😤『米国株で日経を予測できる！？』PCA論文は正しいのか？そして実際に勝てるのか？

😤 「米国が下がったら、翌日の日本も下がるよね？」

皆さん、こんな経験ありませんか？

朝起きてスマホを見たら、ダウが-500ドルの大暴落 📉

「あー、今日の日経も下がるだろうなぁ...」

そう思って寄り付きを見たら、案の定ギャップダウン。

「だったらそれ、トレードに使えるんじゃね？」 🤔

実はこの発想、学術論文で真面目に研究されてるんです。

今回は「部分空間正則化付きPCAを用いた日米業種リードラグ投資戦略」（SIG-FIN-036-13）という論文の手法を、セクターETF 25銘柄 を使って論文準拠でガチ再現バックテストしました。

検証で答えたい問いは2つ：

1. 論文の主張は正しいのか？ — PCAでセクターリードラグは検出できるのか
2. 実際に運用で勝てるのか？ — リアルマネーで利益が出るのか

結論を先に言います。1はYes寄り、2は明確にNo 😤

📦 データソース：論文に忠実に「セクター別ETF」を使う

論文は米国11セクターETF + 日本17セクターETFを使っている。セクター別データこそがPCAの情報源。

使用データ

合計25変数でPCAを構築。論文の28変数にかなり近い。

米国セクターETF（9本）

XLB(素材), XLE(エネルギー), XLF(金融), XLI(資本財), XLK(テクノロジー), XLP(生活必需品), XLU(公益), XLV(ヘルスケア), XLY(一般消費財)

※ XLC(通信)は2018年6月〜、XLRE(不動産)は2015年10月〜で期間が短いため除外

日本セクターETF（TOPIX-17連動、16本）

1617(食品), 1618(エネルギー資源), 1619(建設・資材), 1620(素材・化学), 1621(医薬品), 1622(自動車・輸送機), 1623(鉄鋼・非鉄), 1624(機械), 1625(電機・精密), 1626(情報通信), 1627(電力・ガス), 1628(運輸・物流), 1629(商社・卸売), 1630(小売), 1631(銀行), 1633(不動産)

データ品質の検証

データの正確性は検証で最も重要な部分。以下を確認済み：

• Stooq ^NKX と Exness JP225m の価格相関: 0.999（ほぼ完全一致）
• 米国セクターETF: 全9本が2015年1月〜2025年12月の完全データ（2766本）
• 日本セクターETF: 銘柄によりデータ欠損あり（後述）
• Buy & Hold: 日経225指数（^NKX）の実価格から直接計算（取引コスト無し）

時間アライメント

• 米国ETFの日足 = NYSE営業日ベース（ET基準）
• 日本ETFの日足 = TSE営業日ベース（JST基準）
• MT5のJP225m = Exness UTC+0基準 → JST(+9h)に変換して日付特定
• 米国 day t → 日本 day t+1（翌営業日）でアライメント

🎓 PCA超入門：「お弁当屋さん」で理解する主成分分析

PCA（Principal Component Analysis＝主成分分析） って聞くと、数学のお化けみたいに感じますよね 😱

でも実は、お弁当屋さんの仕入れ で考えるとめちゃくちゃわかりやすいんです！

お弁当屋さんのたとえ話 🍱

お弁当屋さんが毎日25種類の食材を仕入れているとします。

• 鶏肉が売れる日は、卵も米もよく売れる
• キャベツが売れる日は、きゅうりもトマトも売れる
• 雨の日は全体的に売上が落ちる

25種類の食材の売上を1つずつ追いかけるのは大変ですよね。

PCAは「実は天気と曜日の2つだけ見れば、25種類の食材の動きがだいたいわかるよ」という 隠れたパターンを見つける技術 なんです！

株式市場に置き換えると...

• 食材 → 各国のセクターETF（米国テック、日本銀行、米国エネルギー...）
• 天気と曜日 → グローバルリスクオン・オフ、セクターローテーション
• 隠れたパターン → 「米国テックが先に動いて、日本の電機・精密が遅れて追随する」

25変数のPCAなら、セクター間のリードラグ構造をちゃんと捉えられます 💡

🔧 戦略の仕組み

リターン計算

米国側: r_us(t) = close(t) / close(t-1) - 1   ← 9セクターETF Close-to-Close
日本側: r_jp(t+1) = close(t+1) / close(t)  - 1  ← 16セクターETF（PCA入力用）
売買評価: JP225m Open-to-Close (day t+1)     ← 寄り→引けの日計り
Buy & Hold: 日経225指数の実価格推移（コスト無し）

PCAシグナル生成

1. ローリングウィンドウ（60日）で直近のデータ取得
2. 25変数（米国9 + 日本16） の相関行列（25×25）を計算
3. 部分空間正則化: C_reg = (1-λ)C_直近 + λ*C_事前知識
4. 固有分解して上位K個のファクター抽出
5. 米国9セクターの当日リターン → ファクタースコア → 日本16セクターの翌日方向を予測
6. 16セクターの予測平均 = 市場全体の方向シグナル

売買ルール

• シグナル > 0 → JP225m買い（寄り→引け）
• シグナル < 0 → JP225m売り（寄り→引け）

📊 バックテスト結果（メイン期間：2019〜2025）

テスト条件

• 期間: 2019年7月〜2025年12月（約6.5年）
• PCA入力: 米国9 + 日本16 = 25変数
• 売買対象: JP225m Open-to-Close（スプレッド未考慮）
• Buy & Hold: 日経225指数（^NKX）の実価格推移（コスト無し）

