線形回帰とは？
直接的な定義
線形回帰は、入力（多くの場合 X と呼ばれます）と結果（多くの場合 Y と呼ばれます）の関係を、直線を使ってモデル化するための統計手法です。目的は、線のパラメータ（一般に 傾き と 切片）を見つけて、観測されたデータをできるだけよく説明できるようにすることです。
平たく言うと、過去の点の系列があるなら、線形回帰はそれらを通る最適な当てはめ直線を描こうとします。すると、その直線に新しい X を代入することで、予測値を計算できます。
線形回帰の仕組み（メカニズムと構成要素）
基本的な線形回帰モデルは次のようになります：
- Y ≈ a + bX
ここで：
- **b（傾き）**は、Xが1単位増えたときにYがどれくらい変わりやすいかを示します。
- **a（切片）**は、Xが0のときに予測されるYの値です。
「当てはめる（fit）」ために、線形回帰は通常、予測値と観測値の間の誤差の尺度を最小化することで a と b を選びます。よくある選択肢が 最小二乗法（least squares）で、これは実際のYと予測されたYの二乗差の合計を最小化します。
知っておくべき前提条件
標準的な解釈は、たとえば次のような前提に依存します：
- 分析対象期間の中で、XとYの間に概ね線形な関係があること。
- 誤差が体系的なバイアスを持たないこと（しばしば平均が0であると説明されます）。
- 誤差のばらつきが概ね一定であること（極端に変化しないこと）。
これらの前提が厳密に成り立っていなくても、この方法は歴史的なパターンを説明するのに役立つことがあります。ただし、当てはまり（fit）が良いことは、自動的に安定した、因果的な、または将来に通用する関係を意味するわけではありません。
FXスタイルの分析でどこに出てくるか
FX関連のワークフローでは、線形回帰が、2つの時系列を時間的に揃えたうえでの トレンドのような関係を近似するために使われることがあります。たとえば、次のように扱うかもしれません：
- Xを時刻ステップ（または別の測定可能な量）
- Yを価格（たとえばミッド、ビッド、アスク、またはクローズの値—一貫して定義されている場合）
この設定では、当てはめた直線は、選んだウィンドウの中でYが増加しやすいのか減少しやすいのかを定量化するためのシンプルな手段になり、当てはめ／予測値を計算することもできます。
重要：これは、選択したウィンドウ内での統計的な依存関係の近似です。市場の方向性を事前に「知っている」わけではなく、変化する市場構造を修正することもできません。
証拠または例（明示的な前提付き）
5つの観測値からなる、説明用のデータセットを考えてみましょう。Xを時刻インデックス1, 2, 3, 4, 5とし、Yを各ステップで測定された価格とします。
Y ≈ a + bX に対して最小二乗法の回帰を適用すると仮定します。このアルゴリズムは、5つの点にわたって二乗誤差を最小化する a と b の具体的な値を生成します。フィット後は、次を計算できます：
- X = 1..5 に対する 当てはめ値（fitted values）（直線が、過去の点にどれくらい近いか）
- X = 6 に対する 1ステップ先の予測（学習ウィンドウの外で、直線が何を予測するか）
この例はメカニズムを示しています。モデルは、あなたが提示した過去サンプルに対して直線がどれだけうまく当てはまるかに基づき、Xから推定Yへの数値的な対応を、直線を使って作り出します。
材料（前提）上の制限と失敗パターン
重要な制限は、線形回帰が、分析対象期間の中で関係がかなり線形で安定しているときに最も良く機能することです。よくある失敗パターンには次が含まれます：
- 非線形な関係：真の関係が曲線を描く場合、直線は構造を体系的に取り逃します。
- レジーム（体制）変更：FX市場は、異なる振る舞いの間で切り替わることがあります。過去の条件に対して当てはめた直線が、次の期間を表さない可能性があります。
- 過学習：柔軟性を使いすぎる（たとえば、適切な評価なしにウィンドウや特徴を繰り返し探索する）と、サンプル内では当てはまりが良くても、サンプル外で失敗します。
- 分散の不均一（ヘテロスケダスティシティ）：ばらつきが時間とともに変化する場合、標準誤差の前提が成り立たず、不確実性の推定が信頼できないものになります。
これらの問題のため、歴史的な「fit」は将来の信頼性と同じではありません。また、実際のトレードにおける結果はコストや執行の質に依存しますが、あなたがそれらを明示的にモデル化しない限り、回帰のfitには含まれません。
事実を独立に検証する方法
線形回帰がFX文脈で適切に使われているかを確認するには、次をチェックできます：
- 特徴量（Feature）の定義：Xは具体的に何か、Yは具体的に何か（そしてどれくらい一貫して測定されたか） - ウィンドウと評価：そのfitが、直線を当てはめるのに使われていないデータでテストされているかどうか。