ランダムウォーク指数のワーク例とは？（仮定付き）
定義：ランダムウォーク指数が測定しようとしているもの
ランダムウォーク指数（RWI）は、時系列が「ランダムウォーク」（予測不可能な増分）のように振る舞うか、または一定の構造（予測可能性のある程度）を示すかを記述する統計的な尺度です。実際には、正確な公式は提供元やドキュメントによって異なりますが、基本的なアイデアは通常同じです：実際の価格変動がランダム性の下で期待されるものとどのように振る舞うかを比較します。
異なるソースではRWIを異なる方法で実装することがあるため、ワーク例を提供するにはまず計算方法を固定する必要があります。この記事では、数学的に完全で仮定に基づいた例を提供しますが、すべてのベンダーの実装に一致すると主張するものではありません。
メカニズム：ワーク例の仮定を設定する
メカニズムを透明に示すために、簡略化された明確に定義されたRWIスタイルの構成を使用します。
固定仮定
- データ：5つの連続する終値（任意の数字）を使用します：
- P0=100, P1=101, P2=100, P3=102, P4=101。
- 使用するリターン：単純な1期間リターンr_t = (P_t − P_{t−1}) / P_{t−1}を計算します。
- 「ランダム性スコア」のアイデア：リターンがランダムな増分に似ている程度を、連続する変化の大きさを比較することで測定します。
- 計算方法（明示的）：
- リターンr1..r4を計算します。
- リターンの1次差分を計算します：d_t = r_t − r_{t−1}（t=2..4、3つの値）。
- 平均絶対差分：MAD = |d_t|の平均。
- RWI = 1 / (1 + MAD)と定義します。
この定義により、方向性が直感的になります：連続するリターンが変化しない（MADが小さい）場合、RWIは高くなります（このトイセットアップでは「よりランダムに近い」に近い）。リターンが急激に変化する場合、MADは大きくなり、RWIは減少します。
ステップバイステップ計算
ステップ1：リターン
- r1 = (101−100)/100 = 0.01
- r2 = (100−101)/101 ≈ −0.00990099
- r3 = (102−100)/100 = 0.02
- r4 = (101−102)/102 ≈ −0.00980392
ステップ2：リターンの1次差分
- d2 = r2 − r1 ≈ (−0.00990099) − 0.01 = −0.01990099
- d3 = r3 − r2 ≈ 0.02 − (−0.00990099) = 0.02990099
- d4 = r4 − r3 ≈ (−0.00980392) − 0.02 = −0.02980392
ステップ3：平均絶対差分
- |d2| ≈ 0.01990099
- |d3| ≈ 0.02990099
- |d4| ≈ 0.02980392
- MAD = (0.01990099 + 0.02990099 + 0.02980392) / 3 ≈ 0.02653530
ステップ4：RWIを計算
- RWI = 1 / (1 + MAD) = 1 / (1 + 0.02653530) ≈ 0.9741
これらの仮定の下でこの単一の数値が意味すること
このトイメソッドでは、RWI≈0.97は「リターンのリターン」の動きが比較的小さいことを示し、高いインデックス値を生み出します。重要なのは、この解釈は上記の正確な公式と、私たちが使用した特定のリターン定義とウィンドウの下でのみ有効であるということです。
証拠または例のチェック：独立して確認する方法
読者は、各中間量を再計算することで、例を独立して確認できます：
- 選択した価格からr1..r4を再計算します。
- リターンの差分としてd2..d4を再計算します。
- 絶対値、その平均（MAD）、および最終的なマッピングRWI = 1/(1+MAD)を確認します。
「ワーク例」を堅牢にするために、同じ固定方法を使用して感度をテストすることもできます：
- ウィンドウサイズを変更（5つ以上の価格を使用）し、MADが通常大きくなるか小さくなるかを観察します。
- 単純リターンの代わりに対数リターンを使用し、r_tおよびRWIがどのように変化するかを確認します。
これらのチェックは、重要な実用的なポイントを示しています：計算の詳細が変わると、同じ基盤となる市場が異なるRWI値を生み出すことがあります。
制限とリスク：予想される失敗モード
- 公式不一致のリスク。 「ランダムウォーク指数」は異なる定義を指すことがあります。提供元が異なる計算を使用している場合、この記事の仮定を使用したワーク例は彼らの出力を再現しない可能性があります。
- ウィンドウとサンプリング効果。 データの長さ、頻度（例：日次対イントラデイ）、または欠損データの処理方法を変更すると、結果が変化することがあります。
- コストと実行。 インデックスが構造の変化を示しても、実際の取引結果は取引コスト、スリッページ、実行タイミングに依存します。これらは純粋な価格統計の例には含まれていません。
- レジムシフト。 ある期間に「ランダムウォークのように見える」関係は、別の期間では成立しないことがあります。歴史的な行動は将来の行動を保証しません。
- 小サンプルの不安定性。 観測が少ない場合、MADや類似の統計量はノイズが多くなることがあります。単一の価格変動がインデックスに強く影響を与えることがあります。