なぜ仮想通貨トレーディング・ボットの 90% は損をするのか:7 つの失敗モードの法医学的解剖
仮想通貨トレーディング・ボットの 90% は損をしますが、その失敗モードは予測可能です。7 つの戦略キラーをコードレベルの修正と共に法医学的に分解。2026 年のデータに基づく。
「トレーダーの 90% は損をする」という統計は、リテール金融で最も引用される数字の 1 つであり、最も理解されていない数字の 1 つです。これは仮想通貨トレーディング・ボットの研究から来ているわけではありません。ブローカー開示と、主にボタンをクリックする人間を測定するリテール・トレーディング・データセットから来ています。しかし、リテール・ボットのパフォーマンスを人間の裁量トレーディングから分離しても、失敗率はほぼ同じ範囲に収まります。原因は予測可能です。
これはそれらの原因の法医学的分解です。「感情をコントロールしろ」式の常套句のリストではありません。各セクションは失敗モードを名指しし、それがボットのライフサイクル(バックテスト、ライブ執行、展開後の decay)のどこで発生するかを示し、次の戦略を稼働させる前に実装できる具体的な修正で締めくくります。
戦略がバックテストでは綺麗なエクイティ・カーブを描き、本番では PnL を出血させるのを見たことがあるなら、あなたはすでに以下の 7 つの失敗のうち少なくとも 2 つに出会っています。
「90% が損をする」という数字は実際どこから来るのか
「トレーダーの 90% は損をする」という見出しは、単一の正典的研究まで辿れません。これは、規制当局が義務付けたブローカー開示、ピアレビューされた学術研究、隣接するオンチェーン・データという 3 つの独立した証拠の流れを積み重ねたときに浮かび上がる方向性のコンセンサスです。リテールの 仮想通貨ボット のパフォーマンスを具体的に分離する発表済み研究はありません。しかし、レンジは十分に確立されています。
規制当局が義務付けたブローカー開示から始めましょう。2018 年以来、ESMA は EU 規制下の CFD ブローカーに対し、損失を出しているリテール口座の割合を示す標準化された警告を公表することを義務付けています。業界全体で、これらの開示は一貫して 74–89% の範囲に位置します。FCA 規制下の eToro UK 部門は現在、リテール損失 77% を開示しています;他の UK ブローカーはそれより高いです。これらの数字は法的に監査可能で、四半期ごとに更新されます。
学術的記録も同意します。リテール・デイトレーダーの収益性に関する最も厳密な研究は Chague, De-Losso and Giovannetti (2019)、"Day Trading for a Living?" で、2013 年から 2015 年の間にブラジル株式先物のデイトレーディングを始め、少なくとも 300 日続けたすべての個人を調査しました。結果:97% が損失、ブラジルの最低賃金以上を稼いだのはわずか 1.1%、銀行員の初任給以上を稼いだのはわずか 0.5%。論文は「経験による学習」の統計的証拠を見つけませんでした。Barber, Lee, Liu and Odean による台湾先物市場(1992–2006)に関する初期の研究も同様の結論に達しました:重いデイトレーダーのうち、手数料控除後にプラスの異常リターンを稼いだのは約 19% のみで、機会費用を考慮する前ですら約 80% が損失を出していたことを意味します。
3 番目の流れは、隣接する自動トレーディング・データです。公開されているボット・マーケットプレイスのパフォーマンス・ページ(3Commas、Bitsgap、Cryptohopper)はトップ戦略の集約 PnL を自己申告しますが、関連するベンチマークは中央値ユーザーであり、トップ戦略ではありません。中央値パフォーマンス・ページは、存在する場合、一貫してフル・サイクルでマイナス・リターンを示します。自動ウォレット動作のオンチェーン分析は、別の角度から同じ結論に到達します:収益性は運用者の上位 5–10% に集中し、ロング・テールが彼らに流動性を提供しています。
これらをつなぎ合わせると、市場サイクル全体でのリテール仮想通貨ボット運用者の損失率は、下は ESMA スタイルのリテール・ブローカー開示、上はリテール・デイトレーダーの学術研究によって境界付けられて、75–90% の範囲に収まる可能性が最も高いです。
