この記事では利確の鉄人 STAF_USDJPY_H1というEAの検証結果を紹介します。この記事を書いている時点でGogoJungleの売れ筋ランキング2位になっているものです。当サイトの検証視点を取り入れてAIに検証してもらった結果を中心に紹介します。
利確の鉄人 STAF_USDJPY_H1の紹介ページスクショ
利確の鉄人 STAF_USDJPY_H1のページは以下です（アフィリエイトリンクではありません）。
利確の鉄人 STAF_USDJPY_H1のポイントは、決済ロジックの優位性とデータ品質の関係性です（ページで紹介されているバックテストのモデリング品質が90.0%であり、リアル環境に近いTickDataSuiteを使ったモデリング品質99.9%で実施した場合のパフォーマンスが不明）。
ロジックの独創性：75点 / 統計的再現性：45点 / データ解像度：30点
ロジック分析：決済アルゴリズムの構造的特性
利確の鉄人 STAF_USDJPY_H1は、USDJPYの1時間足（H1）で稼働する「ボラ・アダプティブ・ステップトレール」および「逐次部分決済」という、利確の期待値制御に重点を置いたモデルです。
決済アルゴリズム
ATRに基づくと推測されるステップトレールは、トレンドの初動から終動までを数学的に追いかける設計です。また、以下のチャート画像（引用）のように部分決済を行い利益を刻み続けるという特徴があります。
モデリング品質の課題
引用画像にも記載があるように、上のチャート画像はバックテストにおけるトレード事例です。販売ページを見る限りは、バックテストのモデリング品質が90.0%に設定されています。90.0%が悪いということはありませんが、現実の相場と比較して「スプレッドが変動する」「注文が滑る」「ローソク足形成中のノイズやヒゲの有無」などの違いが出てきます。
モデリング品質90.0%でのテストでは「ローソク足の内部での価格移動が最短経路を通る」という仮想環境のバイアスを強く受けている可能性を否定できません。
例えばステップトレールだと、
- 90.0%のモデリング品質⇒直線的な移動で判定
- 99.9％のモデリング品質⇒激しい上下動を再現
という違いが出てくると思われます。
部分決済機能では
- 90.0%のモデリング品質⇒理想的な価格で約定
- 99.9％のモデリング品質⇒スリッページを含み約定
という違いが出てくるでしょう。
リスク評価：仮想環境（90%精度）と実運用の乖離
最も留意すべきは、バックテスト環境（モデリング品質90%）とリアル相場の「ノイズ密度」の差です。
モデリング品質の限界
利確の鉄人 STAF_USDJPY_H1の販売ページで使用されている90%品質のデータは、可変スプレッドやスリッページ、約定拒否といった「負の確率事象」を完全に再現していません。特に1時間足での緻密なトレーリングは、実環境における早朝のスプレッド拡大やティックの不連続性（窓開け等）により、バックテスト上のパフォーマンスとの乖離が発生すると考えるべきです。
ドローダウンの不確実性
固定スプレッド条件下でのDD 6.74%は、あくまで「温室環境」の数値です。確率論的なゆらぎを加味したストレッステスト（TDS 99.9%等）では、より大きくなるリスクを考慮すべきです。
以下のバックテスト結果もモデリング品質が90.0%だと思いますが、リアルの相場で、この数値以上にパフォーマンスが良くなることは通常考えにくいです。
信頼性チェック：直近パフォーマンスの「有意性」に関する考察
介入スパイクの混入
直近のフォワードテスト結果は良く、さらに以下画像で分かるように為替介入によって利益がかなり増えています。
この収益が、利確の鉄人 STAF_USDJPY_H1のロジック本来の「エッジ（優位性）」によるものか、あるいは「外的要因への偶発的な適合」によるものかは、統計的な有意差を確認できるほどのサンプル数に達していません。
この一過性の成功をEAの定常的な実力と判断するのは、データ解析の観点からは時期尚早と言わざるを得ません。
最終的な推奨度
推奨度：要観察（Watchlist）
※TDS 99.9%による再検証、および平時相場でのフォワード継続を推奨
P.S.
当サイトで開発したEAであるラストアウトを同じAI・基準で総合スコアを出してもらったら88点でした。
コメント