EAバックテストの「ワークド例」とは？（前提付き）

端的な答え

EAバックテストのワークド例とは、エキスパートアドバイザー（EA）が過去の市場データでどのように評価されるかを模した、透明で段階的な数値シナリオのことです。目的は未来を予測することではなく、バックテストの入力と前提（ルール、エントリー／エグジットのロジック、ポジションサイズ、スプレッド／手数料、執行のタイミング）が、最終残高、利益、ドローダウンといった要約結果に、取引の連なりをどう変換するかを示すことにあります。

バックテストは細部に敏感なので、良いワークド例は、各計算で使う前提をすべて明記します。また、安定した仕組み（算術と評価方法）と、変動する条件（市場の挙動や執行の現実）を分けて説明します。

メカニズムと定義

EAはルールに基づくトレーディングプログラムです。EAバックテストとは、そのルールを過去の価格データに対して実行し、仮想の取引ログを作ることを意味します。

ワークド例には通常、次の要素が含まれます。

1. EAの意思決定ルール：たとえば、単純化したルールでは、価格がある水準を上抜けたときにエントリーし、価格が目標に到達するか、時間制限に達したらクローズする、といったものです。

2. 執行の前提：バックテストでは、注文がどのように約定するかを仮定する必要があります。たとえば、成行注文は次のバーの始値で約定すると仮定し、ストップロスとテイクプロフィットは価格が触れた瞬間に正確にヒットすると仮定する、などです。

3. コスト：スプレッド、手数料、スワップ／ファイナンスはしばしば概算されます。ワークド例では、コストを無視するのか、取引ごとに固定するのかを明記する必要があります。

4. ポジションサイズ：バックテストでは、固定ロット、固定の1回あたりリスク、または別の方法を仮定するかもしれません。

5. 指標：一般的な指標は、最終残高、純利益、最大ドローダウンです。これらは、取引ごとの結果から計算できます。

安定した仕組みとは、仮定した約定とコストをキャッシュフローに変換するための数式です。変動する市場／提供者の条件とは、将来の価格パスや実際の執行が、その前提どおりに振る舞うかどうかです。

証拠またはワークドシナリオ例

以下は、1つの簡略化された自己完結型のワークド例です。前提を明示するため、意図的に人工的にしています。

前提

• 開始残高：$10,000。
• 銘柄：$10 per 1 pip per lot というピップ価値の前提を使用する。
• ポジションサイズ：すべての取引で 1 lot。
• 執行モデル：エントリー価格とエグジット価格は次のバーの始値とし、到達したときのターゲット／ストップの水準は正確にヒットしたものとする（スリッページなし）。
• コスト：取引ごとに $2 の手数料、および 0.0 スプレッドコスト（この例では算術を明確にするためスプレッドを無視）。
• リスク管理：エグジットはテイクプロフィット（TP）かストップロス（SL）によって行われる。
• 履歴ウィンドウ内での取引ルールの結果（仮定）：合計 3回の取引。

取引リスト（すべて入力は仮定）

• 取引1：TP = +20 pips、SL = -10 pips → 結果 TPヒット。
• 取引2：結果 SLヒット、-10 pips。
• 取引3：結果 TPヒット、+20 pips。

手順ごとの計算

ピップからキャッシュへの換算：$10 per pip per lot とし、1 lot を使用：

• +20 pips → +$200。
• -10 pips → -$100。

取引のキャッシュフロー（手数料込み）：

• 取引1：+$200 − $2 = +$198。
• 取引2：−$100 − $2 = −$102。
• 取引3：+$200 − $2 = +$198。

純利益：$198 + (−$102) + $198 = +$294。

最終残高：$10,000 + $294 = $10,294。

ドローダウン計算（1つの簡単な方法）

各取引後のエクイティを追跡する：

• 取引1後：$10,198。
• 取引2後：$10,096。
• 取引3後：$10,294。

この並びにおける最大ドローダウンは、ピーク（$10,198）からボトム（$10,096）への下落：

• $10,198 − $10,096 = $102。

この例が示すこと

算術は安定しています。同じ前提を使えば、同じエクイティカーブと指標が得られます。不確実性は、仮定した約定、コストの扱い、そしてルールが発火する挙動が現実を反映しているかどうかにあります。

限界とリスク

ワークドEAバックテスト例の主な限界：

1. 執行に関する前提が結果を支配し得る。スリッページを無視したり、完璧な約定を仮定したり、スプレッドをゼロとして扱うと、パフォーマンスを過大評価する可能性があります。

2. コストが過小評価されたり、別の形でモデル化されたりすることがある。手数料、スプレッドの挙動、そしてファイナンス／スワップは、純結果に大きく影響し得ます。

3. 過去のパターンは将来の挙動を保証しない。あるウィンドウでは利益が出ているように見えても、市場のレジームが変わると失敗することがあります。

4. データ品質が重要。ティックの欠落、時間の不整合、価格調整の誤りによって、エントリー／エグジット条件が満たされたかどうかが変わり得ます。

5. 過学習（オーバーフィット）のリスク。EAのパラメータが特定の過去期間に合わせて調整されている場合、一般化できないかもしれません。