正確なパーセンテージは、その背後にあるパターンほど重要ではありません:同じ 7 つのエンジニアリング・エラーが何千もの戦略にわたって繰り返され、リテール・ボットがアンダーパフォームする理由のほとんどすべてを説明します。
失敗モード #1 — バックテストにおける生存バイアス
生存バイアス とは、今日も存在する資産だけで戦略をテストするエラーです。上場廃止になった、デペッグした、ラグプルされたコインは歴史的ユニバースから黙って除外され、それは戦略が実際に取ったであろう最悪のトレードを取り除くことで、バックテスト・リターンを膨張させます。
これは、綺麗なバックテストが本番で死ぬ単一の最も一般的な理由です。
ほとんどのリテール・バックテスト・フレームワークは、CoinGecko、Binance、または CCXT から歴史的 OHLCV を引っ張ります。それらのソースはどれも、デフォルトで 生存者キュレーション されたユニバースを与えます。今日の上位 50 を使って「時価総額上位 50 コイン」でモメンタム戦略をバックテストするなら、Terra/LUNA が崩壊せず、FTT がゼロにならず、100 もの 2021 サイクルのアルトが上場廃止前に 99% の価値を失わなかった世界で戦略をテストしているのです。
2022 年の AQR による株式市場バックテストのレビューは、生存バイアスがロング・オンリー・モメンタム・バックテストに年間 1–3% を加えると推定しました。仮想通貨では、上場廃止と全損率が株式より一桁高いため、効果はより深刻です。生存者ユニバースでテストされた仮想通貨ロング/ショート戦略は、学術的なウォーク・フォワードで年率 10–20% のリターン膨張を示しています。
修正は point-in-time ユニバースです。バックテストの各タイムスタンプにおいて、利用可能なトレーディング・ユニバースは、その瞬間に実際に上場し取引されていたコインであるべきで、その後死んだものも含みます。上場廃止ログを維持しましょう。データ・プロバイダーがこれを公開していない場合、Binance/Coinbase の上場を毎月スナップショットして永続化することで再構築できます。退屈です。それはまた、ライブ・パフォーマンスを予測するバックテストと、お話を生み出すバックテストの違いでもあります。
失敗モード #2 — フィルタリングされていないシグナル(ML や統計的ゲートなし)
純粋なインジケーター・トリガー戦略は、ルールが true になるたびに発火します。RSI が 30 をクロス、MACD が反転、ダイバージェンスがプリント、ボットがポジションをオープン。問題:それらのトリガーのほとんどは、インジケーターのエッジが統計的にゼロまたはマイナスの市場レジームで発火します。
修正は シグナル・ゲート で、生のシグナルと注文の間に位置する軽量なモデルまたはルール層です。その仕事は、インジケーターの歴史的損失プールに似たシグナルを拒否することです。
ここが、機械学習がトレーディングで実際に有用な場所です — 「AI トレーディング」マーケティング・コピーの 95% で誤用されていますが。価格を予測するために ML は必要ありません。もっと小さなことをするために必要なのです:各候補シグナルを「歴史的に収益性のあるセットアップに似ている」または「歴史的に損失を出すセットアップに似ている」として分類すること、インジケーター単独では見えない特徴量を使って。オーダーブック・インバランス、BTC テープ・ステート、最近のボラティリティ・レジーム、時間帯、ファンディング・レート、事前のシグナル密度。
うまく調整されたシグナル・ゲートは、通常、シグナル数を 40–70% 削減しながら、勝率を 5–15 パーセンテージ・ポイント、Sharpe を 0.3–0.7 改善します。これらは公開されているリテール・クオンツ研究からの保守的なレンジで、ゲート健全性ダッシュボードを維持する任意の本番システムで観察可能です。
