非正規性を考慮したSharpeの標準誤差

第1回で学んだ通り、標本シャープレシオ \(\widehat{ ext{SR}}\) は過去の有限データから得られた推定量です。リターンが正規分布から外れ、左右非対称な「歪み（Skewness）」や突発的暴落を生む「厚い裾（Fat Tail）」を持つ場合、推定量のばらつき（標準誤差）は正規分布の仮定よりも跳ね上がります。

Marcos López de Prado & David H. Bailey (2012) は、一般の非正規分布におけるシャープレシオ推定量の漸近分散を導出しました。観測シャープレシオを \(\widehat{ ext{SR}}\)、サンプルサイズを \(T\)、収益の歪度を \(\hat{\gamma}_3\)、通常の尖度（正規分布で3となる値）を \(\hat{\gamma}_4\) とすると、標準誤差は次の式で近似されます。

ext{SE}(\widehat{ ext{SR}}) pprox \sqrt{ rac{1 - \hat{\gamma}_3 \widehat{ ext{SR}} + rac{\hat{\gamma}_4 - 1}{4}\widehat{ ext{SR}}^2}{T - 1}}

※\(\hat{\gamma}_4\) は超過尖度（正規分布で0）ではなく「通常の尖度（正規分布で3）」です。超過尖度 \(\kappa\) を使う場合は \(\hat{\gamma}_4 = \kappa + 3\) と置換します。

標準誤差の式が暴くトレードスタイルの真実
  • 負の歪み（\(\hat{\gamma}_3 < 0\)）：いわゆる「コツコツ勝ってドカンと負ける」スタイル（ナンピン、トラリピ、オプション売り、勝率90%型スキャルピング）。分子の \(- \hat{\gamma}_3 \widehat{ ext{SR}}\) がプラスに働くため、標準誤差が急拡大します。一見安定して見えても、統計的不確実性は極めて高くなります。
  • 正の歪み（\(\hat{\gamma}_3 > 0\)）：損小利大型のトレンドフォロー戦略。分子の \(- \hat{\gamma}_3 \widehat{ ext{SR}}\) がマイナスとして働き、標準誤差を抑制します。
  • 厚い裾（\(\hat{\gamma}_4 > 3\)）：ブラックマンデーやスイスフランショックのような突発ショックが多い市場。二乗項 \( rac{\hat{\gamma}_4 - 1}{4}\widehat{ ext{SR}}^2\) が急増し、推定精度を破壊します。

PSR（Probabilistic Sharpe Ratio）の算出と解釈

標準誤差 \( ext{SE}(\widehat{ ext{SR}})\) が求まれば、次に「真のシャープレシオ \( ext{SR}\) が、あらかじめ定めた基準水準 \( ext{SR}_0\)（例えば0や市場インデックスの0.5など）を上回っている確率」を計算できます。これがPSR（確率的シャープレシオ）です。

ext{PSR}( ext{SR}_0) = \Phi\left( rac{\widehat{ ext{SR}} - ext{SR}_0}{ ext{SE}(\widehat{ ext{SR}})} ight)

※\(\Phi(\cdot)\) は標準正規分布の累積分布関数（CDF）を表します。

母シャープレシオ (SR) 基準 SR₀ = 0.0（または無リスク金利） 観測された標本 SR̂ = 0.8 青色の面積 = PSR(SR₀) 「真の実力が SR₀ を超えている確率」 PSR ≥ 0.95 (95%以上) で合格判定
図1：確率的シャープレシオ（PSR）の幾何学的イメージ（基準値 \( ext{SR}_0\) の右側面積）

例えば、日次データで \(\widehat{ ext{SR}} = 0.8\)（年率）、\(T = 252\)（1年間）の場合、正規分布であれば \( ext{PSR}(0) pprox 0.79\)（79%の確率でプラス）しかありません。つまり、21%の確率で「真の実力はマイナス（単なる運）」である可能性が残っています。もし歪度が \(-1.5\)（コツコツドカン型）であれば、標準誤差が膨らんで \( ext{PSR}(0)\) は \(0.68\) まで急落します。

多数試行の罠：期待最大Sharpeの極値理論

PSRは「1本の戦略リターン系列」に対する統計的不確実性を解決しました。しかし、システムトレード開発にはさらに凶悪な敵が存在します。それが「多重比較の罠（Multiple Testing Trap）」です。

あなたがEA開発者で、移動平均線の期間、ボリンジャーバンドのσ、利確幅、損切り幅の組み合わせをグリッドサーチで \(N = 500\) 通りバックテストしたとします。もしこれら500通りの戦略が「中身はすべてサイコロ（真のエッジは完全にゼロ）」だったとしても、500個の中で「一番成績が良かった戦略」は、偶然にも極めて高いシャープレシオを叩き出してしまいます。

極値統計学（Extreme Value Theory）によれば、独立な \(N\) 個の標準正規乱数（真のSRが0、分散1）から得られる「最大値」の期待値は、オイラー・マスケローニ定数 \(\gamma pprox 0.5772\) を用いて以下のように近似されます。

E\left[\max_{n=1,\dots,N} \widehat{ ext{SR}}_n ight] pprox \mu_{ ext{SR}} + \sigma_{ ext{SR}} \left[ (1 - \gamma)\Phi^{-1}\left(1 - rac{1}{N} ight) + \gamma \Phi^{-1}\left(1 - rac{1}{N e} ight) ight]

※\(\mu_{ ext{SR}}\) は試行全体の平均SR、\(\sigma_{ ext{SR}}\) は試行全体のSR標準偏差、\(e\) は自然対数の底（約2.718）。

