックテストが精密に見えるだけで、戦略が実際に取引できたという根拠は強まりません。
← 記事一覧