実装パターンは華やかではありません。ラベル付き歴史的シグナル上で勾配ブースティング分類器(XGBoost または LightGBM)を訓練します。ラベルは「このシグナルはストップロスより前にテイクプロフィットに到達したか」です。50–150 の特徴量を使い、積極的に正則化し、ローリング 3 か月ウィンドウでウォーク・フォワード検証します。ゲート閾値を調整可能なハイパーパラメーターとして扱います。閾値 0.5 では受け入れすぎ。0.7 では戦略を飢えさせる。その間のどこかがあなたの稼働ポイントです。
リテール・ビルダーが犯すミス:ゲートを完全にスキップする(シグナルが氾濫し、エッジが希釈される)か、戦略全体をモデルで置き換える(過剰適合崩壊)かのどちらか。ゲートは加法的であるべきです。シグナルが先、次にゲート、次にトレード。
失敗モード #3 — 市場レジームを無視する(BTC テープ効果)
仮想通貨のアルトコインは独立した資産ではありません。これらはビットコイン・センチメントへのレバレッジ・プレイで、その上に固有のノイズが乗っています。BTC が 15 分で 4% ダンプすると、相関行列はアルト市場全体で約 1 に崩壊し、そのウィンドウで発火するアルトコイン・シグナルはほぼ確実に悪いフィルです。
レジーム・ゲート は、より広い市場の状態、最も一般的には BTC「テープ」の状態に基づいて戦略の動作を無効化または変更するトップレベル・フィルターです。パターンはシンプルです。BTC が直近 N 分で X% 以上動いた(またはその短期実現ボラティリティが閾値を破った)場合、アルト戦略のエントリーを抑制します。
これは、あらゆるロング/ショート・アルト戦略にとって非交渉条件です。それなしでは、あなたの戦略は、BTC のロスカットがすべてのアルトを 8–12% 引きずり下ろそうとしているまさにその瞬間に、体系的にポジションを開きます。
ナイーブな反論は「でも私の戦略はすでに ATR / ポジション・サイジングを通じてボラティリティを考慮している」です。していません。ATR は 遅行 指標です。ロスカット・カスケードは ATR が適応できるより速い時間スケールで起こる 先行 イベントです。あなたのストップが広げられる頃には、カスケードはすでにあなたのエクイティを食べています。
具体的には、ローリング BTC「テープ・ステート」特徴量を計算します。例えば、直近 5 分の絶対リターンからローリング・ベースラインを引いたもの。この特徴量が閾値をクロスしたら、相関戦略における新規エントリーをブロックするグローバル・フラグを設定します。フラグで既存ポジションをクローズしないでください(それはあなたのポートフォリオ自体の売りカスケードを作ります)。新規を開かないだけにとどめます。
閾値自体は経験的です。合理的な開始点:BTC の 5 分絶対リターンが 1.5% を超えたらアルト・エントリーをブロックし、トリガーが消えた後 30–60 分ブロックを保持し、そこから調整します。
ショート側戦略に有用なバリアントは、抑制するだけでなく、エントリー条件として BTC テープ・シグナルを 要求 することです。「BTC も弱まっていない限り、アルトをショートしない」。これはレジーム・フィルターをレジーム確認に変え、トレード数を 60–80% 削減しながら、勝率を大幅に改善する傾向があります。
失敗モード #4 — 歴史的スイープによる過剰適合
バックテストにおける 過剰適合 とは、歴史的エクイティ・カーブが素晴らしく見えるまで戦略パラメータを調整する一方、新しいデータに対してゼロの予測力を持つ戦略を生み出す慣行です。他のどの失敗モードよりも確実にリテール・ボットを殺します。なぜなら、それを可能にするツール(パラメータ・スイープ、最適化グリッド、「オートチューン」)は、すべてのフレームワークが機能として売っているのと同じツールだからです。
メカニズム:K 個の自由パラメータを持つ任意の戦略は、K が大きくなるにつれて段階的により多くのチェリーピッキングで歴史的データに適合できます。RSI 閾値を 20 から 40 まで 1 刻みで、テイクプロフィットを 1% から 5% まで、ストップロスを 0.5% から 3% までスイープすると、21 × 41 × 26 = 22,386 の戦略バリアントの探索空間を作ったことになります。それらの最良のものは、完全にランダムなデータ上ですら、純粋な偶然だけで驚くべき Sharpe を持つでしょう。
