ファットテールを織り込んだ"つもり"になっていないか

Last updated at 2026-06-14Posted at 2026-06-14

良さそうに見えるエッジ候補が、どの前提で壊れるかを検証する
―― リスク推定そのものの脆さ（error on error）を、BTC急落条件を題材に調べる

この記事の立ち位置（前回記事との関係）

📌 前回記事との違い
前回「BTC急落は買いなのか？」では、BTC急落を Funding Rate と外部リスク環境で分類すると、Funding low × Risk-on が一見面白い候補に見えること、ただし回帰で交互作用は非有意で n=15 と小さいこと、までを示した。
本稿では、その候補の有効性を再主張しない。 むしろ、その「良さそうに見える候補」を題材にして、良く見える結果をクオンツはどう疑うべきか、そしてリスク推定そのものが壊れることはないかを考える。

前回の問いは「BTC急落は買えるのか」だった。今回の問いは違う。

すでに良さそうに見える条件があるとき、それをどう疑うべきか。
ファットテールを織り込んだ"つもり"でも、リスク推定そのものが壊れることはないか。
その条件は、どの前提が崩れたら使えなくなるのか。

つまり本稿の主役は、BTC急落のエッジ検証ではなく、ファットテールを前提にしたリスク管理の考え方である。先に一文でまとめておく。

ファットテールをリスク管理に織り込むとは、正しい未来分布を当てることではない。リスクを測るモデルにも誤差があることを認め、良さそうに見える推定値がどの前提で壊れるかを見つけ、その結果を運用ルールに変えることである。

念のため最初に断っておく。本記事は投資助言ではない。Funding low × risk-on を有効戦略として推奨するものでもない。これは診断であって、売買推奨ではない。

第1部：ファットテールを織り込んだ"つもり"問題

1. はじめに：バックテストは未来の保証ではない

過去データを集め、バックテストを行い、平均リターン・ボラ・最大DD・シャープを計算すると、将来リスクを把握できたような気分になる。だが、ここに最初の落とし穴がある。

過去最大DDは、将来最大DDの上限ではない。
過去ボラは、将来ボラの真値ではない。
過去相関は、危機時相関ではない。分散していた資産が同時に落ちる局面は、平常時データには十分含まれていない。
バックテスト上のコスト・約定価格・流動性は、ストレス時にも同じとは限らない。

この記事の出発点は、モデルを作ることではなく、作ったモデルをどこまで疑うかである。クオンツにとって重要なのは、モデルを作る技術だけではなく、作ったモデルをどこまで疑えるかだと考えている。

2. 既存の「尾部リスク管理ツール」はある

誤解のないように書くと、尾部リスクを扱うための手法はすでに数多くあり、いずれも有用である。否定する話ではない。まず使うべき基本的な道具だ。ただし注意したいのは、これらを「ファットテール対応」と一括りにすると、このツールを使えば尾部リスクを織り込めたという誤解を生む点である。下表の手法は、あくまで「ファットテール対応に見える手法」であって、いずれも前提と推定誤差を抱えている。

手法	何をしているか	残る論点
VaR	損失分布の一定分位点を見る	分位点を超えた後の損失は見えない
Expected Shortfall	VaR超過後の平均損失を見る	尾部サンプルが少ないと不安定
ストレステスト	危機シナリオを置く	シナリオ設定に主観が入る
モンテカルロ	多数の損益経路を生成する	生成過程の仮定に依存する
EVT	極端値に注目する	閾値選択・分布仮定が難しい
Student-t	正規より太い尾を仮定する	自由度の決め方に判断が入る
最大DD分析	過去の最大損失を見る	過去最大DDは将来上限ではない

ひとつ注意したいのは VaR の位置づけ である。VaR は「損失分布のある分位点（信頼水準αに対応する損失水準）」を定義しているだけで、それ自体は分布の尾の形について何も仮定していない。だから VaR がファットテールに対応するかどうかは、VaR という枠組みの問題ではなく、その分位点をどの分布・どの推定法で出すかに完全に依存する。