4戦略の比較

累積リターン比較

年別リターン

ドローダウン比較

📊 論文期間相当のバックテスト（2015〜2019）

論文が対象とした2008〜2018年にはStooqのデータが存在しないため、2015〜2019年をインサンプル期間として追加検証した。

重要な注意：データ品質の制約

日本のTOPIX-17セクターETF（Stooq経由）は2015〜2019年期間に大量の欠損日がある。16銘柄全てにデータが揃う日は年間約53日しかなく、年間約245営業日のわずか22%。

この極端なデータの疎らさにより、PCA戦略の論文期間結果は信頼性が低い。参考値として掲載するが、この結果から結論を導くべきではない。

結果（参考値）

PCA戦略のシャープレシオ6.33は現実にはあり得ない数値。258回という少ないトレード数と、全営業日の22%しかカバーしない偏ったデータサンプルが原因。これはデータの疎らさが生んだ幻であり、戦略の実力ではない。

問い①：論文の主張は正しいのか？

答え：部分的にYes

PCA PLAINの結果を見てみよう。

• 累計リターン -11.5%、PF 0.99（ほぼ1.0）
• 6.5年間で1,197回のトレードをして、ほぼトントン

完全にランダムなシグナルならもっと大きくブレるのが普通。PFが0.99に着地するということは、PCAが抽出したシグナルにはランダム以上の方向予測情報が含まれている可能性がある。

つまり論文が主張する「米国セクターETFの動きから日本株の翌日の方向をPCAで予測できる」という仮説自体は、セクター別データを使えば一定の裏付けがある。

ただし「正則化が効く」という主張はNo

論文はλ=0.9の部分空間正則化がパフォーマンスを改善すると主張している。

今回の結果は真逆：

• PCA PLAIN (λ=0): -11.5%
• PCA SUB (λ=0.9): -32.2%

正則化が大幅に悪化させている。「全銘柄が同じ方向に動く」という事前知識が、2019〜2025年のセクター二極化時代に合わないのが原因。

パラメータ感度分析

• W=30, λ=0.9 がシャープレシオ0.53でベスト
• W=30（短期ウィンドウ）は全λでプラス圏
• W=60以上は全滅

短いウィンドウが良いということは、リードラグの構造が急速に変化していることを示唆。市場が効率化してラグが縮小している証拠かもしれない。

問い②：実際に運用で勝てるのか？

答え：明確にNo 🔴

「方向予測力がある」ことと「運用で利益が出る」ことは全く別の問題。

理由1：スプレッドの壁

PCA PLAINの平均日次リターンはほぼ0%。一方、JP225mの実際の取引コスト：

• スプレッド: 10〜30ポイント
• 寄付きスリッページ: 5〜20ポイント
• 合計: 0.05%〜0.17%/片道

年間250営業日 × 片道0.1% = 約25%がコストで消える。

理想環境で-11.5%のものに25%のコストが乗れば、年間-36.5% 。話にならない。

理由2：最大ドローダウンが実用に耐えない

PCA PLAINでも最大-42.2%。資金が半分以下になる瞬間がある。これに耐えられるメンタルと資金量を持つ個人トレーダーは極めて少ない。

理由3：パラメータの不安定性

「W=30, λ=0.9ならシャープ0.53」は事後最適化の結果。

隣のパラメータを見てみると：

• W=30, λ=0.0 → シャープ0.08
• W=60, λ=0.9 → シャープ**-0.42**
• W=120, λ=0.7 → シャープ**-0.37**

ウィンドウを30→60に変えただけでプラスからマイナスに転落する不安定さ。こんなパラメータ依存度の高い戦略をリアルマネーで走らせるのは博打と変わらない。

理由4：Buy & Holdの圧倒的な優位性

2019〜2025年は日経225がバブル後最高値を更新した歴史的上昇トレンド。

何もしないで日経225を保有するだけで年率+14.5%、シャープ0.67。累計+133.8%。

PCA戦略がこれに勝つには、方向予測の精度が53%以上必要（コスト考慮後）。実際の勝率は47.4%。全然足りない。

🎯 2つの問いへの最終回答

これが意味すること

学術論文の「統計的に有意な予測力がある」と、トレーダーの「これで稼げる」の間には巨大な溝がある。

• 学術的な意味: PCAでセクターリードラグを抽出できること自体は面白い発見
• 実用的な意味: コスト・ドローダウン・パラメータ不安定性の3重苦で実運用は不可能

論文が正しいことと、それで儲かることは全然違う。 この認識がない人が「論文で証明済み！」と煽るから初心者が損をする。

💬 最後に

この検証を通じて確信したことがあります。

「予測できる」と「勝てる」は別の問い。

PCAは確かにセクターリードラグの信号を拾っている。でもその信号は、スプレッドという名の摩擦を超えるほど強くない。

トレードで利益を出すには、予測力だけでなく コスト効率・リスク管理・パラメータの頑健性 が全て揃わないといけない。どれか1つでも欠けたら、美しい理論も机上の空論で終わります。

考察記事で、この「方向予測 ≠ 収益化」のギャップをもっと深く掘り下げます 🔬