Bailey, Borwein, López de Prado and Zhu による 2014 年の論文 "The Probability of Backtest Overfitting" がこれを形式化しました。テストされた戦略バリアントの数が増えるにつれて、最良の in-sample バリアントの期待される out-of-sample Sharpe が、現実的な任意のサンプルサイズに対して ゼロを下回る ことを示しました。調整するほど、ライブ PnL は悪くなります。
修正は「調整するな」ではありません。規律です:
- 単一のバックテストではなく、ウォーク・フォワード・クロス・バリデーション。履歴を 12 以上のローリング・ウィンドウに分割します。各訓練フォールドで調整し、対応するテスト・フォールドで評価し、すべてのテスト・フォールドにわたってパフォーマンスを平均します。各訓練フォールドで選ばれた「最良」パラメータは、安定したテスト・フォールド・パフォーマンスを生むべきです。そうでないなら、あなたの戦略は堅牢ではありません。
- パラメータ数にペナルティを課す。各自由パラメータは、in-sample ではなく out-of-sample メトリクスにおける意味のある改善で自身を正当化すべきです。Akaike Information Criterion または単純な held-out 検証のどちらも機能します。
- IR の低下のリアリティ・チェック。一般的なヒューリスティック:展開後、ライブ情報レシオはおそらく in-sample IR の約 1/3 になることを期待します。in-sample Sharpe が 3 なら、おそらく Sharpe 1 で生きるでしょう、それで結構です。in-sample Sharpe が 0.9 なら、0.3 で生きることになり、手数料と slippage を引くとコインフリップです。多くのリテール戦略は、in-sample エッジが IR 縮小を生き残るほど大きくなかったために失敗します。
失敗モード #5 — 誤って行われたリスク・リワード・ゲーティング
ほとんどのリテール戦略は、単一のグローバルなリスク・リワード(RR)要件を設定します。「私は少なくとも 2:1 の reward-to-risk のトレードしか取らない」。これは厳密に聞こえますが、特定の戦略ファミリーの勝者集団全体を黙ってフィルタリングします。
エラー:RR は単独の戦略の特性ではありません。戦略のヒット率の特性です。ヒット率 70%、RR 1.2:1 の戦略は、ヒット率 35%、RR 2:1 の戦略よりも高い期待値を持ちます。高ヒット率戦略に 2:1 セットアップを見つけさせることは、そのネイティブ・パターンに存在しないセットアップを待つことを意味し、結果として月 3 トレードしか取らず統計的有意性のない完璧にゲートされた戦略になります。
修正は、経験的にキャリブレートされた、戦略ごとの RR 閾値です。システム内の各戦略について、歴史的ヒット率を測定し、ブレークイーブン RR (break_even_RR = (1 - hit_rate) / hit_rate) を計算します。教科書の 2:1 をコピーする代わりに、本番 RR 閾値をブレークイーブンより上の防御可能なマージン、通常は 1.2 倍から 1.5 倍に設定します。
(1 − hit_rate) / hit_rateダイバージェンス・ベースの平均回帰戦略は、ヒット率が 65% なので min_RR = 1.2 で収益性を持って稼働するかもしれません。トレンド・フォロー・ブレイクアウト戦略は、ヒット率が 30% なので min_RR = 2.5+ が必要です。両方を同じ RR ルールに強制すると、片方を殺します。
関連する 2 番目のエラーは、エントリー時の実際の市場構造から RR を計算するのではなく、静的 ストップと 静的 ターゲットを使って RR を計算することです。構造的サポート・レベルに対して計算された 2:1 RR は、固定 1% ストップに対して計算された 2:1 RR とは異なる賭けです。構造ベースのストップを無視する戦略は、価格幾何学ではなくノイズに対して自身をゲートしていることになります。
失敗モード #6 — Slippage とレイテンシーの盲点
