バックテスト

暗号資産のバックテストとは？

バックテストとは、実際の資金を使う前に、過去の市場データを用いて取引戦略、ポートフォリオのルール、取引ボット、またはリスクモデルを検証するプロセスです。

暗号資産では、強気相場、弱気相場、レンジ相場、流動性の急落、資金調達率の急上昇、ボラティリティの高まりなど、過去のさまざまな市場環境で戦略がどのように機能した可能性があるかをトレーダーが調べるのに役立ちます。

暗号資産のバックテストは、現物取引、先物型の戦略、アービトラージモデル、ポートフォリオのリバランス、DeFiの利回り戦略、強制決済リスクモデル、ステーキングの配分ルール、マーケットメイキングシステムなどに活用できます。

基本的な考え方はシンプルです。

トレーダーがルールを作成し、そのルールを過去のデータに適用して、シミュレーション結果を測定します。

たとえば、移動平均線が上向きに転じたときにBitcoinを購入し、ボラティリティが特定の水準を超えたときに売却する戦略が考えられます。

バックテストでは、そのルールを過去の価格に適用し、戦略がどのように機能したかを確認します。

バックテストは、戦略が将来も機能することを証明するものではありません。

テストで用いた前提、データ、コスト、市場環境の下で戦略がどのような成果を上げたかを示すにすぎません。

CFTCのAI取引ボットに関する注意喚起では、AI、アルゴリズム、取引ボットは将来や突然の市場変化を予測できないと警告しています。

多くの暗号資産詐欺が、見栄えのするバックテストを使って、実際よりも戦略が安全であるかのように見せているため、この警告は重要です。

暗号資産のバックテストが重要な理由

暗号資産市場は動きが速く、ボラティリティが高く、世界中で24時間取引されているため、バックテストは重要です。

理論上は優れた戦略に見えても、手数料、スリッページ、資金調達率、ガス代、流動性の制約を考慮すると、機能しないことがあります。

バックテストを行わないトレーダーは、戦略がどれほど頻繁に損失を出すのか、ドローダウンがどれほど深くなる可能性があるのか、市場環境の変化にどれほど敏感なのかを把握できない場合があります。

バックテストをせずに取引ボットを稼働させた開発者は、実際の資金を失って初めてエラーに気付く可能性があります。

検証せずに利回りを追い求めるDeFiユーザーは、スマートコントラクトのリスク、流動性の引き出し、インパーマネントロス、強制決済リスクを過小評価する可能性があります。

バックテストは、取引アイデアを測定可能な前提条件へと落とし込むのに役立ちます。

エントリーと決済のルール、ポジションサイズ、手数料、リバランスのルール、リスク上限を明確に定義する必要が生じます。

曖昧な取引アイデアは信じやすい一方で評価しにくいため、これは有益です。

また、バックテストを行うと、実際の取引を始める前に想定される挙動を記録できます。

実際の戦略がバックテストと大きく異なる挙動を示した場合、トレーダーは何かが変化したか、モデル化に誤りがあったと判断できます。

そのため、バックテストは調査、リスク管理、規律のためのツールです。

バックテストの仕組み

暗号資産のバックテストは、戦略ルールの設定から始まります。

そのルールは、コンピューターや分析担当者が推測せずに適用できるほど明確でなければなりません。

次に、過去のデータを収集します。

データには、価格のローソク足、注文板データ、約定履歴、資金調達率、未決済建玉、ウォレットフロー、ガス代、ステーキング報酬、強制決済イベント、トークンアンロック、DeFiプールの準備資産などが含まれる場合があります。

次に、データを整備します。

重複データの削除、タイムスタンプの欠落確認、シンボル変更への対応、上場廃止資産の慎重な除外、タイムゾーンの確認などが含まれます。

その次に、取引をシミュレーションします。

シミュレーションでは、必要に応じて手数料、スリッページ、レイテンシー、注文サイズ、資金調達料、借入コスト、ガス代、約定失敗を考慮します。

最後に、結果を測定します。

有用な指標には、総リターン、年率リターン、ボラティリティ、シャープレシオ、ソルティノレシオ、最大ドローダウン、勝率、損失率、売買回転率、平均取引損益、プロフィットファクター、エクスポージャー、テール損失などがあります。

優れたバックテストでは、戦略がどれほど利益を上げたかだけでなく、どのように利益または損失が生じたのかも説明します。

リスクを説明せず、滑らかな資産曲線だけを示すバックテストは不十分です。

バックテストとフォワードテストの違い

バックテストでは、すでに存在する過去のデータを使用します。

フォワードテストでは、戦略を作成した後に新たに得られる市場データを使用します。

フォワードテストは、ペーパートレード、デモ取引、シャドートレード、またはごく小規模な実取引で実施できます。

バックテストでは後知恵が意図せず結果に影響することがあるため、この違いは重要です。

過去の価格変動に完璧に適合するよう、戦略が調整される場合があります。

フォワードテストは、開発に使っていないデータでも戦略が適切に機能するかを確認するのに役立ちます。

本格的に暗号資産取引を行うトレーダーは、バックテストだけに頼るべきではありません。

より望ましいプロセスは、まずバックテストを行い、次にアウト・オブ・サンプルテスト、フォワードテストへと進み、その後に少額で取引し、最後に規模の拡大を検討することです。

この段階的なプロセスにより、過去の美しいチャートを見てすぐに実取引を始め、損失を被る可能性を抑えられます。

フォワードテストはバックテストより時間がかかりますが、多くの場合、実態をより正直に反映します。

バックテストとペーパートレードの違い

バックテストでは、過去のデータに戦略を適用します。

ペーパートレードでは、実際の資金をリスクにさらさず、リアルタイムまたは現在の市場環境で戦略を試します。

バックテストでは何年分もの市場の動きを短時間で検証できます。

ペーパートレードでは、シグナルの見逃し、約定の遅れ、誤った注文ルーティング、APIエラー、古いデータ、感情的な判断など、リアルタイムの問題が明らかになる場合があります。

