ドローダウン・レビューのための高度な考慮事項

ドローダウン・レビュー：定義と「高度な」変更点

ドローダウン・レビューは、パフォーマンスが先行するピークからどれだけ下がったかを調べます。実務では、口座のエクイティ（または建玉を反映するように調整した残高）といった時系列を分析し、選択した期間における最大のピークからトラフへの下落を見つけます。

「高度な」考慮事項は主に、入力の定義、ドローダウンの計算方法、そしてそれらの解釈の仕方を変えます。基本的な考え方は安定していても、結果は実装上の選択に左右されます。すなわち、エクイティの定義、時間分解能、「損失」として何を含めるか（クローズ取引のみか、またはマーク・トゥ・マーケットも含めるか）、そして分析が「同じもの同士」を比較しているかどうかです。

単一の普遍的なドローダウン定義が存在しないため、良いドローダウン・レビューは前提を明示します。2者が異なるエクイティ規則や異なる時間枠でドローダウンを計算する場合、似たように聞こえても数値は比較できない可能性があります。

中核メカニズム：入力、指標、ベースライン

意図するエクイティ系列を選ぶ

ドローダウン計算には、時間インデックス付きのエクイティ系列が必要です。一般的な選択肢には次が含まれます。

• 実現エクイティ（多くの場合、クローズ結果のみを基にする）。
• マーク・トゥ・マーケットのエクイティ（建玉の価値も含める）。

これらは異なるドローダウン挙動につながります。マーク・トゥ・マーケット方式では、建玉が開いている間の価格変動によって期間内の下落が見えることがあります。一方、実現エクイティ方式では、建玉がクローズされるまでリスクを過小評価し得ます。したがって高度なドローダウン・レビューは、どのアプローチを使ったのか、そしてなぜそれを使ったのかを最初に明確にすることから始まります。

ドローダウン指標を特定する

異なる指標は異なる問いに答えます。たとえば：

• 最大ドローダウン：期間内で観測された最大のピークからトラフへの下落。
• ドローダウン期間：トラフから先行するピークへ回復するまでにかかる時間。
• ドローダウン頻度：ドローダウンがどれくらいの頻度で起きるか。

単一の見出し数値では、リスクの形状を完全には捉えられません。2つの戦略が最大ドローダウンは似ていても、期間と回復の挙動が大きく異なることがあります。

「ピーク」と「期間境界」を定義する

ドローダウン系列は、ピークがどこで許可されるかに依存します。たとえば、次のようにできます。

• 固定期間内で計算する（例：暦年）。
• ローリング・ウィンドウで計算する（例：直近N日）。
• データの欠損後、または大きなリセット後にピークを再開する。

高度なレビューでは、ピークが意図した問いに合う形で計算されているかを確認します。目的が特定のトレーディング・レジームにおけるリスクを理解することなら、無関係なレジームにまたがるピークを使うと解釈がぼやける可能性があります。

数値例のための前提

例の計算を示す場合は、次を明記します。

• 時間ステップ（日次、時間次、ティックのようなもの）。
• エクイティ値がどのようにサンプリングされたか。
• コストや手数料がエクイティ系列に含まれているかどうか。

リアルタイムの市場データがなくても、ドローダウンのロジックはこれらの前提に依存します。これらを省いたレビューは、独立して検証できません。

エビデンスと例：考慮すべき依存関係

ドローダウン・レビューは派生計算であるため、内部整合性チェックを使うことで強化できます。

コストと執行の影響はエクイティの経路を変え得る

ドローダウンは経路依存です。つまり、コスト、スリッページの前提、または執行タイミングを少し変えるだけで、エクイティの系列が変わり、その結果として計算されるドローダウンも変わります。

2つの分析が同じ取引を使っていても、コストのモデリングの違いによって、ピークからトラフへの大きさや、回復が同じ期間内に起きるかどうかが変わり得ます。したがって高度なレビューでは、コストと執行の前提を一次級の入力として扱います。