バックテストは終値で約定します。ライブ・トレーディングはオーダーブックが与えるもので約定します。その 2 つの間のギャップが、紙の上で収益性のある戦略と、実マネーの損失マシンの違いです。
3 つの slippage の源がリテール・ボットを殺します、過小評価されている深刻度の順に。(注文票に表示されないすべてのコスト・ライン — funding、mark spread、動的決済、ADL — の取引所別の詳細については、Binance、Bybit、OKX の隠れたコストを参照してください。)
1 つ目はスプレッド・クロス。バックテストは $42,150 で買ったと仮定します。ライブ注文は $42,158 のオファーに当たる成行注文です。$42K の BTC ポジションでの 8 ドルは、約 2 ベーシスポイントの slippage で、毎トレードです。月 200 トレードを取る戦略では、それは年率 4% の drag で、6% の名目アルファを消すのに十分です。
2 つ目はマーケット・インパクト。これは大型ペアでのリテール・サイズでは小さいですが、中型アルトでは、$5K の成行注文でも低流動性時間にオーダーブックを目立って動かす可能性があります。バックテストが終値を使い、ライブ執行がブックの 3 レベルをスイープするなら、フィルごとに数十ベーシスポイントを払っていることになります。
3 つ目、そして微妙なものは、決定時のマイクロストラクチャです。あなたの戦略はキャンドルの終値でエントリーすることを決定しました。決定から注文到着までの間に、スプレッドが動き、キューがシフトし、約定する価格はもはや決定をトリガーした条件に対応しません。効果は高速市場で複利化し、それはまさにリテール・ボットが最も多くポジションを取る市場です。
修正は、決定の瞬間のオーダーブック状態の シャドウ・キャプチャ で、トレードと共に永続化されます。トップ・オブ・ブックの bid/ask、ベーシスポイント単位のスプレッド、±0.1% / ±0.5% / ±1% の深さ、直前 10 秒のテイカー・ボリュームをキャプチャします。トレードがクローズした後、これらを実際のフィル品質と比較します。期待されるフィル品質と実現されたフィル品質の間のギャップがあなたの真の slippage 予算で、これを明示的に追跡することが、不可視の drag を可視で修正可能なものに変えます。
具体的に:決定時のマイクロストラクチャを無視するボットは、それを明示的にモデル化するボットよりも、ラウンドトリップあたり通常 15–40 ベーシスポイント多く払います。トレードあたり 50bp のグロス・エッジを持つ戦略では、それが収益性のある/ない の違いです。
失敗モード #7 — サイレントな戦略 decay(ライブ・モニタリングなし)
戦略は decay します。仮想通貨市場が独自に残酷だからではなく(あらゆる市場のあらゆる戦略は decay します)、リテール・ボットが利用するアルファのエッジには、月、時には週で測られる半減期があるからです。クオンツ業界にはこの用語があります:alpha decay。
失敗モードは decay 自体ではありません。リテール・ビルダーが戦略を展開し、2 週間それを見て、緑の PnL を見て、見るのをやめることです。6 か月後にアカウントを見ると、エクイティは展開時のベースラインを下回り、戦略はそのウィンドウのほとんどの間、静かに収益性がなかったのです。
エクイティが出血する前にこれを捕まえる 3 つのモニタリング・アーティファクトがあります。
1 つ目、ヒット率ドリフトの検出。30 日ローリング・ヒット率を戦略のキャリブレーション期間からの期待ヒット率に対して追跡します。ローリング数値がベースラインから 1.5 標準偏差以上下回って 2 週間連続したとき、戦略は decay 中です。一時停止し、再展開前にゲートのキャリブレーションを再実行します。
2 つ目、ゲート合意のモニタリング。戦略が ML または統計的ゲートを使う場合、ゲートの予測と実際のトレード結果の間の合意を追跡します。合意が下がるとき、ゲートはもはや情報を提供しません。市場レジームがゲートの訓練分布の外にシフトしたのです。これは通常、ヒット率ドリフトの 1–2 週間前に起こり、早期警告を与えてくれます。