実際の取引執行は過去のシミュレーションより難しいため、バックテストに合格した戦略がペーパートレードでは失敗することがあります。

ペーパートレードでは、トレーダーが実際にルールに従えるかどうかも確認できます。

価格が急変するたびにユーザーが戦略を上書きしてしまうなら、その戦略は役に立たないため、これは重要です。

バックテストとペーパートレードは併用するべきです。

バックテストは長期的な過去の挙動を調べ、ペーパートレードは現在の実環境での運用を確認します。

バックテストと実取引の違い

実取引では、実際の資金を使って注文を執行します。

そのため、バックテストとは大きく異なります。

バックテストでは、ローソク足の終値で注文が約定すると仮定する場合があります。

実取引では、それより不利な価格で約定したり、まったく約定しなかったりする可能性があります。

バックテストでは、常に流動性があると仮定する場合があります。

実取引では、大口注文によって市場価格が動く可能性があります。

バックテストでは、ボットが常に稼働すると仮定する場合があります。

実取引では、サーバー停止、ウォレットエラー、RPC障害、API制限、トランザクションの失敗が発生する可能性があります。

バックテストでは、感情を考慮しない場合があります。

実取引では、恐怖、強欲、後悔、プレッシャーが生じます。

バックテストの目的は、実取引の現実を置き換えることではありません。

より多くの知識を得て、見落としを減らしたうえで実取引に臨むことが目的です。

過去のデータ

過去のデータは、あらゆるバックテストの基盤です。

データに誤りがあれば、コードに問題がなくてもバックテストの結果は誤ったものになる可能性があります。

暗号資産の過去データには、価格、ローソク足、取引、注文板、資金調達率、トークン供給量、取引手数料、ガス価格、流動性プールの状態、貸付金利、オラクル価格、バリデーター報酬、ブロックチェーンイベントなどが含まれる場合があります。

タイムゾーンの選択、ローソク足の作成方法、取引データの欠落、シンボルの変更、流動性の違い、データ収集システムの不備などにより、データソースごとに内容が異なる場合があります。

暗号資産データは複数のチェーン、ウォレット、プロトコル、取引プラットフォームに分散しています。

そのため、多くの伝統的市場よりデータの品質管理が難しくなります。

優れたバックテストでは、データソース、対象期間、頻度、欠損データの扱い、データ整備の手順を記録する必要があります。

データの出所を説明していないバックテストには注意が必要です。

過去のデータは単なるスプレッドシートではありません。

シミュレーション全体を支える証拠です。

データ品質

データ品質とは、データが正確で、欠損がなく、一貫性があり、検証対象の戦略に適していることを指します。

品質の低いデータは、架空の利益を生み出したり、実際の損失を隠したりする可能性があります。

ローソク足の欠落によって、バックテストから損失が抜け落ちることがあります。

異常な価格急騰によって、誤ったシグナルが発生する場合があります。

サバイバーシップバイアスにより、失敗したトークンがデータセットから除外され、過去の結果が実態以上に良く見えることがあります。

誤ったタイムスタンプによって、戦略が当時は入手できなかった情報を使って取引することがあります。

調整されていないトークン移行によって、見かけ上の利益や損失が生じる場合があります。

日足ローソク足を使ったバックテストは、売買頻度の低いポートフォリオ戦略には適している場合があります。

一方、注文板の動きに依存する高頻度戦略には役立たない可能性があります。

データは戦略の取引スタイルに合致している必要があります。

データの品質を高めても、戦略が利益を生むとは限りません。しかし、品質の低いデータでは調査そのものが無意味になる可能性があります。

ルックアヘッドバイアス

ルックアヘッドバイアスとは、シミュレーション上の取引時点では入手できなかった情報をバックテストで使うことです。

これは、バックテストで起こり得る最も危険な誤りの一つです。

たとえば、当日の終値がすでに分かっているかのように扱い、その価格を使ってその日の始値でトークンを購入する戦略が考えられます。

また、過去に戦略が保有していた資産を決める際に、将来のトークン上場、将来の指数構成銘柄、将来の時価総額ランキングを使う例もあります。

ルックアヘッドバイアスは、戦略が未来をこっそり見ているため、非常に高い収益性があるように見せることがあります。

暗号資産では、オンチェーンデータのタイムスタンプ、遅延したオラクルデータ、トークンアンロック予定表、将来の分類を含む整備済みデータセットなどを通じて発生する可能性があります。

これを避けるには、すべてのデータポイントがシミュレーション上の判断時刻より前に利用可能でなければなりません。

シグナルは、過去および現在の情報だけを使って算出する必要があります。

注文の執行は、シグナルが判明した後に行い、判明する前に行ってはなりません。

ルックアヘッドバイアスのあるバックテストは調査ではなく、意図しないタイムトラベルです。

サバイバーシップバイアス

サバイバーシップバイアスとは、テスト期間の終了時点まで存続した資産だけをバックテストに含めることです。

多くのトークンが消滅し、流動性を失い、移行し、放棄され、ローンチ後に暴落する暗号資産市場では、これは大きな問題です。

現在成功しているトークンだけを検証すると、実際のトレーダーが過去に購入していた可能性のある失敗トークンが無視されることがあります。

その結果、戦略のリターンが実態よりも大きく見える可能性があります。

たとえば、過去の小型アルトコインを検証するバックテストで、現在も活発に取引されているトークンだけを含めると、結果が実態以上に良く見える場合があります。

現実的なバックテストでは、後に失敗した資産や流動性を失った資産も含め、各時点で存在していた資産を対象にする必要があります。

過去のトークンの範囲は整理されていないため、これは容易ではありません。

しかし、この問題を無視すると、根拠のない自信につながる可能性があります。

サバイバーシップバイアスは、モメンタム、セクターローテーション、時価総額ランキングを使う戦略で特に危険です。

優れた暗号資産のバックテストでは、各時点の資産群をどのように構成したかを説明する必要があります。

過剰適合

過剰適合とは、過去のデータに合わせて戦略を細かく調整しすぎた結果、新しいデータでは機能しなくなることです。

トレーダーは、複数の指標、時間足、損切り、フィルター、パラメーターを試し、優れた結果に見える組み合わせが見つかるまで調整することがあります。

しかし、その結果は実際の優位性ではなく、過去のデータに含まれる偶然のノイズを反映している可能性があります。

FINRAのコミュニケーション規則について論じた2024年のFederal Registerの命令では、仮説上の投資判断が後知恵によって最適化される可能性があるため、バックテストの実績は投資家を誤解させる場合があると指摘しています。

「Statistical Overfitting and Backtest Performance」などの学術研究も、繰り返し検証することで見栄えは良いものの信頼性の低い結果が生じる可能性があると警告しています。

