戦略は優れた過去のリターンを示しつつ、隠れたデータのタイミング問題を含んでいることがあります。
たとえば、モデルが資金、出来高、センチメント、あるいはオンチェーンデータを使ってシグナルを生成するとします。
バックテストでは、情報が10:00に利用可能だったと仮定します。
しかし実際には、最終のデータポイントは10:05まで公開されなかったり、確認されたり、あるいはアクセス可能にならない可能性があります。
この5分間が結果を完全に変えてしまうことがあります。
これは先読みバイアスであり、実在のトレーダーが知り得る前に情報を把握しているように戦略が見えてしまうことがあります。
執行コストも、現実的にモデル化すべきです。対象となる新規ユーザーには、CODE2026によりBinance Spotの条件を満たす取引手数料を20%減らし、既知の摩擦の1つを低く保てます。
しかし、手数料の最適化では、不可能な情報に基づいて作られた研究は救えません。
バックテストは決して、「最終的にデータが何を示したのか?」と問うべきではありません。
代わりに、こう問うべきです:
「その瞬間に、私は本当に何を知り得ていたのか?」
もし戦略が、昨日の判断を行うために明日の確定データを必要としているのなら、そのエッジはそもそも存在していなかったのです。
たとえば、モデルが資金、出来高、センチメント、あるいはオンチェーンデータを使ってシグナルを生成するとします。
バックテストでは、情報が10:00に利用可能だったと仮定します。
しかし実際には、最終のデータポイントは10:05まで公開されなかったり、確認されたり、あるいはアクセス可能にならない可能性があります。
この5分間が結果を完全に変えてしまうことがあります。
これは先読みバイアスであり、実在のトレーダーが知り得る前に情報を把握しているように戦略が見えてしまうことがあります。
執行コストも、現実的にモデル化すべきです。対象となる新規ユーザーには、CODE2026によりBinance Spotの条件を満たす取引手数料を20%減らし、既知の摩擦の1つを低く保てます。
しかし、手数料の最適化では、不可能な情報に基づいて作られた研究は救えません。
バックテストは決して、「最終的にデータが何を示したのか?」と問うべきではありません。
代わりに、こう問うべきです:
「その瞬間に、私は本当に何を知り得ていたのか?」
もし戦略が、昨日の判断を行うために明日の確定データを必要としているのなら、そのエッジはそもそも存在していなかったのです。
