カウフマン効率比（Kaufman Efficiency Ratio）はどう計算する？（計算式、入力、限界）
直接の答え：カウフマン効率比の計算式
カウフマン効率比（しばしば ER と略されます）は、選んだルックバック・ウィンドウにおける ネットの価格変化 を 総価格変化 で割った比率として計算されます。
よくある形は次のとおりです：
ER = ( |Priceₜ − Priceₜ−n| ) / ( Σᵢ=1→n |Priceₜ−(n−i+1) − Priceₜ−(n−i)| )
ここで：
- Price は、測定する数値の価格系列です（たとえば、終値の系列）。
- t は、ウィンドウの終端インデックスです。
- n は、バー（区間）のルックバック長です（含める間隔の数）。
- 分子は、ウィンドウの開始点と終了点の絶対差です（ネットの動き）。
- 分母は、ウィンドウ内のステップごとの絶対変化を合計したものです（総移動）。
分母が 0 の場合、ER は未定義になります。実装では通常、このエッジケースとして処理します。
メカニズムまたは定義：この比率が測っているもの
ER は、同じルックバック・ウィンドウに対して次の 2 つの量を比較します：
-
ネットの動き（分子）
- ネットの動きは、ウィンドウの開始点と終了点だけを使います。
- 価格が開始点から大きく離れたところで終われば、ネットの動きは大きくなります。
- 価格が開始点の近くで終われば、ネットの動きは小さくなります。
-
総移動（分母）
- 総移動は、連続するサンプル間の絶対変化を積み上げます。
- 価格が直線的な経路で動く（行ったり来たりが少ない）場合、総移動はネットの動きに近くなります。
- 価格がジグザグに動く（行ったり来たりが多い）場合、総移動はネットの動きよりはるかに大きくなります。
概念的には、ER は パス効率（path efficiency） の指標です：
- ER が高いほど、価格が比較的少ない相殺（行ったり来たりが少ない）でウィンドウを横切ったことを示唆します。
- ER が低いほど、価格は大きく動いたものの、反転やノイズのために開始点の近くで終わったことを示唆します。
証拠または例：ER を手順ごとに計算（明示的な前提つき）
価格系列を一定の間隔でサンプルすると仮定します（たとえば、各バーが 1 時間）。そして次を選びます：
- ルックバック長 n = 4 バー。
- Price = close（価格タイプの選択は重要で、ER の入力はあなたが選ぶ系列です）。
ウィンドウ内の 4 つの連続した価格を次のようにします：
- Priceₜ−4 = 100
- Priceₜ−3 = 101
- Priceₜ−2 = 100
- Priceₜ−1 = 103
- Priceₜ = 104
1) ネットの動き
ネットの動きは開始と終了だけを使います：
- |Priceₜ − Priceₜ−4| = |104 − 100| = 4
2) 総移動
総移動は、絶対のステップ変化を合計します：
- |101 − 100| = 1
- |100 − 101| = 1
- |103 − 100| = 3
- |104 − 103| = 1
総移動 = 1 + 1 + 3 + 1 = 6
3) ER
ER = 4 / 6 ≈ 0.667
解釈（一般論であり予測ではありません）：
- 0 より高いので、全体の移動距離に対してネットの変位が比較的大きいことを示します。
- 総移動がネットの動きを上回っているため、「完全に効率的」ではありません。つまり、いくらかの反転があったことを意味します。
限界とリスク：何がうまくいかない／誤解を招くのか
計算自体は、入力が選ばれれば決定論的ですが、意味 と 信頼性 は、どのように設定するかに依存します。
1) 総移動が 0 のときのゼロ除算
分母（総移動）が 0 なら、ウィンドウ内のすべての連続価格が同一であることを意味します（サンプル点間で動きがない）。その場合、ER は標準的な比率の形では計算できません。
慎重な実装では、このエッジケースに対する挙動を定義する必要があります（たとえば、特別な値を返す、またはその点をスキップするなど）。正しい扱いは、あなたの分析ワークフロー次第です。
2) ルックバック長（n）の選択への感度
ER は最後の n 区間を使います。n を変えると ER は大きく変わり得ます。理由は：
- 長いウィンドウは、より多くの移動と、より多くの反転の機会を含む。
- 短いウィンドウは、より狭い経路に焦点を当てるため、ノイズを誇張しやすい。
したがって、ER は「万能」ではなく、あなたが要求した特定のウィンドウにおける効率を要約するものです。
3) 価格サンプリングと価格タイプへの依存
ER の入力は、特定の価格系列 を 特定のスケジュール でサンプルしたものです。
- close を使うか、典型価格を使うか、別の派生系列を使うかで、ステップごとの値が変わります。
- 異なるバーサイズ（単位時間あたりのサンプル数が多い／少ない）を使うと、経路と総移動が変わります。
そのため、データの選択が異なる 2 つの ER 計算は、直接比較できません。
4) ノイズの多いデータやミクロ構造の影響への脆弱性
分母は、連続サンプル間の絶対差を使うため、ER は次の影響を受け得ます：
- 小さな変動やノイズ
- 特定の文脈におけるビッド・アスク関連の影響
- イベント駆動データにおける実行関連のアーティファクト
これは式が「間違っている」ことを意味しませんが、計算された ER が、滑らかな方向性の動きというより取引ノイズを反映してしまう可能性があります。
5) 過去の関係は将来の結果を意味しない
ER は、直近の移動効率を記述する統計量です。ER 自体は予測ではありません。
- 過去に ER が高い／低いことは、次に何が起きるかを確定しません。
- 予測可能性を前提とする解釈は、計算を超えた追加のステップになります。
検証または次の質問：結果を独立に確認する方法
自分で ER 計算を検証するには：
- 使っている正確なウィンドウ を書き出します（t はどのインデックスか、n はいくつか）。
- Price に使う正確な価格系列 を確認します（たとえば close）。
- 分子を再計算 します（ウィンドウの開始と終了の価格だけを使う）。
- 分母を再計算 します（ウィンドウ内の各連続ペア間の絶対差を合計する）。
- 総移動が 0 のエッジケース を確認します。
- 入力を 1 つ変えて（たとえば n）ER がその選択にどれだけ敏感かを見ます。
さらに進めるなら、有用な次の質問は、入力（ルックバック長とデータサンプリング）を変えると ER の数値的な挙動がどう変わり、記述的な効率指標としてどのような一般的解釈が適切か、です。
DOCUMENT END