分散共分散法（ガウスVaR）＝正規分布前提なので、尾を構造的に過小評価する。
ヒストリカルVaR＝標本内の太さは拾うが、観測した最悪値より先は見えない。
Student-t / EVT ベース＝太い尾を明示的に入れられる。

ES（Expected Shortfall）はどうか。ESはVaRより一歩進んで、VaRを超えた後の損失の深さを見る点で有用だ。だがESも万能ではない。ESは尾部サンプルが少ないほど不安定になりやすく、しかも期間・分布仮定に依存する。BTCのようにレジーム変化が大きく、急落定義やサンプル数で結果が左右される対象では、ESもまた相応の推定誤差を持つ。ESを使えばファットテールを織り込めた、とは言えない。

つまり VaR・ES は測定窓であり、ファットテール対応そのものではない。何を見るかを決める窓であって、対応の有無は差し込む分布と推定法しだいだ。本稿では VaR・ES を「ファットテール対応の完成形」ではなく、前提を動かして壊れ方を見るための基準線として扱う。手法を使うことと、リスクを十分に織り込めたことは、同じではない。

3. しかし、それらで十分なのか

上の手法は、いずれも過去データ・分布仮定・パラメータ推定・シナリオ設定・人間の判断に依存している。

過去に起きていない損失、将来のレジーム変化、流動性の枯渇、約定不能、相関の同時上昇は、通常のモデルから漏れやすい。
ストレステストは有効だが、どのシナリオを置くかに主観が入る。EVTやStudent-tも、閾値や自由度に判断が残る。

したがって問題は、どの手法を使うかだけではない。その手法の出力をどこまで信じてよいのかである。

4. リスク推定そのものにも誤差がある：error on error

ここで本記事の補助線として error on error（誤差の上の誤差）を置く。Taleb & Cirillo (2025) の議論を、論文解説としてではなく、「リスクを測るモデルにもリスクがある」という実務上の警告として使う。

error on error を実務の言葉に直すと、こうなる。

リスクモデルは、リスクを測るための道具である。しかし、そのモデルが出すVaR・ES・平均リターン・PFもまた推定値だ。つまり、まず推定値そのものに誤差がある。

次に、「その誤差はどのくらいか」をbootstrapやストレステストで見積もる。ところが、そのbootstrapやストレステスト自体も、サンプル期間・急落定義・再標本化方法・コスト設定に依存する。つまり、誤差の見積もりにも誤差がある。

本稿でいう error on error とは、難しい哲学ではない。「リスク推定値を測ったら終わりではなく、その測定方法も疑う必要がある」という意味である。

もちろん、実務でこの確認を無限に続けることはできない。だからこそ、どこで止めたかを明示する必要がある。本稿では、その止め方を後述の「ストレス設定」として表に出す。論文の数値例でも、ボラに1〜2段の前提ストレス（例えば ±20% 程度）を入れるだけで、3σ事象の確率は倍以上に膨らむ。一段か二段でも、リスクの見え方は実質的に変わる。

リスク指標	第一の誤差	error on error として残る問題
VaR	分布・ボラ・相関の推定誤差	その誤差をどれだけ上乗せすべきかも不確実
Expected Shortfall	尾部損失サンプルの不安定性	尾部が過去より悪化する度合いも不確実
バックテスト	過剰最適化・コスト過小評価	OOS劣化をどれだけ見込むかが不確実

そして本稿の肝は、この error on error を抽象論で終わらせず、後半でBTCのエッジ推定値に直接接続することである。エッジ推定値にも誤差があり、その誤差の見積もりにも誤差がある——これを実データで見る。

