🔬【考察】25変数PCAでも日経予測は困難だった ― データの質・市場構造・コストの3重苦を解剖する

🔬 「PF 0.99」が持つ意味を考える

前回の検証で、25変数PCA（米国9セクター + 日本16セクター）のPCA PLAINは PF 0.99 という結果でした。

これを「負けた」で片付けるのは早い。

スプレッドゼロの理想環境でPFがほぼ1.0 ということは、PCAが抽出した方向シグナルにはランダム以上の情報が含まれている可能性が高い。完全ランダムなら6年半で1,197回のトレードを経てPFが1.0付近に収まる確率は低いが、PCA PLAINはまさにそこに着地した。

今回は「なぜBuy & Holdに勝てないのか」「何が足りなかったのか」を深掘り考察します。

考察①：セクター別データがPCAの生命線

なぜセクターETF 25変数なのか

論文の核心は「セクター間のリードラグ」にある。PCAが本領を発揮するのは、多数の変数から隠れた構造を抽出する場面。

セクターETFなら：

• 「昨夜の米国テック(XLK)が+2%で、エネルギー(XLE)が-1%」
• → PCAが「リスクオンのセクターローテーション」ファクターを検出
• → 翌日の日本の電機(1625)、情報通信(1626)がプラス方向と予測

このセクター間の温度差がPCAの武器。テック株の急騰とエネルギー株の暴落は、インデックスでは相殺されて情報がぼやける。セクター別データを使うことで、PCA PLAINがPF 0.99に着地した。これは方向予測力の証拠。

データ品質の壁

ただし、今回の検証で痛感したのは日本セクターETFのデータ品質問題。

Stooq経由のTOPIX-17 NEXT FUNDSデータは：

• 銘柄により欠損日が大きく異なる（銀行は13日欠損、小売は634日欠損）
• 16銘柄全てにデータが揃う日は、全営業日の**約60%**しかない
• 特に2015〜2019年は欠損が多く、年間53日分しか使えない

この制約により論文期間（2015-2019）のバックテストは信頼性が低い結果となった。

考察②：正則化（λ=0.9）が逆効果になる理由

論文の主張 vs 実際の結果

論文の部分空間正則化は「全銘柄が同じ方向に動く」という事前知識を90%混ぜる。

C_reg = 0.1 × C_直近 + 0.9 × C_事前知識

つまり直近データの影響はたった10%。残り90%は「全部同じ方向に動くはず」という仮定。

2019年以降はセクター間の乖離が激しい

2019〜2025年の市場を振り返ると：

• 2020年: テック爆上げ vs エネルギー暴落（コロナ）
• 2021年: バリュー株回復 vs グロース株調整
• 2022年: エネルギー暴騰（ウクライナ） vs テック暴落（利上げ）
• 2023年: AI関連だけ急騰、それ以外は横ばい
• 2024-25年: 半導体・AI vs 内需・ディフェンシブの二極化

「全セクターが同じ方向に動く」という仮定が根本的に間違っている時代。

事前知識が現実と合わないなら、正則化は有害なバイアスにしかならない。だからPCA SUBがPCA PLAINより悪化した。

パラメータ感度からの裏付け

W=30, λ=0.9のシャープレシオが0.53だった。短いウィンドウなら直近データの比率が高く（30日分の情報がより新鮮）、正則化の「害」が軽減される。逆にW=120, λ=0.9は壊滅的（-0.04）。長期ウィンドウ×強い正則化は最悪の組み合わせ。

