スキャルピング定義はどの入力を使う？
直接の答え：スキャルピング定義はどの入力を使う？
「Scalping Definition（スキャルピングの定義）」は単一のインジケーターではありません。これは、ある取引（または戦略の挙動）をスキャルピングとして分類するために、入力を使って何がスキャルピングに当たるかを一貫した形で定める「運用上の定義」です。通常、次のような入力に依存します：（1）時間ベースのホライズン、（2）エントリーとエグジットのための行動ルール、（3）リスクまたはポジションサイズの制約、そして（4）ルールが実行可能かどうかを評価するために用いる執行とコストの前提。
この定義は運用上のものなので、「入力」は明示的に述べる必要があります。入力を未記載のままにすると、2人が同じラベル（「scalping」）を使っていても、異なる基準を適用し、異なる結論に到達し得ます。
仕組みと定義：入力とその相互作用
運用上のスキャルピング定義は、「チェックリスト」といくつかの計算用入力としてモデル化できます。
- 時間ベースのホライズン入力
- スキャルピング定義では、保有時間についての前提（たとえば短時間の取引）を使います。
- 分類は、測定可能な時間フィールドに依存します：エントリー時刻とエグジット時刻です。
- 執行パターン入力
- スキャルピング定義には、取引頻度、または市場との反復的なやり取りが含まれることが多いです。
- これは、取引ログから計算する「単位時間あたりの取引回数」（あなたが置く仮定）によって決まります。曖昧な説明によって決まるわけではありません。
- エントリー／エグジット・ルール入力
- この定義を「使う」には、ポジションをいつ開き、いつ閉じるかを決める具体的なルールが必要です。
- これらのルールは、価格水準、インジケーターの閾値、またはイベントを参照する場合があります。しかし本質的な入力は、意思決定時点で観測されたデータから行動へとマッピングすることです。
- リスクとサイズ算出入力
- 多くの定義には、1回の取引での最大損失、ストップの設置ロジック、あるいはリスク予算からどのようにポジションサイズを計算するかといった制約が含まれます。
- 重要な入力はリスク計算の方法です。これによって、どの取引が実行可能かが変わります。
- コストとスリッページ入力
- チェック可能であることを目指す運用上の定義には、コスト入力（手数料、スプレッド、スリッページの前提）が必要です。
- これらの入力がないと、特にコストが複利的に積み重なる高頻度の挙動では、結果を過大評価してしまう可能性があります。
- データ入力とタイムスタンプ
- 検証には、意思決定ルールに合わせてタイムスタンプが整合した、想定されるデータソースが必要です。
- タイムスタンプが異なる場合（たとえばデータの粒度や時計の同期が違う場合）、同じ「定義」でも取引の分類が変わり得ます。
証拠または例：前提を明示した自己チェックモデル
最小限でチェック可能なスキャルピング定義を考えます：
- 保有時間が、指定された短いウィンドウの範囲内にあるとき、取引は「scalping」として分類される。
- エントリーとエグジットの判断は、ローソク足のクローズ時（または指定されたイベント時刻のみ）で実行される。
- ストップ・ルールとエグジット・ルールは、すべての取引に対して適用されなければならない。
- パフォーマンスは、推定コスト（スプレッドとスリッページの前提）を含む指標で評価される。
この定義を使うには、取引ログとデータから入力を計算します：
- 保有時間 ＝ エグジット時刻 − エントリー時刻。
- 取引頻度 ＝ 観測期間での取引回数 ÷ 観測期間。
- 1回の取引あたりのリスク ＝ ストップまでの距離 × ポジションサイズ（あなたのサイズ算出入力を使用）。
- ネット結果 ＝ 総利益（総結果） − 推定コスト（あなたのコスト入力を使用）。
これは「証拠」のステップです。概念を、独立して検証可能なものに変えるからです。別の人が同じルールセットと同じデータ前提を使って、分類と指標計算を再実行できます。
制限とリスク：スキャルピング定義が失敗する場所
少なくとも1つの重大な失敗パターンがよくあります：評価の入力が現実からずれてしまうことです。
- コスト入力（スプレッド、スリッページ、手数料）が楽観的すぎると、バックテストでは実行可能に見えても、実際に執行すると失敗する可能性があります。
- タイムスタンプとデータの粒度が、ライブ環境で意思決定ルールが発火する方法と一致していない場合、「scalping」と見なされるものの分類が変わり得ます。
- 市場のレジームが変わると、スキャルピングの時間軸が同じであっても、同じエントリー／エグジット・ルールが異なる挙動を示し得ます。
その他の制限カテゴリ：
- 過学習：多くの調整可能なパラメータを使って狭い期間の履歴に合わせて定義をチューニングすると、一般化できない可能性があります。
- 指標の不一致：ある定義は、ある指標（たとえば生のリターン）では良く見えても、リスクやコストを反映する別の指標では不十分であることがあります。
また、結果は市場環境や執行の質によって変わります。過去の関係性は将来の結果を保証しません。
DOCUMENT END