3 つ目、slippage ドリフト。失敗モード #6 の決定時マイクロストラクチャ・キャプチャも、時間にわたってモニタリングされるべきです。スプレッドの上昇、ブック深度の低下、実現 slippage の上昇はすべて、戦略の好む執行ウィンドウがより高価になっていることを示し、しばしばより多くのボットが同じトレードに到着したためです。
実用ルール:これら 3 つのアーティファクトを追跡するモニタリング・ダッシュボードなしに 90 日以上稼働している戦略は、知らずに出血しています。修正は理論的ではありません。日次レポート、プレーンテキストのメールでも構わないので、各メトリックをベースラインに対して表示する形でセットアップしてください。コストはエンジニアリング 1 日。節約は、検出と次のブローアップの間にあなたが失ったすべてです。
実際に機能する 10% — 12 ポイントの展開前チェックリスト
完全な市場サイクル(強気、弱気、レンジ)を生き残る戦略は、小さな構造的特性のセットを共有します。本番に新しいボットを展開する前にこのチェックリストを使ってください。
Backtest integrity
Signal quality
Execution realism
Live monitoring
12 すべてを満たす戦略が収益性を保証されているわけではありません。市場は市場のままです。しかし、これらのうち 3 つ以上で失敗する戦略は、統計的に損失を出す 90% に加わる運命にあり、通常は展開から 6–12 か月以内です。
よくある質問
仮想通貨トレーディング・ボットは利益を出せるのか?
一部はそうです。ESMA のブローカー開示(リテール損失率 74–89%)、ピアレビューされたリテール・デイトレーダー研究(Chague et al. 2019: ブラジル先物で 97% が損失;Barber et al.: 台湾で約 80%)、そしてオンチェーンのボット・ウォレット分析を三角測量すると、市場サイクル全体でのリテール仮想通貨ボットの収益性は、運用者の上位 10–25% に集中する可能性が最も高いです。仮想通貨ボットの数字をより正確に分離するピアレビュー研究は存在しません。
仮想通貨トレーディング・ボットの何パーセントが損をするのか?
市場サイクル全体でおよそ 75–90% で、同じ証拠スタックに基づきます:規制当局が義務付けた CFD ブローカーの損失率開示、リテール・デイトレーダーの収益性に関する学術研究(Chague, De-Losso and Giovannetti 2019; Barber, Lee, Liu and Odean)、そして公開されているボット・マーケットプレイス・データ。仮想通貨ボットを具体的に分離する研究はありませんが、この数字を生み出す失敗モード(過剰適合、生存バイアス、レジーム盲目、slippage drag)は、個々の戦略において観察可能かつ定量化可能です。
バックテストは良く見えるのに、なぜ私の仮想通貨トレーディング・ボットは損をするのか?
最も一般的な原因は、バックテストにおける生存バイアスと、ライブ執行でモデル化されていない slippage の組み合わせです。デフォルトのデータソースから取得したバックテストは、生存しているコインのみを含み、終値での約定を仮定しており、これらはいずれもバックテスト・リターンを年率 5–20% 膨張させます。過剰適合とレジーム・ゲートの欠如を加えると、30% Sharpe 3 のバックテストが Sharpe 0.2 のライブ PnL になり得ます。
2026 年に仮想通貨トレーディング・ボットは実際に機能するのか?
はい、ただし 7 つの失敗モードに対する明示的な防御を備えて構築された場合に限ります。point-in-time ユニバース、シグナル・ゲーティング、レジーム・フィルタリング、キャリブレートされた RR 閾値、決定時の slippage キャプチャ、ライブ・モニタリングを組み合わせたボットは、2026 年もリスク調整後リターンをプラスで生み出し続けています。これらのうち 2 つを省くボットは、通常、手数料控除後の BTC の単純な buy-and-hold を下回ります。
仮想通貨トレーディング・ボットが機能し始めるまでどれくらいかかるのか?