多くのトークン、指標、時間足、市場環境を検証できるため、暗号資産戦略は特に過剰適合の影響を受けやすい傾向があります。

調整可能なパラメーターが多い戦略は、過去のデータには見事に適合しても、実取引ではすぐに機能しなくなる可能性があります。

過剰適合を抑える方法の一つは、戦略ルールをシンプルに保つことです。

もう一つは、アウト・オブ・サンプルテストやウォークフォワード分析を使うことです。

非常に完璧なバックテストは、頑健性が確認されるまでは疑わしいと考えるのが最も慎重な姿勢です。

インサンプルテストとアウト・オブ・サンプルテスト

インサンプルテストでは、戦略を開発・調整する際に使用した期間のデータを使います。

アウト・オブ・サンプルテストでは、戦略の構築に使っていない別の期間のデータを使います。

このように分けることで、戦略が本当のパターンを学習したのか、単に過去の特定期間を記憶しただけなのかを確認しやすくなります。

たとえば、2019年から2022年のデータで戦略を開発し、2023年から2025年のデータで検証できます。

インサンプルでは好成績でも、アウト・オブ・サンプルでは機能しない場合、過剰適合の可能性があります。

両方の期間で一定の成果があれば、より頑健である可能性があります。

アウト・オブ・サンプルテストで成功しても、将来の成功が保証されるわけではありません。

インサンプルテストだけで成功するよりも強い根拠が得られるにすぎません。

暗号資産市場の構造は急速に変化するため、可能であればアウト・オブ・サンプル期間にも異なる市場環境を含めるべきです。

優れた戦略は、過去の一つの完璧な期間だけに依存しません。

ウォークフォワードテスト

ウォークフォワードテストとは、ある期間のデータで戦略を繰り返し学習または調整し、次の期間で検証する方法です。

将来の判断を行う際にトレーダーが把握しているのは過去のデータだけであるため、この方法は実際の取引により近いものです。

たとえば、モデルを6か月分のデータで学習させ、その後の1か月間取引させる方法があります。

その後、対象期間を先に進め、同じプロセスを繰り返します。

最近の取引コストを考慮した機械学習ベースのBitcoin取引に関する2026年の研究では、ウォークフォワード方式が採用されました。その結果、取引コストを考慮すると、単純な予測ベースの戦略は、机上では利益が出ていても、コスト差し引き後には損失になる場合があることが示されました。

取引コストと売買回転率が結果を大きく左右する暗号資産市場では、これは特に重要です。

ウォークフォワードテストは、市場環境が変化する中で戦略がどのように適応するかを調べるのに役立ちます。

また、モデルを有効に保つために過度な再調整が必要かどうかも明らかになる場合があります。

パラメーターを常に変更しなければ機能しない戦略は、脆弱である可能性があります。

ウォークフォワード分析も完璧ではありませんが、最適化した一つのモデルを長期間の過去データで一度だけ検証するより、現実に即しています。

取引コスト

暗号資産のバックテストが実取引で失敗する大きな理由の一つは、取引コストです。

コストには、取引手数料、スプレッド、スリッページ、資金調達料、借入金利、ガス代、ブリッジ手数料、バリデーター手数料、出金手数料、トランザクション失敗によるコストなどがあります。

