フラマはどのような市場条件で挙動が異なるのか？
直接の答え
フラマ（Fractal Adaptive Moving Average）は、直近の価格の「荒さ（roughness）」に影響する形で、マーケットの値動きが変化すると挙動が異なります。実務的には、持続的なトレンドのような状態と、もみ合い（チャッピー）や非常に変動が大きい状態のような状態の間で、滑らかさや反応性が変わりやすいということです。フラマの挙動は、入力の前提を変えたとき（たとえば、参照期間の長さや平滑化設定）や、データ条件が異なるとき（たとえば、ギャップ、不整合なサンプリング、執行時の摩擦）にも変わり得ます。重要なのは条件付きの挙動です。フラマは、確実に予測するためではなく、直近の変動性に適応します。
メカニズムと定義
移動平均は、過去の値を使って価格系列をより滑らかな系列に変換します。フラマは適応的な層を追加します。直近の価格経路がどれくらい「フラクタル」的であるか、つまり荒いのかを推定し、その推定を使って平均がどれくらい速く動けるかを調整しようとします。
したがって、最も重要な「市場条件」は、直近の価格経路が比較的規則的（より滑らかな動き）か、それとも不規則的（よりギザギザした動き）かです。直近の区間が比較的滑らかであれば、フラマは一般に、より反応が遅い平均のように振る舞います。直近の区間がより不規則であれば、変動性の推定が変わるため、より速い、あるいはより反応的な平均のように振る舞う傾向があります。
メカニクスと文脈を切り分けるのに役立つ安定した考え方は2つあります：
- メカニクスは、入力系列とパラメータに対して決定論的です。
- 市場の文脈は入力系列を変えます（直近の価格がどれくらい荒い／滑らかか）。それによってメカニクスの結果が変わります。
証拠または例（前提を含む）
予測力を主張せずに、条件付きの挙動を説明するための簡略化した非ライブ例を考えてみましょう。
同じ資産を一定の間隔でサンプリングしていると仮定します（たとえば、1時間足の終値）。そして、パラメータを変えずにフラマを実行します。バックテストのウィンドウを2つ作ります：
- トレンドっぽいウィンドウ（前提）： 価格が比較的安定した方向に動き、短期の反転が小さい。
- チャッピーなウィンドウ（前提）： 価格がより頻繁に方向を切り替え、目に見えるギザギザ感が増える。
トレンドっぽいウィンドウでは、直近期間における推定変動性は通常より低くなるため、適応的な平滑化によって急な曲がりが少なくなることが多いです。チャッピーなウィンドウでは、推定変動性は通常より高くなるため、より頻繁な転換、あるいはよりタイトな追随が起きやすくなります。
2つ目の比較は、市場主導というよりパラメータ主導です。市場データは同じままにして、参照期間の長さだけを変えます：
- 短い参照期間は、短期の荒さの変化への感度を高めます。
- 長い参照期間は、感度を下げ、挙動をより滑らかに見せることがあります。
これは、「異なる挙動」が市場レジームの変化、パラメータの選択、あるいはその両方から生じ得ることを示しています。
制限とリスク
重要な制限は、フラマの条件付き適応が直近データの特性に依存しているため、再び市場条件が変わると挙動が変わり得ることです。これにより、少なくとも3つのよくある失敗パターンが生まれます：
- レジーム感度が解釈を誤らせる可能性。 あるレジームでフラマがどう見えたかに基づいて値動きをラベル付けしても、次のレジーム変更後に同じように振る舞うとは限りません。
- 過去データのウィンドウへの過剰適合。 事前データで試行錯誤しながらパラメータを調整すると、レジーム間の見かけの違いが一般化しないかもしれません。
- データと執行の違い。 終値から計算したフラマは、他のサンプリング規則から計算したフラマと異なります。実際の取引では、コストやタイミングの影響が加わり、単純なインジケータ計算では捉えられないことがあります。
さらに、過去の関係は将来の結果を保証しません。フラマが過去のトレンド・レジームで「より良く」見えたとしても、ボラティリティのパターンや流動性条件が変わった後に同じ関係が成り立つと仮定することはできません。
検証と次の質問
関連する事実を独立に検証するには、同じサンプリング手法と固定パラメータを使って、複数の市場レジームにわたるフラマの出力を比較し、その後は、明確に文書化したパラメータの変化でも同様に繰り返します。入力系列がよりギザギザになったり、より規則的になったりしたときに、フラマのラインの滑らかさや転換の頻度がどう変わるかを追跡してください。
役立つ次の質問は次のようになります：「あなたが観察している挙動の違いに対して、入力とパラメータ設定（サンプリング間隔、参照期間の長さ、平滑化設定、データクリーニングの選択）のどの部分が最も責任を持っているのか？」このように整理することで、フラマを単独のスタンドアロンな予測として扱わずに、説明を条件付きで検証可能な形に保てます。
DOCUMENT END