市販EAの中身は、どこまで測れるのか

①

そもそも解く価値があるか確かめる

要するに：再現に成功しても取引数が足りなければ売り物になりません。 本家の成績を先に測り、割に合わなければ始めません。

いきなり解析を始めません。本家自身の成績を先に測ります。

ある対象は、5年間で882取引しかしていませんでした。 当方の採用基準は「5年で1,500取引以上」です。 どれだけ完璧に再現しても、基準を満たしようがない。 この時点で打ち切りました。

使う道具：summary.py（レポートから純益・取引数・勝率・DDを抽出）／ report_profile.py（採用基準6項目に照らす）／yearly.py（年別に分解）

②

本家を自分のテスターで走らせ、生の記録を取る

要するに：販売ページの成績は使いません。 自分のPCで走らせて、注文を全件取り出します。

販売ページに載っている成績は使いません。自分の環境で走らせた記録だけを使います。 理由は単純で、販売者の掲載成績は期間も設定も選べるからです。

ここで欲しいのは成績ではなく、注文の一件一件です。 ある対象からは 保留注文3,901件・約定1,947件を取り出しました。 これが以降すべての入力になります。

使う道具：run_tester.py（設定を書き、MT5がその設定を本当に使ったか検証し、 結果が空なら失敗として報告する）／drain_queue.py（複数条件を順に流す）／ concurrency.py（同時実行数を縛り、PCを固めない）

③

照合用の価格データを、自分で書き出す

要するに：答え合わせに使う価格データを、 本家EAが見ていたのとまったく同じ場所から自分で吸い出します。

ここがこの手法の土台です。「EAが置いた価格」を説明するには、 その瞬間に市場がどうだったかを、EAと同じ精度で持っていなければなりません。

そこで、MT5から直接データを吸い出す専用ツールを自作しています。

使う道具：上記MQL5スクリプト4本／bars.py（Python側の読み込み）／ ProbeSymbolTool.mq5（銘柄の仕様＝桁数・最小ロット・ストップレベルを取得）

④

「動かない数字」を探す — 指紋になる

要するに：数千件を並べて一度も変わらない数字を探します。 それはコードに直接書き込まれた定数です。

数千件の注文を並べて、ばらつきがゼロの値を探します。 毎回まったく同じ値なら、それはコードに直接書かれた定数です。

実例：

この段階で、EAの骨格の半分は見えます。

使う道具：orders_table.py（注文表と約定表を分けて読む）／ exit_mechanism.py（保持時間・決済時刻・決済理由の分布から、隠れた時間決済や日次手仕舞いを検出）／ stopline_fit.py／lot_check.py（ロットが本当に固定か、約定表から数える）

⑤

水準の候補式を、総当たりで当てはめる

要するに：「この価格はどう計算されたのか」の候補式を 大量に試し、実際に置かれた価格と一致する式を探します。

ここが解析の中心です。「この価格はどう計算されたのか」を、 候補となる数式を大量に試して探します。

試す家族（ファミリー）はたとえば——

• 直近N時間の高値／安値（Nを変えて総当たり）
• スイングピボット ＋ 当日始値のk%（ずらし幅を「ドル」ではなく「当日始値に対する％」で持つ）
• フィボナッチ比率
• 直近N本の極値

「一致」の定義を先に固定する

一致率という数字を出す以上、「どこまでを一致とみなすか」を決めておかないと、 その数字は読めません。甘くすれば、いくらでも上がるからです。

本手法では価格の 0.02% を使っています。金が3,000ドルなら0.60ドル、 ドル円150円なら3銭です。

使う道具：generic_level_fit.py（ピボット＋％オフセットの当てはめ）／ fit_by_count.py／fib_fit.py／candidates.py／hypotheses.py（仮説を宣言して管理）／ model_select.py

⑥

帰無検定 — 「それ、偶然じゃないの？」に答える

要するに：わざと成立しないはずの条件で、まったく同じ計算をやり直します。 そこでも当たってしまうなら、最初の一致は式の正しさではありませんでした。

この手順が無い一致率には、意味がありません。

候補式を何千通りも試せば、何かは必ず当たります。 だから、当たったあとに必ずこれをやります。

価格データの参照時刻だけを、+45日 / −45日 / +120日 / −120日 ずらして
まったく同じ当てはめをやり直す

時計をずらせば、規則との対応関係は壊れます。 それでも一致率が高いままなら、その「一致」は式の正しさではなく、 価格が滑らかであることによる偶然です。

この検定が保証すること・しないこと

保証すること。時計をずらした系列でも価格の性質（トレンド・ボラティリティ・ 値動きの滑らかさ）は保たれます。にもかかわらず一致率が0%付近まで落ちるなら、 当たっていたのは「価格が滑らかだから」ではなく「時刻と価格の対応が正しいから」です。

保証しないこと。これは「その式が本家の式である」ことまでは示しません。 示せるのは「本家の注文位置を説明する規則性が実在する」ところまでです。 同じ位置を出す別の式があり得ます。だから⑩で注文そのものと突合します。

使う道具：各fitスクリプトの --shift-days オプション／ ea_identify.py（候補が何個生き残り、どの制約で死んだかを報告し、 必ず並べ替え検定を添える）