頻繁に取引する戦略は、コストを差し引く前には利益が出ていても、差し引いた後には損失になる場合があります。

これは、高頻度取引、アービトラージ、スキャルピング、マーケットメイキングのバックテストで特によく見られます。

各資産および各期間のコストを現実的にモデル化する必要があります。

流動性の薄い小型トークンに、大型で流動性の高い資産と同じコスト前提を使うべきではありません。

DeFiのスワップでは、価格インパクトとガス代を含める必要があります。

先物型の戦略では、資金調達料と強制決済リスクの仕組みを含める必要があります。

前述の2026年のウォークフォワード研究は、暗号資産戦略の設計でコストを考慮した取引の選別が重要な理由を示しています。

手数料などを差し引く前のバックテストで利益が出ても、それは出発点にすぎません。重要なのはコスト差し引き後の結果です。

スリッページ

スリッページとは、想定した取引価格と実際の約定価格の差です。

市場が動いたとき、流動性が薄いとき、または注文サイズが利用可能な板の厚みに比べて大きいときに発生します。

暗号資産では、ボラティリティの急上昇、ニュース、市場での強制決済、流動性の低い時間帯、DeFiプールの需給不均衡時にスリッページが大きくなる場合があります。

すべての取引がローソク足の終値で約定すると仮定するバックテストでは、スリッページがまったく考慮されない可能性があります。

その結果、戦略が実際よりもはるかに優れているように見えることがあります。

スリッページは、注文サイズ、スプレッド、取引高、注文板の厚み、流動性プールの厚み、市場のボラティリティに基づいてモデル化する必要があります。

個人の少額取引と、大規模ファンドの取引では、異なる前提を用いる場合があります。

スリッページは些細な問題ではありません。

売買回転率の高い暗号資産戦略では、スリッページによって利益と損失が分かれる場合があります。

本格的なバックテストでは、スリッページを想定する前後の結果を示す必要があります。

手数料とガス代

手数料とは、取引、送金、ブリッジ、ステーキング、借入、貸付、スマートコントラクトとのやり取りに対して直接支払うコストです。

中央集権型の注文板取引では、Maker手数料やTaker手数料が含まれる場合があります。

DeFiでは、スワップ手数料、流動性プロバイダー手数料、ガス代、ブリッジ手数料、トランザクションの優先処理コストなどが含まれる場合があります。

オンチェーン戦略では、ガス代が特に重要です。

ガス代を無視したDeFiのバックテストでは、少額取引や頻繁なリバランスが、実際には利益にならないにもかかわらず利益を生むように見えることがあります。

ガス代は市場環境によって大きく変わる場合もあります。

手数料が低い時期には機能する戦略でも、ネットワーク混雑時には失敗する可能性があります。

オンチェーンでの取引執行に依存する戦略では、変動するガス代をバックテストに含める必要があります。

Ethereum型のネットワークやその他のスマートコントラクトチェーンでは、取引執行コストも戦略の一部です。

想定利益が取引コストを下回る戦略は、実取引で成立しません。

資金調達率

資金調達率は、無期限スワップ市場におけるロングトレーダーとショートトレーダー間の支払いに適用されます。

資金調達率を無視したデリバティブ戦略は、誤解を招く結果を生む可能性があります。

たとえば、価格変動によって利益が出ているように見えるロングポジションでも、資金調達料によってリターンの多くが失われる場合があります。

ショートポジションは、価格変動による損失があっても、資金調達料を受け取って利益を得る場合があります。

暗号資産ではトレーダーのポジション状況が急速に変わるため、資金調達率も大きく変動する場合があります。

無期限契約を含むバックテストでは、可能な限り過去の資金調達率を含める必要があります。

過去の資金調達率データがない場合は、バックテストで用いた前提を明記する必要があります。

資金調達料は適切なタイムスタンプで適用することも重要です。

資金調達率の扱いに誤りがあると、特に数日から数週間ポジションを保有する戦略では、リターンが歪む可能性があります。

暗号資産デリバティブのバックテストでは、資金調達率は省略できないデータです。

流動性

流動性は、価格を大きく動かさずに戦略のポジションをどれだけ容易に構築・解消できるかを示します。

過去の価格で無制限に注文を執行できると仮定すると、流動性の低いトークンでもバックテスト上は高いリターンが出ることがあります。

実際には、相応の規模で売買しようとすると、大きなスリッページなしには取引できない場合があります。

小型アルトコイン、NFT関連資産、DeFiガバナンストークン、新規トークン、クロスチェーン資産では、流動性が特に重要です。

現実的なバックテストでは、過去の取引高、注文板の厚み、またはプールの流動性に応じて注文サイズを制限する必要があります。

市場が不安定な時期に流動性が消失したかどうかも考慮する必要があります。

ごく少額の取引でしか機能しない戦略は、規模を拡大できない場合があります。

それによって戦略が無意味になるわけではありませんが、運用可能な規模は制限されます。

運用可能規模とは、パフォーマンスが悪化する前に使用できる資金の額です。

優れたバックテストでは、リターンだけでなく運用可能規模も推定する必要があります。

市場環境

市場環境とは、特徴的な性質を持つ一定期間を指します。

暗号資産市場には、強気相場、弱気相場、レンジ相場、ボラティリティの高い急落、低ボラティリティの蓄積、流動性の拡大・縮小、半減期後のサイクルなどがあります。

ある市場環境で好成績を上げる戦略が、別の市場環境では失敗することがあります。

トレンドフォロー戦略は、方向性の強い値動きでは機能しても、値動きの荒い相場では苦戦する場合があります。

平均回帰戦略はレンジ相場で機能しても、ブレイクアウト時には失敗する場合があります。

アービトラージ戦略は市場が分断されている局面では機能しても、市場の効率性が高まると収益機会が縮小する可能性があります。

可能であれば、バックテストの結果を市場環境ごとに分けて分析する必要があります。

そうすることで、戦略が機能すると想定される状況と、損失を被る可能性がある状況を理解しやすくなります。

リターンを一つの数字だけで示すと、重要な情報が多く失われます。

市場環境の分析により、バックテストをリスク理解につなげることができます。

リスク指標

リスク指標は、戦略のリターンの背後にあるリスクを説明するのに役立ちます。

総リターンだけでは不十分です。

資金が2倍になる一方で、その過程で80%の損失を被る戦略は、多くのユーザーにとって許容できない可能性があります。

有用なリスク指標には、最大ドローダウン、ボラティリティ、下方偏差、シャープレシオ、ソルティノレシオ、カルマーレシオ、バリュー・アット・リスク、期待ショートフォール、勝率、損失率、平均損失、テール損失、損失状態の継続期間などがあります。

最大ドローダウンは、テスト期間中にピークからボトムまで生じた最大の損失を示します。

損失状態の継続期間は、戦略が過去の最高値を下回っていた期間の長さを示します。

シャープレシオはリターンとボラティリティを比較しますが、リターンが正規分布に従わない場合は誤解を招くことがあります。

ソルティノレシオは、下方ボラティリティをより重視します。

暗号資産では、急落が突然かつ深刻に起こり得るため、テールリスクが重要です。

優れたバックテストでは、リターンだけでなく、損失の大きさも示す必要があります。

ドローダウン

ドローダウンとは、ポートフォリオのピークから、その後の安値までの下落を指します。

トレーダーがどれほどの損失に耐える必要があったかを示すため、バックテストで最も重要な指標の一つです。

リターンが高くても、ドローダウンも大きい戦略は、心理的に続けるのが難しい場合があります。

たとえば、バックテストで長期的に高い利益が示されても、その過程に70%のドローダウンが含まれている場合があります。

多くのユーザーは、回復する前に戦略をやめてしまうでしょう。

レバレッジを利用する戦略では、大きな損失が強制決済につながる可能性があるため、ドローダウンは特に重要です。

DeFiでは、ドローダウンによって担保が強制決済されたり、緊急の出金が必要になったりする場合があります。

バックテストでは、最大ドローダウン、平均ドローダウン、ドローダウンの継続期間、回復までの時間を示す必要があります。

最も優れた戦略が、必ずしも最も高いリターンを生む戦略とは限りません。

多くの場合、より優れた戦略とは、ユーザーが実際に耐えられるリターンをもたらす戦略です。

シャープレシオ

シャープレシオは、リスク調整後リターンを測る一般的な指標です。

超過リターンとボラティリティを比較します。

一般に、シャープレシオが高いほど、ボラティリティ1単位あたりのリターンが大きいことを示します。

ただし、暗号資産市場ではシャープレシオに限界があります。

暗号資産のリターンは、歪みがあり、裾が厚く、市場環境に左右される場合があります。

相場が落ち着いている時期にはシャープレシオが良好でも、まれに大きな損失が生じる戦略もあります。

過剰適合や、テールリスクを隠しながら小さな利益を積み重ねる戦略によって、シャープレシオが実態以上に高くなる場合もあります。

たとえば、毎日小さな利益を上げても、時折大きな損失を出す戦略は、暴落が起きるまでは安定しているように見える可能性があります。

シャープレシオは、ドローダウン、テールリスク、ストレステストの指標と併せて使う必要があります。

暗号資産戦略を完全に説明できる単一の指標はありません。

ストレステスト

ストレステストでは、厳しい状況や極端な状況で戦略がどのように機能するかを確認します。

暗号資産のストレステストでは、突然の価格暴落、流動性ギャップ、チェーンの混雑、ステーブルコインのペッグ崩れ、資金調達率の急上昇、オラクルの遅延、ブリッジの遅延、取引所の停止などをモデル化する場合があります。