参考：N. N. Taleb, P. Cirillo (2025), The Regress of Uncertainty and the Forecasting Paradox. 本稿はエッセンス（推定値には誤差があり、その誤差にも誤差がある／予測分布は記述分布より構造的に太い）だけを借りる。

5. ファットテールは「分布の形」ではなく「壊れ方」の問題である

ファットテールというと、正規・Student-t・Pareto・EVTという分布の話になりやすい。しかし投資実務では、裾が厚いこと「だけ」が問題ではない。問題は、価格・ボラ・相関・流動性・コスト・レバレッジ・モデル誤差が同時に悪化することだ。

種類	実務での意味
価格変動	暴落、急騰、ギャップ
ボラティリティ	平常時の数倍に跳ねる
相関	分散していた資産が同時に下がる
流動性	売りたいときに売れない
コスト	スプレッド・スリッページが急拡大する
モデル誤差	バックテストでは見えなかった失敗が出る
レバレッジ	追証・強制決済・資金制約が連鎖する

だから本稿では、ファットテールを「どの分布を使うか」ではなく、「どの壊れ方を想定するか」として扱う。

6. 過去データは「基準線」であって、「上限」ではない

過去データは不要ではない。むしろ、リスク管理の出発点である。バックテスト、平均リターン、最大DD、VaR、ES、MAE、PF、勝率——これらはすべて、戦略を理解するための基準線になる。重要なのは、基準線と上限を混同しないことだ。

過去最大DDは、将来最大DDの上限ではない。
過去ボラは、将来ボラの真値ではない。
過去の約定コストは、ストレス時の約定コストではない。
過去に観測された急落は、将来起こりうる急落の全体集合ではない。

したがって過去データは「信じる対象」ではなく、どこから疑い始めるかを決めるための基準線として使う。

今回のBTC実験でいえば、Funding low × risk-on の48h平均 +1.115% やPF 2.073 は、結論ではない。あくまで基準線である。そこから先に問うべきは、この点推定は、どの前提が崩れたら使えなくなるのかである。過去データは答えではなく、疑いを始める場所だと考えている。

7. 「較正された疑い」を設計する：測る・疑う・行動する

過去データを信じすぎてはいけない。しかし、だからといって、すべてを常に最悪ケースで見るべきでもない。

最大限悲観すれば、ほとんどの戦略は危険に見える。ポジションは小さくなり、リターン機会は消え、資本効率も落ちる。逆に、過去データをそのまま信じれば、危機時の損失・流動性悪化・約定失敗・相関上昇を過小評価する。必要なのは最大限の悲観ではなく、較正された疑いである。

較正された疑いは、次の3層で考える。

層	役割	BTC実験での例
測る	過去データから基準線を作る	平均リターン、PF、n、MAE、MaxDD
疑う	その基準線が壊れる前提を探す	bootstrap、crash定義変更、期間分割、コスト、約定遅延
行動する	疑いを運用ルールへ変える	サイズ縮小、レバレッジ上限、コスト上限、停止ルール

この3層の中心にあるのが error on error である。リスク推定値には誤差があり、その誤差の見積もりにも誤差がある。だからリスク指標やエッジ候補をそのまま信じるのではなく、どの前提で壊れるかを調べる必要がある。

7.1 ストレス水準を決める4つの軸

疑いには主観が入る。しかし主観が入ること自体が問題なのではない。問題は、主観なのに客観的推定値のように扱うことだ。気分で決めないために、次の4軸で整理する。

軸	問い	BTC実験での確認例
損失の非対称性	負けたときの損失は限定的か	MAE、MaxDD、レバレッジ時の含み損
回復可能性	負けても戦略を続けられるか	2022年ストレス期、DD後の回復
モデル不確実性	条件定義は安定しているか	crash定義、Funding定義、risk-on proxy変更
執行不確実性	バックテスト通りに売買できるか	コスト、スリッページ、4H遅延、約定悪化

