FX文脈におけるR Squared（決定係数）の限界とは？
R Squared（決定係数）を定義する（そしてそれが何ではないか）
R Squared（しばしばR²と表記されます）は、観測された結果の変動のうち、指定したモデルが与えられたデータセット上でどれだけ説明できているかを測る統計量です。平たく言えば、モデルの当てはめた直線や曲線が、過去データにどれほど密に一致しているかを要約します。
重要な限界はすぐに次の通りです：R Squaredは結果を保証するものではなく、データへの適合を説明するものです。R Squaredが高いということは、選んだ関係が過去のサンプルにうまく合っていたことを意味しますが、同じ関係が後になっても成り立つことを意味するわけではありません。
実務的なセットアップでR Squaredはどう機能するか
R Squaredを計算するには、通常、同じ歴史的期間について、モデルが予測した値と実際の値を比較します。この統計量は次に依存します：
- 選ぶモデルの形（たとえば、線形か非線形かの関係）。
- モデル化する従属変数（たとえば、リターンと価格水準）。
- 含める独立変数（複数可）。
- データセットのウィンドウとサンプリングの選択（特定の期間と、観測がどのように間隔付けられているか）。
これらの選択が測定の一部であるため、R Squaredは「市場」の普遍的な性質ではありません。これは、特定の歴史的サンプル上で測定された、特定の関係の性質です。
失敗パターンの証拠と例
よくある失敗パターンは過学習（overfitting）です。モデルがノイズにまで追随できるほど柔軟だと、関係が安定していなくても強い過去の適合を達成し、R Squaredが膨らむことがあります。
次の失敗パターンはレジーム・チェンジ（regime change）です。市場は、ボラティリティや流動性の異なる状態へ移行し得ます。データ生成プロセスが変わると、R Squaredが高くなった原因となった過去の関係は弱まるか、消えてしまい、将来の説明力が低下します。
3つ目の失敗パターンは、データパイプラインにおける変数の品質と条件の変化です。実現した観測に、モデリングには存在しなかった効果（たとえば、取引コスト、実行タイミングの違い、データソースの不整合など）が含まれている場合、過去の適合は実現した結果へと変換されない可能性があります。統計的な適合が良く見えても、「現実世界」の測定は乖離し得ます。
最後に、モデリングのターゲットが適切でない場合、R Squaredは誤解を招くことがあります。たとえば、絶対的な価格水準をモデル化すると非定常的な挙動が入り込みやすくなります。R Squaredは共通のトレンドのために高く見えるかもしれませんが、あなたが本当に答えたい根本の問いに対して、その関係が意味を持つとは限りません。
独立して検証すべき限界とリスク
R Squaredには、明示的に確認する価値のある重大な限界があります：
-
前提（assumptions）に依存します。 データセットのウィンドウ、変数、モデルの形が変われば、R Squaredも変わり得ます。つまり、R Squaredは単独の結論ではなく、条件付きの証拠として扱うべきです。
-
過去の関係は将来の結果を保証しません。 ある期間で見たときに安定して見えるR Squaredであっても、新しい市場環境の下でその関係が崩れることを排除できません。
-
コストと実行（execution）が「説明された変動（explained variation）」を無効化し得ます。 統計的な適合は実務上の摩擦を無視できるため、説明力と実際に実現したパフォーマンスを区別する必要があります。
-
単一の数値要約は構造を隠すことがあります。 2つのモデルが似たR Squaredを出しても、残差の挙動が異なることがあります（たとえば、誤差がランダムか、クラスタ化されているか）。残差のパターンは、モデルが重要な要因を見落としていることを示唆するため、これは重要です。
-
不確実性はR Squaredだけでは直接表現されません。 R Squaredは適合を要約しますが、リサンプル間でどれほど適合が安定しているか、あるいは小さなデータ変更に対してどれほど敏感かを、自動的に教えてくれるわけではありません。
概念を検証可能にするための確認と次の質問
あなたのユースケースでR Squaredが何を言っているかを独立して検証するには、単一の値に頼るのではなく、測定された関係の安定性をテストできます：
- 同じモデル設定で、複数の時間ウィンドウ（たとえば、より前の期間とより後の期間）にわたって結果を比較する。
- サンプリング頻度や時間軸（time horizon）を変えた後でも、その関係が残るか確認する。
- 残差が、全体の適合が強く見えるかどうかだけでなく、体系的なパターンを示すかを調べる。
- 従属変数とモデルの形が、説明したい意思決定に関わる量と一致していることを確認する。
役に立つ次の質問は、「R Squaredとは何か？」だけでなく、「その関係が説明力を保つために必要な前提、データの選択、そして市場環境は何か？」です。
DOCUMENT END