欠損データと時間分解能がエッジケースを生む

エッジケースはしばしばデータ処理に由来します。

• 不規則なサンプリング：エクイティが不均一な間隔で記録されている場合、サンプル間のトラフが見落とされ得ます。
• データギャップ：履歴が欠けている場合、ルールが定義されていない限り、ピークとトラフの検出が誤る可能性があります。

堅牢なレビューでは、これらのケースをどう扱うかを明示します（たとえば、欠損点を補間するのか、無視するのか）。それがないと、結果が精密に見えても、黙示の前提に基づいている可能性があります。

レジーム変化と構造的ブレイク

金融市場は時間を通じて振る舞いを変えます。複数の市場レジームを含む長い履歴でドローダウンを計算すると、最大ドローダウンがあるレジームから生じる一方で、より最近の期間は別のリスク特性を持つかもしれません。

高度なレビューでは、これを解釈上の制約として扱います。混合データセットにおける最大ドローダウンは、将来のドローダウン・リスクを自動的に代表するものではありません。

制限とリスク：何がうまくいかない可能性があるか

1) 比較できない計算の比較

大きな制限は「りんごとオレンジ」の比較です。あるレポートがマーク・トゥ・マーケットのエクイティを使い、別のレポートが実現のみのエクイティを使っている場合、ドローダウンの数値は体系的に異なり得ます。

リスクは単なる数値の不一致だけではありません。読者は、その違いを「パフォーマンスの質」の問題だと誤解するかもしれませんが、実際には定義の問題である可能性があります。

2) 指標の不一致：期間 vs 大きさ

失敗パターンは、最大ドローダウンに注目しながら期間や回復の形状を無視することです。2つのエクイティ経路が同じピークからトラフの深さを持っていても、回復までの時間が異なることがあり、これは運用上重要です。

したがってドローダウン・レビューは、理解したいことに合わせて指標の選択を行うべきです。すなわち、ストレスの深さ、回復の速さ、またはドローダウン頻度です。

3) 過去のウィンドウへの過剰適合

ドローダウンはピークとトラフがどこで起きるかに依存するため、選択的なウィンドウ設定は見かけの安定性を膨らませたり、リスクを隠したりし得ます。誰かがボラティリティの高い期間を避けるウィンドウを選べば、レビューは広範な条件を代表せずに好ましく見えることがあります。

慎重な手法であっても、過去の関係は将来の結果を保証しません。この制約は本質的です。ドローダウン統計は、観測された期間に条件づけられています。

4) 生存者バイアスと選択バイアス

「生き残った」口座、戦略、または期間だけを見たり、結果を観察した後に選ばれたものだけを扱ったりすると、結論にバイアスがかかります。高度なレビューでは、選択基準とデータの完全性を確認します。

プロセスが透明でない場合、独立して検証可能なレビューは難しくなります。

検証と次の問い：主張をどう検証するか

計算ステップを段階的に検証する

独立した検証はメカニクスに焦点を当てます。

• ピーク検出とトラフ同定を再計算する。
• エクイティ定義と時間サンプリングを確認する。
• コストと手数料が、述べられたエクイティ規則と一貫して扱われているかをチェックする。

ドローダウンはエクイティ系列の決定論的な変換であるため、入力とルールが一致していれば、正しい検証は同じ結果を再現するはずです。

前提を明示的に検証する

良いドローダウン・レビューは、計算や例で用いられた前提を明示します。

• どのエクイティ系列が使われたか。
• 時間ステップは何か。
• データギャップとサンプリング間隔はどう扱われたか。

これらがなければ、読者は、報告されたドローダウンが実際のリスクを反映しているのか、それともモデリング上のアーティファクトなのかを確認できません。

指標が答える問いを尋ねる

ドローダウンに関する結論を受け入れる前に、問いを明確にします。

• 目的は最悪ケースの深さを評価することか？
• 最悪の期間における回復挙動はどうか？
• ストレスはどれくらいの頻度で起きるのか？

DOCUMENT END