ここでいう「較正」とは、正しい未来リスクを当てるという意味ではない。戦略の脆さに応じて、どの前提をどれくらい動かすかを決める、という意味である。サンプルが小さい、レジーム依存が強い、約定条件に敏感、レバレッジ時のMAEが深い——こうした条件が重なるほど、ストレス水準を強める。逆に、すべてに最大ストレスをかければよいわけではない。戦略の脆さに応じてストレスの強さを変えるのが較正である。

7.2 主観を「ストレス設定」として明示する

ここでいう「ストレス設定」とは、将来の正しい値を当てるための予測値ではない。むしろ、分析者が置いた前提をどれくらい動かすと、結果が壊れるかを調べるための検査項目である。

「コストはこのくらいで済むだろう」「この急落定義で十分だろう」「Nasdaqをrisk-on proxyにすればよいだろう」——これらの判断には、すべて主観が入っている。重要なのは、その主観を隠すことではない。それを、コスト倍率・急落定義・期間分割・約定遅延といった検証可能なストレス設定に変えることである。

タレブ論文の表現を借りれば、これは dials of doubt（疑いのダイヤル）に近い。ただし本稿では「ダイヤルを回す」という比喩ではなく、「前提を動かして結果の壊れ方を見る」と表現する。

ストレス設定	動かしている前提	BTC実験での水準	見たい壊れ方
コスト	グロスの優位がネットでも残る	base、cost×2、cost×5	コストでPF・平均が消えるか
crash定義	急落定義に依存しない	rolling -1.5σ/-2σ/-2.5σ、下位5%/2.5%	定義変更で符号が反転するか
risk-on定義	Nasdaq proxyだけで十分	Nasdaq、S&P500、3-of-4、強いrisk-on	外部環境proxyに依存しすぎていないか
Funding定義	low/highの閾値が安定	negative、lower20%/10%、high20%	閾値変更で候補が消えるか
期間分割	どのレジームでも残る	2020–21、2022、2023–24、2025–26	特定期間だけの結果ではないか
約定条件	次の4H始値で入れる	4H遅延、8H遅延、不利約定	約定遅延で優位が消えるか
レバレッジ	経路上の含み損に耐える	MAE、MaxDD、2倍、3倍	強制ロスカット水準に近づくか

目的は、未来の正しい値を当てることではない。cost×5 が正しい将来コストだとも、rolling -2.5σ が唯一正しい急落定義だとも言いたいわけではない。その前提を動かしたときに、候補がどれくらい壊れるかを見ることが目的である。

7.3 前提ストレスを運用ルールに変える

前提ストレスは、表を作るためにあるのではない。運用ルールに変えるためにある。bootstrap下限が0を割れば主張を弱めてサイズを落とす、定義変更で反転するなら単一定義で売買しない、特定レジームで壊れるならレジームフィルタを入れる、コストや約定で劣化するなら上限とエントリールールを設計する——これがファットテール実務の出口だ。

ファットテールを織り込むとは、分布を変えることではなく、運用ルールを変えることである。この「壊れる前提 → 運用ルール」の具体的な変換を、次の第2部でBTCの実数とともに Fragility Matrix（12章） に落とす。

第2部：ケーススタディ ―― よく見える候補を、どう壊してみるか

ここまでの話を、BTC急落の例に戻す。前回記事では、Funding low × risk-on が一見面白い候補に見えた。しかし本稿では、その候補が本当に有効かを証明したいわけではない。見るべきは次の問いである。

この候補は、サンプル数の少なさにどれだけ弱いか。
急落定義を変えても残るか。
2022年のようなストレス期でも残るか。
コストや約定遅延を入れても残るか。
レバレッジをかけたとき、MAEに耐えられるか。

