フィボナッチ・リトレースメントはどのように責任ある形でバックテストできますか？
バックテストの前に概念を定義する
フィボナッチ・リトレースメントは、チャート上の2つの選んだポイント（多くの場合、スイングの開始と終了）間の潜在的な価格水準を示す方法です。この手法では通常、これらのポイント間の距離に対する固定比率（たとえば、フィボナッチ比率を用いて一般にラベル付けされる水準）に基づいて水平線を引きます。この方法は、保証されたトレーディング・ルールというより、過去の価格データに対する反復可能な計測手順として理解するのが最適です。
責任あるバックテストは、「反復可能な計測手順」を明示することから始まります。すなわち、どのチャートデータを使うのか、2つのスイング・ポイントをどう選ぶのか、どのリトレースメント水準を数えるのか、そして価格がその水準に到達した（または到達しなかった）ときにどの意思決定ルールを適用するのかを定めます。
安定したメカニズムと変動する条件を分ける
バックテストは、変動する条件が混ざってしまうと簡単に誤解を招くことがあります。2つのカテゴリを分けてください。
- 安定したメカニズム（定義したプロセス）
- データ定義：タイムフレーム（例：分、時間、日次）、使用する価格フィールド（open/high/low/close）、およびリサンプルするかどうか。
- スイング・ポイント選択ルール：測定対象の値動きの開始と終了をどう決めるか（例：固定のルックバック・ウィンドウを用いたローカルな極値に基づく）。
- 水準定義：含めるリトレースメント比率と、「タッチ」と「水準を超えてクローズする」扱いをどうするか。
- 評価ルール：「ヒット」とは何か、ヒット後に価格がどれだけ動く必要があるか、そして計測ウィンドウの長さ。
- 変動する条件（市場と執行の現実）
- コスト：スプレッド、コミッション、手数料。
- 執行：価格が素早く動くときに注文がどのように約定するか、そしてバーのクローズで約定したと仮定するのか、あるいはバーの途中のある水準で約定したと仮定するのか。
- レジーム変化：ボラティリティと流動性は時間とともに変わり得ます。
責任あるアプローチでは、すべてのテスト期間にわたって同じメカニズムを用いながら、コストと執行の前提は妥当な範囲内で変えられるようにします。
前提を明示し、整合したデータ設定を選ぶ
バックテストの品質は、明確に述べられた前提に依存します。同じインジケータ・ロジックを使っていても、前提が異なれば結果は変わり得ます。
記録すべき重要項目：
- スイングの特定：バックテストでスイング・ポイントを手動で選ぶ場合、テストはハインドサイト・バイアスのリスクがあります。ルールベースのアプローチを優先してください。
- 先読み防止：スイング・ポイントの判断が、スイングが終わる時点（または評価を開始する時点）に利用可能だった情報だけを使って行われることを確認します。
- バーの扱い：リトレースメントの「タッチ」がOHLCバーでどう検出されるかを決めます。たとえば、高値/安値を使うことで、クローズが水準に到達していなくても、インターバー内のタッチをカウントするのか？
- ポジション・サイジングと保有ロジック：結果をシミュレートするなら、保有期間またはエグジット条件を、過去データから計算できる形で定義します。
これらの定義がないと、どんなパフォーマンス指標も解釈しづらく、過剰適合しやすくなります。
コストと執行の前提を一次入力として含める
多くのバックテストが失敗するのは、小さな優位性を支配し得る経済的な摩擦（フリクション）を無視してしまうからです。トレードを推奨しないとしても、現実的な前提のもとでインジケータの挙動を評価することはできます。
検討すべきモデリング：
- 取引コスト：往復あたり、または1アクションあたりのスプレッド/コミッション/手数料。
- スリッページ：意図したエントリー/エグジットと、実際に得られる約定の差に関するルール。
- 約定規約：注文が「水準価格で約定する」のか、「バーのオープンで約定する」のか、「バーのクローズで約定する」のか、あるいは「インターバー近似」を使うのか。
バックテストがこれらの入力を述べられないなら、責任ある形で解釈することはできません。良い実践として、同じロジックを複数のコスト/スリッページ・シナリオで再実行し、結論が安定しているかを観察します。
バイアスと過剰適合を頑健なチェックで抑える
バイアスは、ルールが「うまく見える」ようになるまで調整されて、ある過去の区間でだけ良好に見えるときに現れがちです。このリスクを減らすためにバイアス・コントロールを使います。
実務的なコントロールには以下が含まれます：
- パラメータ感度テスト：スイング検出でルックバック長を使っているなら、単一の選んだ値ではなく、妥当な範囲内で変化させます。
- ウォークフォワード・テスト：前半の期間で学習/チューニングし、その後の期間で再チューニングなしに評価します。
- パージ/エンバーゴの考え（概念的に）：イベントを定義するために使ったデータと強く重なる期間は、情報が漏れる（リークする）形にならないようにテストを避けます。
- ブラインド評価：将来のパフォーマンスを見ずに、すべてのルールを事前に決め、その後に適用します。
これらのチェックは正しさを保証しませんが、偶然の構造が優位性（エッジ）に見せかけることを難しくします。