ストレステストは、何が起こり得るかに焦点を当てるため、通常のバックテストとは異なります。

過去のストレステストでは、実際に起きた過去のイベントを使います。

シナリオ型のストレステストでは、まだ発生していない可能性のある仮想シナリオを作成します。

どちらも有用です。

過去のテストでは、既知の危機に戦略がどう対応したかを確認できます。

仮想シナリオを使ったテストでは、過去のサンプルにない状況でも戦略が耐えられるかを確認できます。

SECの暗号資産に関する投資家向け注意喚起では、暗号資産への投資は極めてボラティリティが高く、投機的な性質を持つ可能性があると警告しています。

ストレステストは、資金をリスクにさらす前に、このボラティリティを真剣に考慮するための方法の一つです。

シナリオ分析

シナリオ分析では、特定の市場状況において戦略がどのように機能するかを調べます。

たとえば、Bitcoinが1日で25%下落し、アルトコインの流動性が低下し、ガス代が上昇した場合の影響を検証できます。

別のシナリオでは、ステーブルコインのペッグが崩れ、貸付金利が急上昇し、DeFiの出金が遅れる状況を検証できます。

また、トレンドシグナルが繰り返し失敗する長期のレンジ相場を検証することもできます。

シナリオ分析は、平均的な状況以外についても考えるのに役立ちます。

通常のバックテストでは見逃される依存関係が明らかになる場合があります。

たとえば、アルトコイン戦略に見えても、実際にはステーブルコインの流動性に依存している場合があります。

主なシグナルが価格のモメンタムであっても、安価なガス代に依存している戦略もあります。

市場構造に関するリスクが突然現れることがある暗号資産では、シナリオ分析が特に有用です。

優れたバックテストでは、市場が通常どおりに動くときだけでなく、状況が悪化したときに何が起きるかも検証します。

DeFiのバックテスト

DeFiのバックテストとは、過去のスマートコントラクト、流動性、市場データを使ってオンチェーン戦略を検証することです。

流動性の提供、貸付、借入、イールドファーミング、リキッドステーキング、ボルト戦略、自動リバランスなどが例として挙げられます。

スマートコントラクトの状態が常に変化するため、DeFiのバックテストは単純な価格データのバックテストより難しくなります。

流動性プール戦略では、過去の準備資産、手数料、トークン価格、流動性プロバイダーの持分、インパーマネントロスの計算が必要です。

貸付戦略では、過去の金利、担保価値、強制決済の基準、オラクルの挙動、利用率が必要です。

ボルト戦略では、入金ルール、出金ルール、パフォーマンス手数料、スマートコントラクトリスク、リバランスのロジックが必要です。

オンチェーン戦略では、多数のトランザクションが必要になる場合があるため、ガス代も含める必要があります。

トランザクションの失敗、MEV、オラクルの遅延、流動性の引き出しを無視したDeFiのバックテストは、現実的でない可能性があります。

DeFiのバックテストは有効ですが、基本的な現物取引の検証より詳細なデータモデルが必要です。

戦略の信頼性は、それを支えるオンチェーン上の前提に左右されます。

MEVとバックテスト

MEVとは最大抽出可能価値を指し、ブロックチェーントランザクションの順序変更、挿入、除外によって得られる価値のことです。

オンチェーンでの取引執行に依存する戦略では、MEVがバックテストに影響する場合があります。

DeFiアービトラージのバックテストでは、価格差を利益として獲得できると仮定する場合があります。

しかし実際の市場では、別のサーチャーが先に機会を獲得する可能性があります。

スワップがサンドイッチ攻撃を受けたり、想定より不利な価格で執行されたりすることがあります。

強制決済を狙う戦略が、より高速なボットに先を越される可能性もあります。

トランザクションの順序を無視したバックテストは、収益性を過大評価するおそれがあります。

オンチェーン戦略では、執行優先順位、ブロックへの取り込み、ガスの入札、プライベートトランザクションのルーティング、競争状況が重要です。

MEVの存在により、暗号資産のバックテストは単純なシグナル検証というより、インフラを巡る競争に近いものになります。

バックテストがオンチェーンの機会を完璧に執行できると仮定している場合は、慎重に扱う必要があります。

アービトラージのバックテスト

アービトラージのバックテストでは、複数の市場やチェーン間の価格差から利益を得ようとする戦略を検証します。

暗号資産のアービトラージには、現物市場、無期限契約、資金調達率、流動性プール、ブリッジ、オラクルの価格差などが関わる場合があります。

アービトラージのバックテストは、利益が出るように見せるのは簡単ですが、現実的なモデルを作るのは困難です。

シミュレーションでは、手数料、レイテンシー、送金の遅延、資金調達料、借入コスト、約定失敗、在庫の制約、ブロックチェーンのファイナリティ、ブリッジの遅延、資金の拘束を含める必要があります。

過去のローソク足に見られる価格差が、リアルタイムで取引可能だったとは限りません。

別のトレーダーやボットが先に機会を獲得していた可能性があります。

ネットワークの混雑によって決済できなかった可能性もあります。

資金移動にブリッジを使う場合、処理に時間がかかっていた可能性があります。

アービトラージのバックテストには、タイムスタンプ付きの高品質なデータと、保守的な執行前提を使う必要があります。

コストやレイテンシーを考慮する前にしか利益が出ない戦略は、通常、実際のアービトラージの優位性とは言えません。

取引ボットのバックテスト

取引ボットのバックテストでは、実際のアカウントやウォレットに接続する前に自動化戦略を検証します。

ボットのバックテストには、実際のボットが使うものと同じルールを含める必要があります。

実際のボットに注文サイズの上限があるなら、バックテストにも同じ上限を設定する必要があります。

ボラティリティが高いときに実際のボットが停止するなら、バックテストでもそのルールをモデル化する必要があります。

実際のボットが損切りを使うなら、バックテストでは現実的な価格推移に基づいて損切りを計算する必要があります。

ボットのバックテストでは、注文失敗、APIのレート制限、古いデータ、一部約定、再接続の遅延など、運用上の問題も含める必要があります。

CFTCは、詐欺師がAI生成のアルゴリズム、取引シグナル、暗号資産アービトラージアルゴリズム、ボットについて、過度に高いリターンや保証されたリターンをうたって販売していると警告しています。

