フラクタル次元指数（FDI）を責任ある形でバックテストするには？

フラクタル次元指数（FDI）：バックテストしているのは何か

フラクタル次元指数（FDI）は、時系列データから導かれる指標であり、観測された系列の経路が「どれほど荒い（rough）／複雑（complex）」に見えるかを定量化することを目的としています。実務上、FDIベースのアプローチをバックテストするには、まず、どの信号値を計算するのか、どの価格系列から計算するのか、どのウィンドウ長を使うのか、そしてどのアルゴリズム上の詳細を用いるのかを決めるところから始まります。

責任あるバックテストは定義から始まります。次を指定してください：

• 入力系列（たとえば、リターンと価格のどちらか）
• 時間ステップ（ティック、バー終値、またはリサンプリングした区間）
• 指数を計算するために用いるローリング・ウィンドウのサイズ
• 計算されたFDIを、どの意思決定変数に変換するのか（たとえば、ある水準、z-score、または順位）

これらを省くと、同じ名前であっても「FDIバックテスト」は比較できない可能性があります。

責任あるバックテストのワークフロー

1) 前提と計測の選択を固定する

実験を実行する前に、すべての計算前提を明示してください。具体例としては、系列をどのようにサンプリングするか、欠けたバーをどう扱うか、そしてその時点で利用可能な情報だけでFDIを計算するのか、などがあります。これは、たとえ微妙であってもルックアヘッド（先読み）があると見かけのパフォーマンスが膨らむ可能性があるため重要です。

バックテストは決定論的に保ちます。つまり、実行のたびに同じコードパス、同じデータ前処理、（もしあれば）同じ乱数シードを使ってください。FDI値が計算された後に適用する意思決定ルールを一度文書化します。バックテストは、暗に想定された取引ストーリーではなく、あなたが実際に定義したものを測定すべきです。

2) コストと執行を現実的にモデル化する

バックテストが失敗することが多いのは、コストを無視したり、完璧な執行を前提にしたりするためです。リターンを予測しようとしていない場合でも、評価では、あなたの手法に関係する摩擦を差し引く必要があります。最低限、次を含めてください：

• 取引コスト（手数料）
• エントリー／エグジットのロジックが、市場の異なる側で取引することを示唆する場合の、ビッド／アスクまたはスプレッドの代理指標
• ゼロではなく、上限付きの仮定としてのスリッページ

執行タイミングも計測上の選択です。たとえば、ルールがバー終値で発動するのに、同じ終値で即時執行すると仮定しているなら、あなたは有利なタイミング仮定を暗黙に置いています。より保守的なアプローチは、選んだバー・モデルのもとで、その情報が取引可能になる最も早い時点に執行を合わせることです。

3) バイアスを制御する：ある期間でチューニングし、別の期間で評価する

「バックテストの成功」は、過学習（オーバーフィッティング）によって生じることが頻繁にあります。つまり、ノイズに合うようにパラメータを選んでしまい、安定した構造ではなくなっている状態です。次のようなバイアス制御を使ってください：

• ウォークフォワード検証（あるウィンドウでフィット／チューニングし、次のブロックで評価する）
• ブロックされたアウト・オブ・サンプル検証（連続した評価期間を分離する）
• 評価中は意思決定しきい値を固定したままにする

複数の最適化サイクルを使う場合、チューニングのプロセス自体をパイプラインの一部として扱うべきであり、「結果が良く見えた後にだけ」行われるものとして扱うべきではありません。

エビデンス、例、そして見るべきポイント

エビデンスはメカニズムにつながっているべき

責任ある評価では、観測された結果が、指数の役割である複雑さ／荒さの測定と整合しているかどうかを確認します。単にエクイティカーブが滑らかに見えるかどうかだけでは不十分です。

次のように、前提が明示された少なくとも1つの例の実験を行ってください。たとえば：

• ローリング・ウィンドウでFDIを計算する
• FDIから意思決定変数を定義する（たとえば、パーセンタイルによる「高い vs. 低い複雑さ」）
• アウト・オブ・サンプルのブロックに対して、固定された事前宣言の意思決定ルールを評価する

その後、感度分析を行います。評価プロトコルを一定に保ったまま、1つの前提だけを変えてください（ウィンドウ長、リサンプリング頻度、正規化手法など）。小さくて妥当な変更で結論が崩れるなら、その関係は脆い可能性があります。

単純なベースラインと比較する

「勝者当て」ではなく、指数が一般的な挙動以上のものを追加しているかどうかを解釈するために比較します。ベースラインには、常に市場にいる（always-in-market）、同じ取引頻度でのランダムなタイミング、または同じデータから計算した単純な統計量などが含まれます。目的は、パイプラインの見かけの優位性が、FDIからではなく評価設計から生じている可能性を検出することです。

耐えられない制約と、考慮すべき失敗パターン

重要な制約の1つは、複雑さの指標が、投資可能な優位性とは無関係な多くの理由で変動し得ることです。FDIは、ボラティリティ・レジーム、構造変化、ミクロ構造の変化、そして持続しないレジーム転換に反応し得ます。

主な失敗パターンには次が含まれます：

• ルックアヘッド漏洩：将来の情報を使ってFDIを計算することによるもの。 - 少数のパラメータ値への過学習。 - コストの過小評価：小さく見える見かけの利益が、摩擦の後では損失に変わる。 - 非定常性：過去に成り立っていた関係が移転しないこと。