期待値（エクスペクタンシー）について初心者が知っておくべきこと
期待値（エクスペクタンシー）とは？
期待値（Expectancy、しばしば expected value と呼ばれます）は、機会（オポチュニティ）とその結果を定義できると仮定したうえで、機会あたりに得られる平均的な結果を表す方法です。平たく言えば、同じ意思決定プロセスを、似たような条件下で何度も繰り返すとき、期待値は「あなたが見込む平均的な払い戻し（ペイオフ）」を意味します。
初心者にとって重要な概念は、期待値が要約統計量であるという点です。これは「次に何が起きるか」を予測するものではありません。期待値は、過去のサンプルが平均として何を示唆しているかを説明し、計算に使った前提のもとでのみ意味を持ちます。
実務で期待値はどう機能するか
期待値を計算するには、通常は次の3つの要素を組み合わせます。
- 結果（Outcomes）：各結果タイプごとの損益額（たとえば、定義したルールに基づく「勝ち」と「負け」）。
- 確率（Probabilities）：各結果タイプが起こる推定確率。
- コストの含め方：スプレッド、手数料、コミッションなどの関連コストが、すでに結果に含まれているかどうか。
よくある構造は、加重平均です：
- 各結果額に、その結果が起こる確率を掛ける。
- それらの結果を足し合わせて、「機会あたりの平均」という1つの数値を得る。
不確実性を含む前提の例（Material assumption example）： たとえば、あなたが「機会（opportunity）」を定義し、過去の記録から 40% の結果が勝ちで 60% が負けだと分かったとします。平均の勝ちが +2 ユニット、平均の負けが −1 ユニットなら、単純な期待値の推定は次のようになります： 0.40×(+2) + 0.60×(−1) = 0.8 − 0.6 = +0.2 ユニット（機会あたり）。
この数値が意味を持つのは、次の場合です：
- 勝ち／負けの分類が、あなたが繰り返したいルールと一致している。
- 確率（40% と 60%）が、あなたが重視する条件を反映したデータセットから推定されている。
- +2 と −1 の結果が、後で使うコスト前提と同じコスト仮定を含んでいる。
期待値が誤解を招きうる現実的なシナリオ
シナリオ（サンプルの不一致）： データセットに、たとえばボラティリティが低い、または取引条件がよりタイト（厳密）な期間など、異常に有利な市場レジームが含まれている場合、推定された確率や平均的な結果は将来の条件を表していない可能性があります。計算自体は動きますが、その意味が変わります。
シナリオ（コストまたは執行の変更）： 過去の結果に現実的なコストが含まれていなかったり、執行の質が変わったりすると、平均の勝ちと負けの金額は変化します。「プラス」の期待値推定であっても、コストの後ではゼロに近づいたり、マイナスに転じたりすることがあります。
シナリオ（定義のドリフト）： 過去と現在で「勝ち」と「負け」の定義が異なっていた場合（たとえば、しきい値を変えた、測定方法を変えたなど）、同じ意思決定プロセスに対する期待値を計算しているわけではなくなります。
限界、リスク、検証のためのコントロールポイント
初心者は期待値を、パフォーマンスを保証するもののように扱いがちです。しかし保証しません。重要なのは、次のような制約です：
- 確率の非安定性： 確率は推定値です。サンプルが小さいと、確率は大きく変動し得ます。
- 隠れたばらつき： 平均化は、ときどき大きな損失が出る分布を隠してしまうことがあります。
- データのバイアス： データセットが特定の結果を過剰に表していると、期待値は実際より良く見えることがあります。
実務的なコントロールポイントは、前提を明確に述べたうえで期待値を再計算し、感度を確認することです。たとえば、コストが高くなった場合、確率が妥当な範囲内で動いた場合、または別の（ただし比較可能な）期間のデータを使った場合に、期待値がどう変わるかを尋ねてみてください。
2つの妥当なデータセットで期待値の値が意味のあるほど異なるなら、基礎となる条件や前提が安定していないという証拠として扱うべきです。
次に尋ねるべき質問
期待値が有用かどうかを独立に検証するには、計算の入力を正確に説明できることを確認してください。つまり、機会がどのように定義されているか、勝ち／負けの結果がどのように測定されているか、どのコストが含まれているか、そしてどのデータセット期間が前提とされているかです。そうすれば、あなたが説明しようとしている条件に対して、その前提が適切かどうかを判断できます。