完璧なバックテストのスクリーンショットだけを宣伝するボットには注意が必要です。

実際に利用するボットでは、前提条件、リスク上限、実運用のパフォーマンスを透明性高く確認できる必要があります。

バックテストはボット開発に欠かせませんが、ボットが安全であることを証明するものではありません。

機械学習のバックテスト

機械学習のバックテストでは、データを使って取引シグナルやポートフォリオ判断を生成するモデルを検証します。

機械学習では、価格のモメンタム、ボラティリティ、注文フロー、オンチェーン活動、市場センチメント、資金調達率、マクロ経済変数など、多くの特徴量を分析できます。

しかし、機械学習によって過剰適合のリスクも高まります。

特徴量の多いモデルは、偶然にしか存在しないパターンを見つける可能性があります。

暗号資産のデータセットはノイズが多く、非定常で、市場構造の変化に影響されます。

そのため、ある期間に機能したモデルが別の期間には機能しない場合があります。

機械学習のバックテストでは、時系列を考慮した検証、アウト・オブ・サンプルテスト、ウォークフォワードテスト、特徴量リークの確認、取引コストのモデル化を行う必要があります。

前述の2026年のBitcoinに関するウォークフォワード研究では、予測をコストのかかる過剰な取引に変換してしまう場合、予測精度だけでは不十分であることが示されました。

この教訓は、暗号資産の機械学習全般に当てはまります。

モデルは統計的に興味深いだけでなく、コスト差し引き後に取引可能でなければなりません。

実装リスク

実装リスクとは、戦略をコード化またはシミュレーションする方法によって、バックテストの結果が変わるリスクです。

手数料、注文のタイミング、欠損データ、ポジションサイズ、丸め処理の扱いが異なれば、同じ戦略でもバックテストエンジンによって結果が異なる場合があります。

最近のポートフォリオのバックテストにおける実装リスクに関する2026年の研究では、特に取引コストを含めた場合、実装の細部によって異なるエンジンの結果に測定可能な差が生じることが示されました。

細かな違いが大きな影響を与える暗号資産では、これは重要です。

ローソク足の終値でエントリーするボットと、次のローソク足の始値でエントリーするボットは異なります。

利益を毎日複利運用する戦略と、ポジションサイズを固定する戦略も異なります。

トークン数量の丸め方を誤ったDeFiのバックテストでは、リターンが歪む可能性があります。

資金調達率の適用時刻を誤ったバックテストでは、誤った結果が生じる場合があります。

コードレビュー、単体テスト、独立した再現検証、明確なドキュメントによって、実装リスクを軽減できます。

信頼する前に、バックテストを再現できる必要があります。

取引執行の前提

取引執行の前提では、バックテスト内で取引がどのように行われるかを定義します。

注文タイプ、約定価格、約定確率、スプレッド、スリッページ、レイテンシー、一部約定、最小注文サイズ、取引失敗などが含まれます。

よくある誤った前提は、すべてのシグナルが、無制限の注文サイズで、表示上の最良価格で取引されるというものです。

暗号資産市場では、これは現実的でないことがほとんどです。

より現実的なバックテストでは、成行注文はスプレッドをまたいで約定し、指値注文は約定しない場合があり、大口注文ほどスリッページが大きくなると想定します。

取引執行の前提は、戦略が実際に取引する方法と一致させる必要があります。

月次でリバランスする長期戦略に、高頻度アービトラージボットと同じ詳細さは必要ありません。

DeFiのスワップ戦略では、プールの価格インパクトとガス代をモデル化する必要があります。

損切りを使う戦略では、日足の終値だけでなく、日中の価格推移もモデル化する必要があります。

魅力的なバックテストが現実的になり、見栄えが控えめになるのは、取引執行の前提を見直したときです。

ポジションサイズ

ポジションサイズによって、各取引にどれだけの資金を使うかが決まります。

優れたシグナルでも、ポジションサイズが過度に大きければ損失を生む可能性があります。

幸運な期間に非現実的な複利運用を想定すると、弱いシグナルでも利益が出ているように見える場合があります。

暗号資産のポジションサイズを決める際は、ボラティリティ、流動性、最大ドローダウン、相関、レバレッジ、強制決済リスクを考慮する必要があります。

固定サイズのポジションは理解しやすい方法です。

資産に占める割合でポジションを設定すると、利益と損失が複利で増減します。

ボラティリティを目標に設定したポジションでは、ボラティリティの上昇に合わせてエクスポージャーを減らします。

リスクパリティ型のポジションでは、資産間のエクスポージャーを均等化しますが、市場が不安定なときに相関が高まると機能しない場合があります。

バックテストでは、ポジションサイズの決定方法を明記する必要があります。

戦略のパフォーマンスは、エントリーシグナルと同じくらい、ポジションサイズに左右されることがよくあります。

リバランスのルール

リバランスのルールでは、ポートフォリオをいつ目標配分に戻すかを定めます。

暗号資産ポートフォリオのバックテストでは、毎日、毎週、毎月、四半期ごと、または配分が設定した範囲を超えたときにリバランスする場合があります。

頻繁なリバランスはリスク管理を改善する一方で、取引コストや税金を増加させる可能性があります。

DeFiでは、頻繁なリバランスによってガス代やスマートコントラクトへのエクスポージャーも増える可能性があります。

バックテストには、トレーダーが実際に実行できる頻度のリバランスを含める必要があります。

各リバランス時の現実的な注文サイズとコストも含める必要があります。

手数料もスリッページもかからない前提で毎日リバランスする戦略は、実際のコストを考慮すると失敗する場合があります。

リバランスのルールは、市場が不安定なときにも実行できるほどシンプルであるべきです。

優れたリバランスのバックテストでは、リスク管理とコストのトレードオフを説明します。

リバランスはポートフォリオのルールであり、リターンを生む魔法の仕組みではありません。

ベンチマーク

ベンチマークとは、戦略に価値があるかを評価するための基準です。

暗号資産のベンチマークには、Bitcoinを保有する方法、主要資産を時価総額に応じて組み合わせたポートフォリオ、ステーブルコインを保有する方法、単純な移動平均線のルール、基本的なバイ・アンド・ホールド戦略などがあります。