正しく構築されたボットは、ライブ展開の最初の 60–90 日以内にネット・プラスになるはずです。そうでない場合、in-sample バックテストはおそらく過剰適合していました。真のエッジを持つ戦略は、ヒット率に応じて 100–300 トレード以内に統計的に有意な out-of-sample パフォーマンスを示す傾向があります。その範囲を超えて「収束にもっと時間が必要」という主張は、通常、本物のエッジがない戦略を示します。
仮想通貨トレーディング・ボットを作る方が良いか、買う方が良いか?
作る方は時間的にコストが高いですが、失敗コストでは安いです。マーケットプレイスの既製ボットは、ほぼ普遍的に同じ過剰適合とレジーム盲目の問題を抱えています。なぜなら、マーケットプレイスのインセンティブは歴史的に良く見える戦略を公開することであり、それはまさに最も過剰適合しやすい種類の戦略だからです。12 ポイントのチェックリストを適用したカスタム・ボットは、トップ評価のマーケットプレイス・ボットよりも測定可能なほど優れた確率を持ちます。
結論
90% の数字は、何千ものリテール・トレーディング・システムで繰り返される 7 つの具体的なエンジニアリング・エラーの累積結果です。各エラーには修正があります。修正のほとんどは技術的に難しいわけではありません;退屈で、すべての「AI トレーディング・プラットフォーム」のマーケティング・コピーが積極的に対抗する規律を要求します。
ボットを構築しているなら、あなたのエッジはより良いインジケーターを見つけることにありません。インジケーター・ユニバースは枯渇しています;Twitter スレッドに収まるすべてのリテール・エッジはすでにアービトラージされています。あなたのエッジは、上記の 7 つのエラーを犯さないことから来ます。それはほとんどのリテール仮想通貨コンテンツがする主張よりも小さく、より正直な主張で、データと整合する唯一の主張です。
戦略コードを 1 行書く前に、12 ポイントのチェックリストから始めてください。point-in-time ユニバースの構築、シグナル・ゲート、レジーム・フィルタリング、ライブ・モニタリングに費やす時間は、インジケーターを調整するドーパミンに比べて遅く感じるでしょう。それらはまた、10% と 90% を分ける作業の一部です。
出典と追加読み物
- Chague, F., De-Losso, R., Giovannetti, B. (2019). Day Trading for a Living? University of São Paulo / FGV-EESP Working Paper. SSRN: 3423101. 結論:300 日以上続けたブラジル先物デイトレーダーの 97% が損失;経験による学習の証拠なし。
- Barber, B., Lee, Y.-T., Liu, Y.-J., Odean, T. (2014). The Cross-Section of Speculator Skill: Evidence from Day Trading. Journal of Financial Markets. 結論:重い台湾デイトレーダーの約 19% が手数料控除後にプラスの異常リターンを稼ぐ。
- Bailey, D., Borwein, J., López de Prado, M., Zhu, Q. J. (2015). The Probability of Backtest Overfitting. Journal of Computational Finance. SSRN: 2326253. 戦略探索が out-of-sample パフォーマンスを犠牲にして in-sample Sharpe を膨張させることの形式的証明。
- ESMA, Product Intervention Measures on CFDs(2018 年以降更新)。リテール CFD 損失率の開示義務。業界全体のレンジ:74–89%。
- eToro, General Risk Disclosure および FCA 義務の UK 損失率開示(現在 UK 77%;グローバル 51%)。etoro.com/customer-service/general-risk-disclosure。
- Glassnode / Kaiko, MEV およびアービトラージ・ボット・ウォレットの収益性に関する公開オンチェーン分析(2023–2024)。収益性は運用者の上位 5–10% に集中。