グリッド探索
設定したパラメーター値の組み合わせを評価します。探索範囲が小さく、体系的に調べられる場合に適しています。
2026年10月版 · 研究ワークフロー
幅広く探索する。
時系列に沿って検証する。
コーディング → バックテスト → 研究 → 注文。研究段階では、過去データでのパラメーター選択と、その後のデータでの評価を分けます。この順序を見える形で設定し、再現できます。
01役割を明確に分ける
履歴の各期間に、
役割を持たせる。
01 / 学習
候補を選ぶ。
ストラテジー、パラメーター、費用、探索方法を定め、学習期間で設定を選びます。
02 / 検証
選択を検証する。
選んだ設定を後続期間で調べ、学習結果とは分けて評価します。
03 / アウトオブサンプル
さらに後の履歴で評価。
OOS評価用に、さらに後の期間を確保します。その結果を見てから行った変更は、新たな研究上の判断として扱います。
02パラメーター最適化
探索方法を選ぶ。
評価の基準は保つ。
探索方法によって候補の調べ方は変わりますが、独立した評価が不要になるわけではありません。
固定パラメーター
変更しないパラメーターはチェックを外します。同じデータ、費用、期間で条件を揃えて比較します。
遺伝的アルゴリズム（GA）
集団の選択と変化を使ってパラメーター空間を探索します。選ばれた設定も、引き続き検証が必要な候補として扱います。
既定の探索方法はGeneticです。シード、範囲、評価予算を結果とともに保持します。探索目的は終了時純利益で、他の指標は別途確認します。
03ウォークフォワード評価
時を進める。
同じ手順で確かめる。
実行前に、連続する学習・評価期間を計画します。移動型や拡大型のfoldを編集でき、履歴が増える過程で選択手順を調べられます。
移動型の窓 では、学習期間を順に前へ進めます。 起点固定型の窓 では、開始点を固定したまま学習期間を延ばします。
研究設定ガイドを読むウォークフォワードでは、時系列に沿う手順を繰り返します。期間定義、最適化の選択、仮定を保持した、一連の関連する実験として解釈します。
FOLD 01
FOLD 02
FOLD 03
学習検証アウトオブサンプル
図は時間の順序を示すもので、完了した研究や運用成績を示すものではありません。
04再現性を重視した設計
実験の根拠を、
結果とともに。
Resultsは純資産、ドローダウン、日次Sharpe、試行・fold結果、約定ごとのTrade Historyをまとめます。実行証跡を保持し、正確なソース、入力、執行設定を確認できます。
- 実行に使ったストラテジーソースとパラメーター値
- データ識別情報、対象範囲、時刻の規則
- 資金、数量、手数料、執行の仮定
- 過去ニュース・イベントの利用可能時点設定
- 保存結果、資産推移、執行記録
- 時系列期間の定義と研究設定
結果をどう解釈するか
仮定を、
見えないままにしない。
バックテストは、選択した履歴と規則に基づく実験です。データ範囲、気配の構成、企業行動、費用、情報の利用可能時点によって意味が変わります。
過去結果は将来の収益を保証しません。このワークスペースは、実験を確認し、繰り返しやすくするためのものです。
データと時刻の仮定を確認