戦略は、公平なベンチマークと比較する必要があります。

アルトコインの高いリスクを取る戦略を現金だけと比較すると、誤解を招く場合があります。

戦略にレバレッジが使われている場合は、ベンチマークでもリスク水準を考慮する必要があります。

頻繁に取引する戦略では、ベンチマークにも現実的なコストを含める必要があります。

ベンチマークは、重要な疑問に答えるのに役立ちます。

戦略は価値を生み出したのでしょうか。それとも、上昇相場にさらされていたことで恩恵を受けただけでしょうか。

強気相場では、ほぼすべての資産が上昇するため、多くの暗号資産戦略が優れているように見えます。

優れたベンチマークは、リスクとコストを考慮した後でも、より単純な代替手法を上回ったかどうかを示します。

バックテストレポート

バックテストレポートでは、戦略、データ、前提、結果、リスクを説明する必要があります。

検証した期間、資産、データソース、手数料、スリッページ、注文に関する前提、ポジションサイズ、リバランスのルールを含める必要があります。

コスト差し引き後の結果を示す必要があります。

リターンだけでなく、ドローダウンも示す必要があります。

年ごと、または市場環境ごとのパフォーマンスを示す必要があります。

取引回数と売買回転率を示す必要があります。

主要なパラメーターに対する感度を示す必要があります。

既知の弱点を説明する必要があります。

右肩上がりの資産曲線だけを示すレポートは不完全です。

信頼できるレポートは、欠陥を見つけにくくするのではなく、見つけやすくする必要があります。

バックテストと規制

バックテストの実績は、規制やマーケティングの観点で慎重な扱いが必要です。

バックテストの結果を顧客や投資家に示す場合、法域や状況によっては仮想の運用実績または広告として扱われる場合があります。

SECのマーケティング・コンプライアンスFAQでは、運用実績を示す投資顧問の広告が、特定の要件を満たす必要があると説明しています。

FINRAのコミュニケーション規則に関するFederal Registerの命令では、後知恵によって仮想の投資判断を最適化できるため、バックテストの実績は投資家を誤解させるリスクが高まると述べています。

取引ボット、シグナル販売者、インフルエンサー、戦略販売業者が過去の実績を宣伝することの多い暗号資産業界では、これは重要です。

社内調査に使うバックテストと、資金調達や戦略販売のために公開するバックテストは異なります。

暗号資産のバックテスト実績を宣伝する場合は、適用法令を理解し、誇張した主張を避ける必要があります。

前提条件やリスク開示を明確に示さずにバックテストを宣伝する販売者には注意が必要です。

バックテスト上の実績は、監査済みの実運用実績とは異なります。

過去のシミュレーション実績を、将来のリターンが保証されているかのように示してはなりません。

バックテストを利用した詐欺

バックテスト詐欺では、過去のチャートを使って、取引システムが安全で、自動化され、利益を生むかのように見せます。

詐欺師は、ドローダウンがない完璧な資産曲線を示す場合があります。

手数料、スリッページ、取引失敗、損失期間を隠す場合もあります。

過去の中から最も都合の良い期間だけを選ぶこともあります。

意図的または偶然に将来のデータを使う場合もあります。

AIボットはバックテスト済みなので損失が出ないと主張する場合もあります。

CFTCの注意喚起では、AIが生成したアルゴリズム、取引シグナル、暗号資産アービトラージアルゴリズム、ボットによる高いリターンや保証されたリターンの主張は、一般的な詐欺の警告サインだとしています。