探索した試行回数 N（対数スケール） 偶然発生する期待最大SR N=1 (SR=0) N=50 (SR≈1.1) N=500 (SR≈1.5) N=5,000 (SR≈1.9) 【警告】真のエッジが0でも、500回パラメータを回せばSR=1.5が必ず出現する！
図2：試行回数 \(N\) の増加に伴い、純粋なノイズから偶然生み出される期待最大シャープレシオ

DSR（Deflated Sharpe Ratio）の数理構造

ここで登場するのがDSR（デフレーテッド・シャープレシオ：収縮シャープレシオ）です。DSRの数学的発想は極めてエレガントです。

「PSRの基準水準 \( ext{SR}_0\) に、『\(N\) 回試行したときに偶然期待される最大シャープレシオ \(E[\max \widehat{ ext{SR}}]\)』 を代入する」という操作を行います。

ext{DSR} = ext{PSR}\Big( ext{SR}_0 = Eig[\max_{n=1,\dots,N} \widehat{ ext{SR}}_nig]\Big)
指標 答える問い 補正している要素 補正できない要素（限界）
SR (Sharpe Ratio) リスク1単位あたりの平均リターンはいくらか？ なし（単なる標本統計量の比率） 標本誤差、非正規性、試行回数の選択バイアス
PSR (Probabilistic SR) 真のSRが基準値 \( ext{SR}_0\) を超えている確率は何%か？ 標本サイズ \(T\)・歪度・尖度 多数のパラメータ探索から選んだ「選択バイアス」
DSR (Deflated SR) 多数試行による「偶然の優勝者」を上回る確率は何%か？ \(T\)・歪度・尖度 ＋ 試行回数 \(N\)・試行間分散 先読みバイアス、スプレッド漏れ、市場レジーム崩壊

当教育サイトにおける戦略採用ゲートは \( ext{DSR} \ge 0.95\)（95%以上の確率で偶然の産物ではない）です。DSRが0.95未満の戦略は、どれほどバックテストの資産曲線が右肩上がりであっても、「単なる過学習（カーブフィッティング）」として容赦なく却下されます。

試行数 \(N\) の会計（Trial Accounting）

DSRを正しく機能させるための絶対条件は、「あなたがバックテストで試したすべての試行回数 \(N\) を誤魔化さずに記録すること」です。これをクオンツの世界では試行会計（Trial Accounting）と呼びます。

クオンツ検証ログの宣言テンプレート
# ==========================================
# 戦略検証プロトコル：試行ログ記録
# ==========================================
検証対象: USD/JPY 1時間足 (2018-01-01 〜 2024-12-31)
探索パラメータ:
  - 短期EMA: [10, 20, 50] (3通り)
  - 長期EMA: [100, 200] (2通り)
  - ATR損切り倍率: [1.5, 2.0, 3.0] (3通り)
  - 利確RR比: [1.5, 2.0, 3.0] (3通り)

今回の総試行数 N_run = 3 × 2 × 3 × 3 = 54 通り
過去の累計試行数 N_prev = 120 通り
今回判定に使用する累積 N = 174 通り

最高観測SR: 1.42 (年率)
全54試行のSR平均: 0.21, SR標準偏差: 0.38
歪度: -0.45, 尖度: 4.82, サンプル数 T: 1,750 日
=> 計算された DSR: 0.962 (0.95以上のため採用ゲート通過)
検証アクション 試行数 \(N\) への加算ルール 初心者が犯しやすいごまかし（違反）
グリッドサーチ（全探索） 計算した全組み合わせ数を加算（例: \(5 imes 4 imes 3 = 60\)） 「最良の1個しか使わないから \(N=1\)」と主張する（論外）
手動での試行錯誤 チャートを見てパラメータを手動で変えた回数すべて（1回ごとに \(N+1\)） 「手で直しただけだからカウントしない」と無視する
フィルタの追加 「勝率が悪い時間帯を除外」「RSIフィルタ追加」など条件変更ごとに \(N\) を乗算/加算 負けを消す後付けフィルタを「安全策」と言い換えて \(N\) を隠す
没になった戦略の破棄 同じデータセットを見て不採用にしたボツ戦略の試行数も通算 \(N\) に含める 没案のコードを消去して「初めて作った戦略」として報告する
次回への接続：数字の次は「地形」を疑え

DSRが0.95を超え、試行回数ペナルティをクリアした戦略でも、まだ罠があります。その最良パラメータは、「鋭利な針の山（針の先端）」なのか、それとも「広大で平坦な台地」なのか？ 次回はパラメータ・ランドスケープの頑健性を視覚的・数理的に診断します。

ミニテスト

4問の理解度テストです。

Q1. PSR（確率的シャープレシオ）が答える本質的な問いはどれ？

正解はAです。PSRは歪度・尖度・標本数Tを反映した標準誤差を用い、真のシャープレシオが基準値（例えば0やインデックス）を超えている確率を算出します。

Q2. DSR（デフレーテッド・シャープレシオ）が、PSRに対して追加で補正する決定的な要素はどれ？

正解はCです。DSRは極値統計学に基づき、試行回数Nが増えるほど偶然生じる「見かけの最大SR」を基準値（ハードル）として切り上げる補正を行います。

Q3. EMA 5水準 × 損切り 4水準 × 利確 3水準 のグリッドサーチを実行した際、試行会計で加算すべき試行数 \(N\) はいくつか？

正解はBです。比較検討したすべてのパラメータ組み合わせ（全60通り）が選択バイアスの母集団となるため、Nには60を加算しなければなりません。

Q4. バックテストで \( ext{DSR} \ge 0.95\) を達成した場合、省略してもよい検証ステップはどれ？

正解はBです。DSRは過剰最適化を見破る強力なゲートですが、先読みバイアスやコスト漏れ、パラメータの急峻さ、未来のレジーム転換までを自動修復する万能薬ではありません。

学術文献・参考資料