つまり、ここから行うのはエッジ検証ではなく、fragility診断である。第1部で整理したストレス設定を、BTCデータに当てていく。

繰り返すが、目的は「この候補は有効だ」と示すことでも、「無効だ」と切り捨てることでもない。良さそうに見える推定値が、どの前提で壊れるかを診断することである。

実験設定（要点のみ。詳細は前回記事とlab_7参照）

BTC 4H。急落＝rolling 180本のシグマスコアで -2.0σ 以下（基準定義）。エントリーは急落シグナル後の次の4H始値、決済は24H／48H。評価は open-to-open。Funding low＝低位/マイナス。risk-on＝Nasdaq等の外部市場の地合い。外部市場はBTCの直接予測因子ではなく、急落を分類するリスク環境 proxy として扱う。

8. まず見るべきは「平均」ではなく「n」

前回、Funding low × risk-on（48h）は平均 +1.115%、PF 2.073 という点推定だった。普通ならここで「条件付きエッジを見つけた」と書きたくなる。

だが、エッジ候補を評価するとき、平均やPFより先に出すべきはサンプル数と推定誤差である。

この候補の n は 15。条件付きイベント数として小さい。前回も、回帰に落とすと交互作用項は非有意で、48hでは Risk-on 単体のほうが強かった。つまり「掛け算の魔法」は、点推定の見た目ほど確かではなかった。

ここから先は、点推定の良さではなく、推定の不安定さを見る図だけを使う。

9. error on error を、この候補に当てる

n=15 の平均 +1.115% は、標本から得た点推定にすぎない。ここで第1部の error on error を、この一点に当ててみる。

第一の誤差：エッジ推定値そのものに誤差がある。+1.115% は「真の期待値」ではない。
誤差の見積もり：では誤差はどれくらいか。bootstrap（リサンプリング）で見積もる。

候補	mean（点推定）	bootstrap mean 5%下限
48h	+1.115%	-0.380%
24h	+1.297%	-0.057%

図：48Hの点推定 +1.115% に対し、bootstrap 5%下限は -0.380%。24h も下限 -0.057% でゼロに接する。この図はエッジが無いことを証明するものではない。小標本では平均推定が大きく揺れることを示している。

誤差の見積もりにも誤差がある：ところが、このbootstrap自体が、急落イベントの定義・サンプル期間・再標本化の方法に依存している。後述する通り、crash定義を動かせば母集団そのものが変わり、48h平均は -1.082% にもなる。つまり「誤差の見積もり」にもまた誤差がある。

これが本稿でいう error on error の実務的な意味である。エッジ推定値に誤差があり、その誤差の見積もりにも誤差がある。だからどこかで「これで確実」と置くことはできない。 n=15 で bootstrap下限が0を割るのは、この候補を棄却すべき、という意味ではない。この標本数では、プラスの期待値を強く主張できない、という意味である。

10. crash 定義を動かすと、候補は壊れる

「急落」をどう定義するかは、分析者の選択である。基準 rolling -2.0σ から動かすと、48Hの平均リターンは大きく揺れる。

図：基準定義から「下位2.5%」へ動かすと 48H平均が +1.115% → -1.082% に反転。下表は全定義の内訳。

crash定義	24h mean	48h mean
full_sample_q025（下位2.5%）	+0.75	-1.08
full_sample_q05（下位5%）	+1.10	+2.53
rolling_1.5σ	+0.88	+0.64
rolling_2.5σ	+1.99	+1.65
rolling_2σ（基準）	+1.30	+1.12

48Hの full_sample_q025：平均 -1.082%、PF 0.666。「急落」をより極端な分位点で定義し直すだけで、48Hの候補はプラスからマイナスに反転する（基準比 -2.197pp）。これは典型的な「定義依存による脆さ」だ。条件を「買える」と名づける前に、定義ロバスト性を公開すべきである。

11. 期間・コスト・約定・レバレッジでも揺れる

同じ候補を、他の前提でも動かしてみる。

期間（レジーム依存）

48H・2022年（暗号資産ストレス期）だけを切り出すと：n=4、平均 -0.789%、PF 0.505。強気相場以外のレジームでは、小標本かつマイナス。期間依存はエッジ不確実性の中心的論点である。