⑦

頭打ちになったら、残差の中央値を見る

要するに：当たらない原因は「式が違う」だけではありません。 「答えは1つ」と思い込んでいるせいのことがあります。

単一のパラメータをいくら振っても一致率が上がらない——というとき、 普通は「式が違う」と考えます。が、もう一つ可能性があります。

式は正しく、パラメータが1つではない場合です。

見分け方があります。予測値と実測値の差（残差）の中央値を取る。 ある対象では、6〜24時間のすべての設定で残差の中央値がちょうど 0.000 でした。

これは「水準は極値そのもので、ずらしていない」ことを意味します。 つまり式は合っている。合っていないのは「Nが1つだけ」という前提のほうでした。

やったこと	一致率
単一の窓（15〜16時間）	57.4%
窓の集合（1/3/5/6/8/15/30時間）	74.2%

同じ発見はもう1件でも起きました（63% → 98.7%）。 「頭打ち＝残差の中央値を見る」は、いまや定型手順です。

同定が「たまたま」でないことの示し方

その98.7%の案件は、1つの数字ではなく12個の数字で示せました。 このEAは戦略が6つ、それぞれ買いと売りがあり、合計12の系統がそれぞれ独立した注文列を持っていたからです。 同じ形の式が、12すべてに当たりました。

12系統・合計21,633件。ずらした場合はすべて1.4%以下。 1つの高い数字より、12個そろっていることのほうが証拠として強いと考えています。

各系統のずらし幅と窓の組み合わせ（実際のパラメータ）は伏せています。 この同定結果は当方の出荷済み製品の中核であるためです。公開しているのは手順と、 その手順が機能したことの証拠までです。

この12系統を解いて出荷までもっていくのに使った道具と基準を、そのまま一式でお渡ししています。
この工程一式の詳細を見る →

使う道具：fit_by_count.py／divergence.py／contrast.py

⑧

発注ゲートを探す — 「どこに置くか」より難しい「いつ置くか」

要するに：置く場所が解けても、いつ置くかは別問題です。 しかもこれは、後から条件を探すと必ず「それらしいもの」が見つかってしまいます。

水準が解けても、まだ足りません。 EAは水準に常時注文を置いているわけではないからです。

ここでの落とし穴は「探せば何か出る」こと。 条件を後から探すと、ほぼ確実に「効いているように見える」ものが見つかります。 そこで、次のやり方に固定しています。

1. 調べる特徴量を先に宣言する（時刻・曜日・直近騰落・ATR・MA乖離・水準までの距離・スプレッドなど10項目）。 あとから足しません
2. EAが実際にチェックできるものだけにする。 「この週はトレンドだった」はEAには判定できないので候補外
3. 学習期間と検証期間を分ける
4. 見つかった条件はクローンに入れて走らせて確かめる。表を眺めて納得しない

使う道具：gatelab_label.py（ラベル生成）／ gatelab_scan.py・gatelab_scan2.py（分離度の走査）／ rule_discovery.py（決定木を深さ3〜4に制限し、読めるルールに変換する）／ gate_depth.py・gate_simplify.py／arm_gap.py／ sell_gate.py／jpy_intervention.py

⑨

出口を測る — 決済がどう動いたか

要するに：損切り注文がどう動かされたかを、 建値・最終的なSL位置・その取引での最大到達幅、この3つから逆算します。

決済理由が全件「SL」なのに勝っているEAがあります。 これはSLを利益方向へ動かして確定しているということです。 その動かし方（トレール則）を測ります。

方法は、建値・最終的なSL位置・その取引中の最高到達点の3つを並べること。

ロック幅 = SL − 建値
最大到達 = 建値から最も伸びた幅

  トレールが作動した取引:  ロック幅 ≈ 最大到達 − T   → T がトレール幅
  作動しなかった取引:      ロック幅 = −初期SL（動いていない）

ある対象の実測では、451件（23%）が初期SLのまま終了し、 中央値は建値+0.108——つまり大半は建値のすぐ上で確定していました。 保持時間は中央1分・p90で5分。

使う道具：trail_law.py／trail_fit.py／ exit_mechanism.py／split_entry.py／ExitEngineCheck.mq5

⑩

クローンを組んで、注文を1件ずつ突合する

要するに：組み直したEAを走らせ、 成績ではなく注文を1件ずつ突き合わせます。損益が似ているのは、証拠として弱いからです。

最後に、ここまでで同定した規則だけでEAをゼロから書きます。 本家のコードは使いません（見られません）。

そして成績ではなく、注文を突き合わせます。

ずれの原因は、注文表と約定表を分けると特定できます。

症状	原因はどこか
置いた数が本家と近いのに、約定数が多い	置く位置が近すぎる、または置きっぱなしの時間が長い
置いた数そのものが多い	発注ゲート（⑧）が足りない

使う道具：EaSkeleton.mq5（クローンの骨格）／ diff_test.py（注文ストリームの再現率・適合率）／ fidelity.py（上記の優先順で照合する）／headtohead.py／ ExecutionGuardCheck.mq5