考察③：「ほぼトントン」はスプレッドの壁を超えられない

コストの現実

JP225mの1日Open-to-Closeリターンの絶対値の平均は約0.9%（約270円相当、日経30,000円水準）。

一方、Exnessのスプレッド + スリッページ：

• 通常スプレッド: 10〜30ポイント
• 寄付きスリッページ: 5〜20ポイント
• 合計: 約15〜50ポイント ≒ 0.05%〜0.17%

**PCA PLAINの平均リターンがほぼ0%**なら、片道0.1%のコストで 年間-25% 相当の摩擦になる。

これは構造的な問題

PCAで方向を当てる力が仮にあっても、日計り戦略は毎日コストが発生する。年間約250営業日×片道0.1% = 25%がコストで消える。

方向予測の精度が51%でも52%でも、コストを上回る超過リターンを安定的に生み出さない限り、日計り戦略は成立しない。

考察④：市場の学習効果 ― リードラグは消えつつある

情報伝播の加速

2015年と2025年では、情報の伝播速度が根本的に違う：

• 2015年頃: ヘッジファンドの裁定に数時間〜1日のラグ
• 2025年: グローバルETF・先物の即時裁定、アルゴ取引の普及

米国セクターが動いた瞬間に、CMEの日経先物が反応する。東京市場の寄付きではもう「織り込み済み」 になっている可能性が高い。

適応的市場仮説

論文が検証した2008〜2018年にリードラグが存在したとしても：

1. 論文が公開される → トレーダーが実装する
2. 同じシグナルで同じ方向にトレードする人が増える
3. 市場価格に先取りされる
4. リードラグが縮小または消滅

これは「効率的市場は参加者の学習によって動的に変化する」という適応的市場仮説そのもの。

考察⑤：「方向予測」と「収益化」は別の問題

PCA PLAINの-11.5%が意味すること

• 方向予測: ランダム以上の予測力がある（PF 0.99 ≒ 勝ち幅と負け幅がほぼ同じ）
• 収益化: コストを差し引くと赤字確定

これは方向予測の精度は必要条件だが十分条件ではないことの証明。

収益化に必要なのは：

1. 方向予測の精度（✓ PCAである程度達成）
2. 予測が当たったときの利益 > 外れたときの損失 + コスト（✗ 未達成）
3. 取引頻度を下げてコストを抑える（日計り→数日保有）
4. 高確信度のシグナルだけトレード（フィルタリング）

考察⑥：Buy & Holdとの比較で見えること

日経225の+133.8%（2019〜2025年）

Buy & Holdは何もしないだけで年率+14.5%、シャープ0.67。累計+133.8%。

これは2019〜2025年が日経225にとって歴史的な強気相場だったことを意味する。バブル後最高値を更新し続けた稀有な期間。

PCA戦略はこの上昇トレンドの恩恵を受けられない。なぜなら毎日方向を予測して売り買いを繰り返すから。上昇トレンド中に「売り」シグナルが出れば利益を逃す。

逆に言えば、横ばい相場やレンジ相場なら、PCAの方向予測力が活きる可能性はある。ただし2019〜2025年はそうではなかった。

💡 改善の方向性（もしやるなら）

1. シグナル強度フィルタ

全シグナルでトレードするのではなく、シグナルの絶対値が大きい日だけトレードする。

abs(signal) > threshold の日だけエントリー

取引回数を250回/年 → 50回/年に減らせば、コスト負担は1/5になる。

2. 保有期間の延長

Open-to-Close（日計り）ではなく、2〜5日保有にすれば1回のリターンが大きくなり、コスト比率が下がる。

3. 事前部分空間の改良

等ウェイト仮定ではなく、セクターの時価総額加重や過去のファクター構造を事前知識に使う。

4. データ品質の改善

日本セクターETFのデータ欠損が大きな制約。J-Quants APIや有料データソースを使えば、より正確な検証が可能。

🎯 この考察の結論

PCAによるセクターリードラグの信号は存在する。

ただし、それを 日計り戦略で収益化するのは、スプレッドの壁があまりに厚い。

論文の手法は「予測が可能かどうか」の検証としては学術的に有意義。でも「これで稼げるか」は全く別の問いであり、その答えは現時点ではNo。

この「予測可能≠収益化可能」のギャップこそが、学術論文をトレードに適用する際の最大の壁です 🧱