通貨ペアの季節性を評価するために必要なデータは？
仕組みと定義：通貨ペアにおける「季節性」とは何か
通貨ペアの季節性とは、カレンダーに沿って（たとえば特定の月、週、曜日、または休日の期間など）繰り返しの傾向が、長年にわたる過去データを分析すると通貨ペアのパフォーマンスや挙動に現れることを意味します。
評価するには、まず「挙動（behavior）」が何を指すのかを決める必要があります。一般的に測定可能な目標は次のとおりです：
- 価格変化（2つの日付間の終値の差）
- リターン（定義した期間における変化率）
- ボラティリティ（ある期間におけるリターンの変動）
- レンジ統計（ある時間窓内での高値–安値の挙動）
この選択が重要なのは、季節性がリターンには現れても水準には現れないことがある一方で、ボラティリティには現れても平均リターンには現れないことがあるからです。
直接の回答：必要なデータ入力
少なくとも、選んだ挙動指標（behavior metric）を、カレンダーに整合した形で再現可能に計算できるデータが必要です。
1) 価格またはスプレッドに対応できる時系列
通常、次のいずれかを一貫して記録されたものが必要です：
- ビッド/アスクの気配（取引に関連するミッド価格とスプレッドを計算するため）
- ミッド価格または終値の系列（価格変化/リターンを計算するため）
季節性における重要な要件は 時間の整合性 です。すべての観測が、同一のタイムゾーンおよび取引日またはカレンダーの慣行に対応していなければなりません。
2) 明確に定義されたサンプリング規則
生データを、テストする指標へ変換する間隔とルールを選びます。サンプリング規則の例は次のとおりです：
- 日次の終値（1日につき1つの値）
- 週末から週末へのリターン（例：週末→週末）
- 固定された期間に集計したイントラデイの窓（例：1時間内の平均）
各間隔で使う正確な開始/終了時刻を明記してください。固定ルールがないと、「季節性」が不一致なカットオフのアーティファクトになり得ます。
3) カレンダーの対応付け
季節性はカレンダーの話なので、各観測をラベル付けするためのカレンダーフレームワークが必要です：
- 月、年内週番号、曜日
- 休日フラグ（休日効果をテストする予定がある場合）
- 取引セッションの慣行（データセットに特定の市場時間のみが含まれる場合）
この対応付けにより、結果（たとえば月別の平均リターン）を、独立して再現できる形でグループ化できます。
4) データの出所と適時性
時系列がどこから来て、どのように処理されたかを記録します：
- 出所/提供元（データベンダー、ブローカーのフィード、該当する場合は取引所のソース）
- データ処理手順（クリーニング、補間、欠損値の扱い）
- カバレッジ期間の長さ（何年分か）
- バージョンまたは更新日（データセットを抽出した時点）
提供元の手法が変われば、「市場」が変わっていなくても季節性プロファイルが変わり得ます。
5) 信頼できるグルーピングのために必要な品質チェックとメタデータ
どのカレンダーパターンを信じる前に、次のことを検証できるべきです：
- 欠損データの扱い：欠けた日には何が起きたのか？
- タイムゾーンとサマータイム：タイムスタンプは正規化されたか？
- 外れ値：不良なティック/気配は削除されており、どのように？
- コーポレートアクション調整：FXでは一般的ではありませんが、それでも異常なデータのアーティファクトがないか確認してください
- 一貫性：参照期間全体で同じ慣行が保たれているか？
6) コストと執行の前提（取引可能な指標を使う場合）
季節性の主張は、コストが無視されると失敗します。現実的な結果と照合できる形で「挙動」を評価するには、次のように明示的な前提が必要です：
- 取引コストのモデル（簡略化していても）
- ミッド価格を使うのか、ビッド/アスク由来の指標を使うのか
- スリッページの前提（執行を意識した指標を含める場合）
コスト/執行モデルを説明できないなら、「カレンダー効果」と「市場のミクロ構造効果」を切り分けることはできません。
証拠または例：前提つきでデータが実務でどう使われるか
典型的なワークフローでは、選んだ指標を使い、観測をカレンダーラベルでグループ化します。
たとえば、日次リターンを測定するとします。あなたは次のようにします：
- 一貫した式を使って、価格系列から日次リターンを計算します（単純リターンか対数リターンかを定義します）。
- 各日をカレンダーのカテゴリに割り当てます（例：年内月＝1〜12）。
- 各カテゴリについて要約統計量を計算します（平均リターン、中央値、またはボラティリティ）。
- 明示的な基準でカテゴリを比較します（たとえば、複数年にわたって差が持続するかどうか）。
再現性のためにあなたが明示しなければならない前提には、日次の終値定義、タイムゾーンの正規化、欠けた日がどう扱われるかが含まれます。さらに、休日を除外するのか同じカテゴリに残すのかも決める必要があります。この判断を変えると結論が変わり得ます。
限界とリスク：考慮すべき失敗パターン
少なくとも1つの重要な限界が、結果の解釈の指針になるべきです。