ユーザーは、検証済みの実運用実績、完全な手法、リスク指標、コードレビュー、明確なコスト前提の提示を求めるべきです。

また、秘密鍵を教えたり、アカウントの完全な管理権をボットの販売者に与えたりしてはなりません。

バックテストは調査の裏付けになりますが、背景情報なしに示されれば、欺瞞の手段にもなり得ます。

バックテストでよくある間違い

よくある間違いの一つは、取引コストを無視することです。

もう一つは、スリッページを無視することです。

三つ目は、誤って将来のデータを使うことです。

四つ目は、存続した資産だけを検証することです。

五つ目は、パラメーターを過度に最適化することです。

六つ目は、総リターンだけで戦略を評価することです。

七つ目は、ドローダウンとテール損失を無視することです。

八つ目は、流動性が無制限にあると仮定することです。

九つ目は、税金とリバランスのコストを無視することです。

十個目は、バックテストからすぐに多額の資金を使う実取引へ移ることです。

バックテストツールを使うと戦略の検証が簡単に思えるため、こうした間違いはよく起こります。

難しいのはチャートを作ることではありません。

チャートを現実的なものにすることです。

暗号資産のバックテストで推奨される方法

信頼できる情報源から得た、整備済みのデータを使用します。

データソース、対象期間、データの整備ルールを記録します。

ルックアヘッドバイアスを避けるため、各時点で利用可能だったデータを使います。

資産選択戦略を検証する場合は、上場廃止または失敗した資産も含めます。

必要に応じて、取引手数料、スリッページ、スプレッド、資金調達率、ガス代、約定失敗を含めます。

アウト・オブ・サンプルテストとウォークフォワードテストを行います。

説明できるほどシンプルな戦略ルールを維持します。

主要なパラメーターについて感度分析を行います。

公平なベンチマークと戦略を比較します。

リターンだけでなく、ドローダウンも確認します。

相応の実資金を使う前に、フォワードテストを行います。

バックテストを将来の利益の約束とみなしてはなりません。

バックテストのメリット

バックテストの第一のメリットは、規律を保てることです。

感情に基づいて取引するのではなく、正確なルールを定義するよう促します。

第二のメリットは、リスクを把握できることです。

バックテストでは、ドローダウン、連続損失、ボラティリティ、テールイベントを確認できます。

第三のメリットは、コストを分析できることです。

手数料、スリッページ、資金調達料、ガス代によって想定利益が失われるかどうかを確認できます。

第四のメリットは、戦略を比較できることです。

同じ前提の下で複数の手法を比較できます。

第五のメリットは、運用開始に備えられることです。

開発者は、実際に稼働させる前にコーディングや取引執行の問題を発見できます。

第六のメリットは、限界を認識したうえで自信を持てることです。

現実的なバックテストは、ユーザーが計画に沿って行動するのに役立つ場合がありますが、根拠のない自信につながってはなりません。

バックテストの限界

第一の限界は、将来が過去と異なる可能性があることです。

第二の限界は、過去のデータが不完全または誤っている場合があることです。

第三の限界は、コストや流動性が変化することです。

第四の限界は、実市場での注文執行がシミュレーションより難しいことです。

第五の限界は、戦略ルールが過剰適合する可能性があることです。

第六の限界は、バックテストで運用上の障害が無視される場合があることです。

第七の限界は、暗号資産に関する規制、トークノミクス、市場構造が急速に変化し得ることです。

第八の限界は、パニック、強欲、ユーザーの行動をバックテストで完全にモデル化できないことです。

第九の限界は、価格データにスマートコントラクトやブリッジのリスクが現れない場合があることです。

第十の限界は、魅力的な過去のリターンであっても、偶然の幸運による可能性があることです。

バックテストは、その限界を理解した場合にのみ有用です。

関連する暗号資産用語

取引ボットとは、ルールやシグナルに基づいて自動的に注文を出すソフトウェアです。

スリッページとは、想定した取引価格と実際の約定価格の差です。

資金調達率とは、無期限市場におけるロングトレーダーとショートトレーダー間の定期的な支払いを指します。

ドローダウンとは、ポートフォリオのピークから、その後の安値までの下落です。

過剰適合とは、戦略を過去のデータに合わせて調整しすぎた結果、新しいデータで機能しなくなることです。

フォワードテストとは、過去のデータだけに頼らず、新しいリアルタイムの市場データを使って戦略を検証することです。

ペーパートレードとは、実際の資金を使わずに行う実取引のシミュレーションです。

シャープレシオとは、超過リターンとボラティリティを比較するリスク調整後リターンの指標です。

流動性とは、大きな価格インパクトを与えずに資産をどれだけ容易に取引できるかを示します。

DeFiとは、スマートコントラクトを使って構築された分散型金融アプリケーションを指します。

FAQ

暗号資産のバックテストとは何ですか？

暗号資産のバックテストとは、実際の資金を使う前に、過去の暗号資産市場データを使って取引戦略、ボット、またはポートフォリオのルールを検証することです。

バックテストで利益が出れば、将来の利益も保証されますか？

いいえ。市場、コスト、流動性、ユーザーの行動が変化する可能性があるため、バックテストで利益が出ても将来の利益は保証されません。

暗号資産のバックテストが実取引で失敗するのはなぜですか？

暗号資産のバックテストでは、手数料、スリッページ、資金調達率、ガス代、流動性の制約、過剰適合、取引執行の問題が無視されることが多いため、実取引で失敗する場合があります。

ルックアヘッドバイアスとは何ですか？

ルックアヘッドバイアスとは、シミュレーション上の取引時点では入手できなかった情報をバックテストで使うことです。

バックテストにおける過剰適合とは何ですか？

過剰適合とは、過去のデータに合わせて戦略を調整しすぎた結果、新しいデータで十分なパフォーマンスを発揮できなくなることです。

アウト・オブ・サンプルテストとは何ですか？

アウト・オブ・サンプルテストとは、戦略の構築や調整に使っていないデータで戦略を検証することです。

ウォークフォワードテストとは何ですか？

ウォークフォワードテストとは、ある過去の期間で戦略を繰り返し学習または調整し、次の期間で検証する方法です。

バックテストにスリッページを含めるべきですか？

はい。実際の約定価格が過去のシグナル価格より不利になる可能性があるため、バックテストにはスリッページを含める必要があります。

DeFiの戦略は、通常と異なる方法でバックテストする必要がありますか？

はい。DeFi戦略では、オンチェーンデータ、ガス代、流動性プールの挙動、スマートコントラクトに関する前提、オラクルの挙動、トランザクション失敗のモデル化が必要です。

バックテストで有用な指標は何ですか？

単一の指標だけでは不十分です。リターン、ドローダウン、ボラティリティ、シャープレシオ、売買回転率、勝率、テール損失、市場環境ごとのパフォーマンスを確認する必要があります。

バックテストがあるAI取引ボットなら信頼できますか？

いいえ。バックテストがあるAIボットでも、前提条件の透明性、実運用での検証、リスク管理が必要です。また、リターンが保証されているという主張には強い警戒が必要です。

バックテストを最も慎重に活用するにはどうすればよいですか？

まず調査の一環としてバックテストを行い、その後にアウト・オブ・サンプルテスト、フォワードテスト、少額での実運用、継続的なモニタリングを行う方法が最も慎重です。

まとめ

バックテストは、暗号資産トレーダー、ボット開発者、ポートフォリオマネージャー、DeFi戦略の構築者にとって重要なツールの一つです。

実際の資金をリスクにさらす前に、過去のデータを使って戦略ルールを検証できます。

優れたバックテストでは、ドローダウン、連続損失、コストへの感度、流動性の制約、市場環境ごとの弱点を明らかにできます。

また、戦略の比較や感情的な取引の回避にも役立ちます。

ただし、バックテストは将来のパフォーマンスを証明するものではありません。

暗号資産市場はボラティリティが高く、分断され、常に変化しています。

過去のデータは不完全な場合があり、コストが過小評価され、流動性が消失し、実際の取引執行が失敗する可能性もあります。

バックテストで特に危険なのは、ルックアヘッドバイアス、サバイバーシップバイアス、過剰適合、非現実的な取引執行の前提、取引コストの無視です。

こうした問題によって、脆弱な戦略が優れているように見えることがあります。

現実的な暗号資産のバックテストでは、手数料、スリッページ、資金調達率、ガス代、流動性の制約、ポジションサイズ、ドローダウン、アウト・オブ・サンプル検証を含める必要があります。

DeFi戦略では、必要に応じてスマートコントラクトの状態、プールの流動性、ガス代、MEV、オラクルの挙動、トランザクションの失敗も含める必要があります。

機械学習戦略では、ウォークフォワードテストと厳格なデータリーク対策が必要です。

取引ボットでは、API障害、古いデータ、一部約定などの運用上の問題を含める必要があります。

バックテストは、戦略を売り込みやすくするのではなく、安易に信じにくくするものである場合に最も役立ちます。

優れたバックテストでは、市場が問題を明らかにする前に、前提を問い直し、弱点を示す必要があります。

暗号資産ユーザーにとって重要なのは、バックテストは準備のためのツールであり、予測装置ではないということです。

意思決定の改善には役立ちますが、リスクをなくすことはできません。

慎重にバックテストを行い、フォワードテストを実施し、少額から始めて、実運用の結果を監視し、利益を保証する戦略を決して信頼しないことが重要です。