平均勝ち負け（Average Win Loss）は何と組み合わせられるか

直接の答え

平均勝ち負け（Average Win Loss）は、異なる問いに答える指標と組み合わせられます。たとえば、勝ちと負けの大きさが一貫しているか、コストや執行（execution）が実現結果にどう影響するか、条件が変わっても結果がどれほど安定しているか、などです。これらを併用すると、重複しない分析上の役割が得られます。一方で、追加する指標が同じ基礎データから作られており、ある誤りを増幅する形で導出される場合は、相関入力リスク（correlated-input risk）も依然として持ちます。

メカニズムと定義

**平均勝ち負け（Average Win Loss）**とは、2つのグループ（勝ちトレードと負けトレード）について、平均を使ってトレード結果を要約することを指します。一般的な計算方法は次のとおりです。

• 平均勝ち（Average win） = （勝ちトレード結果の合計）÷（勝ちトレード数）
• 平均負け（Average loss） = （負けトレード結果の合計）÷（負けトレード数）

そのうえで、勝ちと負けの相対的な大きさ、あるいは勝ち／負けの平均がサンプルにどれほど強く依存しているか、といった関係を解釈します。

メカニズムを明確に保つため、他の指標と組み合わせる前に前提を述べてください。

• トレード結果は スプレッド、手数料、その他のコストの前か後で測定していますか？
• 結果は スリッページ（slippage）（期待された価格と約定価格の差）を差し引いたものですか？
• サンプルは 1つの口座、1つの相場レジーム、あるいは混在期間ですか？

これは重要です。平均勝ち負けは、実現結果の*形（shape）*を表すものであり、ドライバー（原因）を直接示すものではありません。市場構造やプロバイダーの執行は、約定（fills）の分布を変え、その結果として平均的な成果も変わり得ます。

組み合わせられるもの（重複しない役割）

以下は、同じ考えを繰り返すのではなく、通常は異なる情報を追加する組み合わせです。

1) コスト調整後のパフォーマンス

平均勝ち負け（Average Win Loss）は、コスト調整の確認と組み合わせられます。これは「現実的な摩擦（friction）を考慮しても、平均はまだ似た見え方をするのか？」に答えるものです。たとえば、生の価格変動から計算した勝ち／負けの平均と、手数料やスリッページの前提を含むネット結果から計算した平均を比較します。コストが実質的に勝ちを圧縮し、負けを悪化させるなら、併用した見方は、ペーパー上でしか機能していなかった戦術に過大な信用を与えるリスクを下げます。

前提の例: 同じトレードリストと同じ約定タイミングを使うが、コストモデルだけを変更する（つまり、差はコストに起因するとみなす）。

2) 変動性と分布の指標

平均は、テール（極端な部分）で何が起きているかを隠してしまうことがあります。平均勝ち負け（Average Win Loss）を、**変動性（variability）**の指標、たとえばトレード結果のばらつきや、極端な結果が起きる頻度と組み合わせてください。これにより「負けは一貫して似た大きさなのか、それとも平均的なサイズの負けが多い一方で、まれに大きなギャップが生じるのか？」を答えやすくなります。

現実的なシナリオとして、平均負けが管理可能に見えるデータセットでも、少数のまれなテール損失がリスクを支配している場合があります。併用アプローチは、この制限を浮き彫りにします。

3) ドローダウンと時間的な安定性

平均勝ち負け（Average Win Loss）は、**ドローダウン（drawdown）**と、時間に基づく安定性チェックと組み合わせられます。これは「その関係は期間をまたいでも成り立つのか、それともレジームごとに固まってしまうのか？」に対処するためです。単純な例として、同じ定義を使いながら、別々の時間窓（たとえば前半と後半）で平均を比較します。

これは将来のパフォーマンスを約束するものではありません。統計が安定しているのか、あるいはレジーム依存なのかをストレステストするものです。

4) 執行品質の要約

それを、**執行品質（execution quality）**を反映する指標と組み合わせます。たとえば、実現結果が、期待された価格変動と比べて体系的に異なるかどうかです。負けが、期待される約定（fills）が説明できるよりも一貫して大きいなら、執行の影響が寄与している可能性があります。

これは重要な制限です。平均勝ち負け（Average Win Loss）は、意思決定の質だけでなく、注文処理や約定挙動によって強く影響されるかもしれません。

制限とリスク（失敗パターンを含む）

相関入力リスク

同じ基礎となるトレード結果から導出される複数の指標を組み合わせると、ある問題の重みを偶然増やしてしまうことがあります。たとえば、計算フレームワークに誤ったコスト前提がある場合、平均勝ち負け（Average Win Loss）とドローダウンの要約はどちらも「整合している」ように見える可能性がありますが、それでも一貫して間違っているかもしれません。

相関入力リスクを減らすには、1つの前提だけを時間を置かずに変えてください（たとえば、グロスからネット結果へ切り替えるだけ）そして、その変更を記録します。

テール損失のマスキング

平均は、損失分布が歪んでいると失敗します。2つのデータセットが同じ平均負けを持っていても、まれな極端事象によってリスクが大きく異なることがあります。これは、失敗の可能性を過小評価につながり得ます。

サンプル選択バイアス

データセットに、特定の条件を満たしたトレードだけが含まれている（または欠損データのためにトレードが除外されている）場合、平均はプロセス全体を代表しない可能性があります。

DOCUMENT END