カーブフィッティングは簡単に発生する
株やFX、先物取引で「過去に儲かった戦略」が、未来でも通用するとは限りません。
カーブフィッティング，つまり有意性のないトレードロジックを有意性があると誤認識する現象は，普通のバックテストだと下記のように簡単に発生します。
💡 実例的な違い（目安）
| 分析手法 | フィッティングのリスク | 実運用成績との乖離 |
|---|---|---|
| 通常のバックテスト | 高い（70～90%が過剰最適化） | 大きく乖離しやすい |
| ウォークフォワード分析 | 中～低（30～50%に減少） | 実運用に近い成績 |
※これは目安であり、戦略の複雑さや市場のノイズによって変動します。
この記事では、PythonとFlask、Optunaを使って、トレード戦略をウォークフォワード分析で検証できる無料Webアプリをご紹介します。
ウォークフォワード分析とは？
ウォークフォワード分析（Walk Forward Analysis）は、過去のデータを訓練期間とテスト期間に分けて、戦略の「本番での再現性」をチェックする方法です。
このアプリでできること
- ブラウザ上で簡単にパラメータ入力
- 戦略を自動で最適化（Optuna使用）
- 成績をリアルタイムで表示
- CSVに自動保存
無料で誰でも使用可能なWeb アプリですので，ぜひお試しを。
Qiitaでもシステムの技術的な側面を紹介をしています。
Noteでもアプリの使用方法などをまとめています。
実際の検証結果
前提条件
スタートの資産は1、損切りは価格の1/15、ポジションサイズは損切り時に資産が-5%になるように、スプレッドは価格の0.1%、日足、Long方向のみ。log10資産の最終値(青バー)、決定係数(オレンジバー)をグラフで出力している
| 指標名 | 買いエントリー条件 | 条件式（Entry） | エグジット条件 | 条件式（Exit） |
|---|---|---|---|---|
| Random | 20%の確率でランダムに | random.randint(1,10)>8 | 20%の確率でランダムに | random.randint(1,10)>8 |
| Dow理論 | 期間k1の高値上抜け | max(high[i-k1:i-1]) < close[i] | 期間k1の底値下抜け | min(low[i-k1:i-1]) > close[i] |
| RSI | RSIが30以下から上抜け | RSI(k1, i-1) < 30 and RSI(k1, i) > 30 | RSIが70以上から下抜け | RSI(k1, i-1) > 70 and RSI(k1, i) < 70 |
| SMA | closeがSMAを下から上抜け | close[i-1] < SMA(k1, i-1) and close[i] > SMA(k1, i) | closeがSMAを上から下抜け | close[i-1] > SMA(k1, i-1) and close[i] < SMA(k1, i) |
| EMA | EMA短期 > EMA長期（ゴールデンクロス） | EMA(k1, i-1) < EMA(k1*2, i-1) and EMA(k1, i) > EMA(k1*2, i) | EMA短期 < EMA長期（デッドクロス） | EMA(k1, i-1) > EMA(k1*2, i-1) and EMA(k1, i) < EMA(k1*2, i) |
| MACD | MACDがSIGNALを上抜け | MACD(k1, i-1) < SIGNAL(k1, i-1) and MACD(k1, i) > SIGNAL(k1, i) | MACDがSIGNALを下抜け | MACD(k1, i-1) > SIGNAL(k1, i-1) and MACD(k1, i) < SIGNAL(k1, i) |
| BBANDS | closeがBBLで反発しBBMを上抜け | close[i-1] < BBL(k1, i-1) and close[i-1] < BBM(k1, i-1) and close[i] > BBM(k1, i) | closeがBBUに接触または上抜け | close[i-1] < BBU(k1, i-1) and close[i] >= BBU(k1, i) |
| ATR | ATR上昇＋高値ブレイク | ATR(k1, i) > ATR(k1, i-1) and close[i] > max(close[i-k1:i]) | ATR減少 or 高値割れ | ATR(k1, i) < ATR(k1, i-1) or close[i] < close[i-1] |
| ADX | ADXが20→25を上抜け ＋ 価格上昇 | ADX(k1, i-1) < 25 and ADX(k1, i) > 25 and close[i] > close[i-1] | ADXが低下 or 価格下落 | ADX(k1, i) < ADX(k1, i-1) or close[i] < close[i-1] |
| STOCH | %Kが%Dを下から上抜け ＋ %K<30 | STOCHK(k1, i-1) < STOCHD(k1, i-1) and STOCHK(k1, i) > STOCHD(k1, i) and STOCHK(k1, i) < 30 | %Kが%Dを上から下抜け ＋ %K>70 | STOCHK(k1, i-1) > STOCHD(k1, i-1) and STOCHK(k1, i) < STOCHD(k1, i) and STOCHK(k1, i) > 70 |
| HIST | HISTがマイナスからゼロを上抜け | HIST(k1, i-1) < 0 and HIST(k1, i) > 0 | HISTがプラスからゼロを下抜け | HIST(k1, i-1) > 0 and HIST(k1, i) < 0 |
エントリー&エグジット条件と検証結果
(1)Randomでのエントリー ＆ Randomでのエグジット
実はこれだけでも勝てるという非常に重要な事実。当然通貨によるが。ちなみに為替は勝てないので除外している。
(2)Randomでのエントリー ＆ Trailing stopエグジット
Trailing stop(ダウ理論)は非常に有意性がある という発見。～システムトレード 基本と原則(実践編)～ でも同様の結論だったため，信憑性はありそう。損小利大 is ジャスティス
(3)Golden crossのエントリー ＆ Dead crossエグジット
意外といまいち。決済の回数が少ないのが原因か。
(4)RSIでのエントリー ＆ エグジット
いまいち。決済の回数が少ないのが原因か。
(5)価格のバウンドでエントリー＆ Trailing stopエグジット
Close[i-k1]>Close[i] and Close[i]>Close[i-k1//3-1] でエントリー。とりあえず現状一番これがよい。なぜかはわからん。
使ってみる（無料）
まとめ
ウォークフォワード分析を通じて、より「実践で通用する戦略」を作ることが可能になります。 本アプリは、PythonとFlaskを用いた個人開発ですが、どなたでも自由にご利用いただけます