コスト

48H: gross 1.12% → base 1.02% → cost×2 0.92% → cost×5 0.62%（PF 2.073 → 1.524）

48H・cost ×5 では平均 0.615%、PF 1.524 まで圧縮される（基準比 -0.500pp）。消えはしないが、急落時のスリッページを織り込むとエッジは確実に薄くなる。グロスのバックテストだけで結論を出してはいけない。

約定遅延・レバレッジ

48H・エントリーを4H遅らせる：平均 0.475%、PF 1.324（基準比 -0.640pp）。反発の初動を取り逃すと候補リターンは縮む。約定前提はリスクモデルの一部だ。
48H・worst MAE は base で -9.426%。3倍レバレッジで踏むと経路上の含み損は -28.277% 相当まで拡大しうる。平均リターンは、必ず経路損失とレバレッジ耐性とセットで読む。

前回記事ではこれらを「未検証事項」の箇条書きで挙げるに留めた。本稿の貢献は、これを次節の Fragility Matrix として体系化し、運用ルールへの変換まで持っていく点にある。

12. Fragility Matrix：壊れる条件を運用ルールに変える

ここが本稿の実務的中心である。前回の「未検証事項リスト」を、壊れる前提 → 見る指標 → 結果の読み方 → 実務対応の表に変換する。これは分析表ではなく、運用ルールへの変換表として使う。

まず、状態の判定基準を決めておく。これがあると、Matrix が「感想表」ではなく診断表になる。

状態	意味
壊れる	平均がマイナス、PFが1未満、または定義変更で符号が反転する
脆い	プラスは残るが、bootstrap下限・コスト・約定・proxy変更で大きく劣化する
要注意	今回のテストでは残るが、nが小さい・MAEが深い・期間依存がある
まだ壊れていない	このテストでは残った。ただし有効戦略を意味しない

壊れる前提	疑っている仮定	ストレス	指標の変化（基準→ストレス）	状態	実務対応
小標本でも平均が安定	条件付き平均は安定	48h bootstrap	+1.115% → -0.380%（n=15）	脆い	PFより先に標本数と不確実性を出す／サイズを落とす
急落定義に依存しない	結果は定義に依存しない	48h 下位2.5%	+1.115% → -1.082%	壊れる	複数定義で確認し、定義ロバスト性を先に公開
特定レジームだけでない	レジームを跨いで有効	48h 2022	+1.115% → -0.789%（n=4）	壊れる	期間分割で主張を弱める／限定する
コスト後も残る	グロスの優位はコストに耐える	48h cost×5	PF 2.073 → 1.524	脆い	コスト上限を設定し、ネットで報告
想定通り約定できる	次の4H始値で約定できる	48h 4H遅延	PF 2.073 → 1.324	脆い	約定遅延耐性を確認、指値/成行ルール再設計
含み損に耐えられる	経路リスクは許容範囲	48h 3x	worst MAE -9.4% → -28.3%	要注意	MAE/DDからレバ上限・強制縮小を設計
proxyは1つで十分	Nasdaqだけで文脈は足りる	48h S&P500	PF 2.073 → 1.616	脆い	risk-on proxyを複数化、因果表現を避ける

Matrixの読み方を3点だけ。

「壊れる前提」は将来の予測ではない。戦略がどの前提に依存しているかを調べるためのストレス設定である。
「指標」は平均や勝率だけでなく、bootstrap下限・DD・ES・MAE・レバレッジ耐性・約定耐性を含める。
「実務対応」は、分析をポジションサイズ・レバレッジ・停止ルール・流動性フィルターに変換するために書く。

