平均勝ち負け（Average Win Loss）の乖離（divergence）とは何を意味する？
直接の答え：平均勝ち負け（Average Win Loss）の乖離（divergence）
平均勝ち負け（Average Win Loss）の乖離（divergence）とは、「平均勝ち（average win）」と「平均負け（average loss）」が、一定の形で一緒に動かなくなることを意味します。以前の期間から予想していたように、勝ち側と負け側が同じように振る舞うのではなく、片方の典型的な結果が大きくなったり小さくなったり、性質が変わったりする一方で、もう片方は変わらないことがあります。
平たく言うと：平均勝ち負け（Average Win Loss）は、取引結果から得られる2つの平均の比較です。その比較が、時間区分、データセット、または計算方法によって異なって見えるときに乖離が起きます。
仕組みまたは定義：平均がどのように作られるか
乖離を説明するには、「平均勝ち（Average Win）」と「平均負け（Average Loss）」がどのように構築されるかから始めます。
- **平均勝ち（Average Win）**は、通常、選んだサンプル内の勝ち取引のサイズ（例：利益額）の算術平均として計算されます。
- **平均負け（Average Loss）**は、通常、選んだサンプル内の負け取引のサイズ（例：損失額）の算術平均として計算されます。
**乖離（Divergence）**は、たとえば次のようなときに現れます。
- ある期間では平均勝ちが比較的大きく平均負けが比較的小さいのに、その後パターンが逆転する。
- 平均負けが、より負けが小さく／より負けが大きく（less negative/more negative）なる一方で、平均勝ちはほぼ同じままである。
「何が変わったのか」という単純なモデルは、結果の分布が変わったのか、あるいはあなたが結果をサンプリングして測定する方法が変わったのかのどちらか（または両方）です。これら2つの要因が重要なのは、解釈が異なる方向に導くからです。
平均を変え得る（「不思議なこと」が起きなくても）一般的な計測上の選択肢には、次のようなものがあります。
- 使用する正確な時間窓（time window）
- すべての取引を含めるのか、それとも一部だけを含めるのか
- 平均を生の金額で計算するのか、特定のコストの後で計算するのか
- データセットに部分約定（partial fills）や調整が含まれているかどうか
証拠または例：なぜ乖離が現れ得るのか
明確な前提がある、仮想的なバックテストのようなセットアップを考えてみましょう。
- あなたが平均勝ちと平均負けを、同じ戦略の取引履歴から計算すると仮定する。
- 履歴を2つの等しい時間窓に分割すると仮定する。
- 執行の質とスプレッド／コストは各窓の中では一定だが、窓間では異なり得ると仮定する。
もし平均勝ちと平均負けが、Window 1とWindow 2の間で異なる動きをするなら、あなたは乖離を観測します。
この乖離は、少なくとも3つの排他的ではない原因で説明できます。
- マーケットレジームの変化（Market regime change）： 勝ちまたは負けが起きるまでに価格が動く典型的な距離が変わる。
- コストまたは執行の変化（Cost or execution change）： Window 2の間にコストが上がれば、損失が勝ちよりも悪化し得る（またはその逆）ため、平均がそれぞれ異なる形で変わる。
- サンプリングと計算の違い（Sampling and calculation differences）： 後の窓に、片側でより極端な外れ値（outliers）が多く含まれていると、その側の平均がより大きくシフトする。
重要なポイントは、「乖離（divergence）」は単一の原因を自動的に説明するものではなく、あなたが計算したデータの記述である、ということです。
限界とリスク：確認の限界と後知恵バイアス（hindsight bias）
乖離を解釈する際には、重要な限界や失敗パターンがあります。
- 乖離（Divergence）は、指標が「機能している」または「失敗している」ことを自動的に意味しません。 それは、比較した区間ごとに、過去の平均勝ちと平均負けの特性が異なることを示すだけです。
- 後知恵バイアス（Hindsight bias）： まず最大の乖離を見てしまうと、事後的に結果に合わせて説明を「当てはめてしまう」可能性があります。たとえ、事前の期待が不明確だったとしてもです。
- 1つの期間への過剰適合（Overfitting to one period）： 乖離は一時的な状態を反映していることがあります。過去の関係は将来の結果を保証しません。
- コストと執行による不確実性： 平均は、結果がどのように記録されるかに敏感です。取引コストや執行モデリングがわずかに異なる2つのデータセットでは、乖離の見え方が異なることがあります。
検証または次の質問：あなたが独立に確認できること
あなたの文脈で乖離が何を意味するのかを検証するには、合理的で事前に定義した変化に対して安定しているかどうかを確認できます。
- 一貫したルールで平均勝ち（Average Win）と平均負け（Average Loss）を再計算する（勝ち／負けの定義が同じで、含める基準も同じであること）。
- 複数の時間分割を比較する（乖離が最大に見える期間だけでなく）。
- 記録がその分割をサポートしているなら、**明示されたコストの「前」と「後」**で結果額を見て、可能な限り影響を分離する。
- 明らかなデータの異常（例：欠けている取引や、比較できない執行記録）を含める／含めないで平均を繰り返し、計算の感度を確認する。
これらの確認を通じて乖離が残るなら、基礎となる結果の分布が変わったことを示唆します。乖離が消えるなら、パフォーマンス特性の安定した変化というより、計測／サンプリングの感度によるものだと示唆します。