第3部：実務に落とす

13. ファットテールを織り込む5ステップ

第7章で整理した流れを、そのまま使えるチェックリストにしたものが下表である。

ステップ	内容	目的
1. 通常モデル	平均・ボラ・DD・VaR・ES・勝率・損益比・コストを測る	前提を動かすための基準線を作る
2. 前提洗い出し	平均・ボラ・相関・流動性・コスト・レバ・約定・モデル選択を洗い出す	脆弱点を見つける
3. ストレス設定	軽度〜破綻寸前のストレス水準を置く	耐久性を確認する
4. 指標変更	平均やシャープでなく、最大DD・ES・破産確率・回復期間・bootstrap下限を見る	平均中心の評価から脱却する
5. ルール化	ポジション縮小・レバ制限・停止ルール・流動性フィルター・現金比率に落とす	分析を実務に変える

ファットテールを織り込むとは、分布を変えることではなく、運用ルールを変えることである。本稿の Funding low × risk-on は、まさにこの手順を一通り回した題材だった。

14. クオンツ入門者が避けるべき誤解

BTC急落は買い、ではない。 全急落の一律買いは平均回帰の匂いはあっても左尾・DDが重い。
Funding low × risk-on は有効戦略、ではない。 n=15、bootstrap下限0割れ、定義変更で反転、2022年マイナス。候補であって主張ではない。
NasdaqがBTCを予測する、ではない。 外部市場は急落を分類する文脈 proxy であって、直接予測因子ではない。
bootstrapで安全が証明された、ではない。 bootstrap自体が定義・期間・再標本化に依存する（error on error）。
Fragility Matrixでエッジが証明された、ではない。 Matrixは壊れる前提を運用対応に変換する表であって、優位性の証明ではない。
「正規分布をStudent-tに置き換えればファットテール対応」ではない。 Student-tは正規より厚い尾を表現できるが、一つのモデル仮定にすぎない。自由度の推定・期間選択・そもそもStudent-tでよいのか、に加えて、レジーム変化・流動性・約定コスト・レバレッジ制約は別途疑う必要がある。
「ESを使えば尾部リスクを織り込めた」ではない。 ESはVaRより尾部損失の深さを見る点で有用だが、尾部サンプル数・期間・分布仮定に依存する推定値である。尾部サンプルが少ないほど不安定になる。
VaR/ES/Student-t/EVTを使えば十分、ではない。 いずれもリスクを見る測定窓であって、ファットテール対応そのものではない。出力には推定誤差・仮定の誤りが残る。
保守的にすればするほどよい、ではない。 必要なのは最大限の悲観でなく、生存可能性を確保する十分な保守性。

15. 結論：ファットテール実務とは、良さそうな推定値を壊してみることである

Funding low × risk-on は、平均リターンだけ見れば面白い候補に見えた。しかし n=15、bootstrap下限が0割れ、crash定義の変更で48Hがマイナス反転、2022年は n=4 でマイナス、コスト・約定・レバレッジでも揺れる。有効戦略とは、まだ言えない。

ここで扱うべきだったのは「勝てる条件」ではなく、「候補が壊れる条件」だった。それを Fragility Matrix で運用対応に変換する。これがファットテール実務の中身だと考えている。

ファットテールを織り込むとは、正しい未来分布を当てることではない。リスクを測るモデルにも誤差があることを認め、良さそうに見えるエッジ候補がどの条件で壊れるかを見つけ、その結果を運用ルールに変えることである。

最後にもう一度。モデルは未来を当てる機械ではない。自分の仮定が壊れたときに、どれほど損をするかを知るための装置である。

補足・免責

本記事は投資助言ではない。記載した数値はすべて特定の実験設定・期間での結果であり、将来の成績を示すものではない。
Funding low × risk-on を有効戦略として推奨するものではない。目的はエッジの証明ではなく、エッジ候補の脆さの診断である。
Nasdaq・S&P500等の外部市場は、BTC急落を分類するためのリスク環境 proxy として用いており、BTCの直接予測因子としては扱っていない。