📊【検証】RSIで価格予測は本当にできるのか？28,000本のデータで判明した衝撃の真実

😤「RSI70で売れ！」って言うけど...

FX始めた頃、こう教わりませんでしたか？

「RSIが70を超えたら買われすぎ！売りのサイン！」

「RSIが30を下回ったら売られすぎ！買いのサイン！」

私もそう信じてました。😇

だってチャートに表示されてるRSIが70超えたら「そろそろ下がるでしょ」って思うじゃないですか。

でも、ふと思ったんです。

「これ、本当にデータで検証したことある人いるの？」

探してみたけど...見つからない。

「RSI70で反転しやすい！」って言ってる記事は山ほどあるけど、統計的な検証をしてる記事がない。

だったら自分で検証するしかない！ 🔥

🎯 この記事で検証すること

「RSIは本当に価格予測に使えるのか？」を統計的に検証！

1. 📊 約6年分のドル円データを分析（2018年〜2025年）
2. 🔍 28,000本の1時間足でRSIを計算
3. 📈 「何もない状態」vs「RSI70到達時」の分布を比較
4. 🧪 t検定で統計的有意差を検証

結論を先に言っちゃいます... 🤫

RSI70で「下がりやすい」は統計的に支持されない！

でもRSI30で「上がりやすい」は一部で有意！

つまり...RSIは非対称だった！ 😱

検証方法

比較する3つのグループ

今回は以下の3つのグループを比較します：

検証内容

1. 各グループの平均リターンを計算
2. RSI70/30グループがベースラインと統計的に異なるかをt検定
3. 複数の時間足（1時間足、4時間足、日足）で検証
4. 複数の将来期間（1本後、5本後、10本後、20本後）で検証

検証環境

- Python 3.11 + MetaTrader5
- 通貨ペア: USDJPY
- データ期間: 2018年7月〜2025年12月（約6年半）
- RSI期間: 14（標準）
- 時間足: H1（28,796本）、H4（8,140本）、D1（2,330本）

検証結果

1時間足の結果

まず、最もデータ量の多い1時間足から。

え？RSI70でも上がってるじゃん... 😱

そうなんです。RSI70の時も、その後の価格は平均的に上がってます。

しかも、ベースラインとの差を統計検定すると...

全部p>0.05！統計的に有意な差がない！ 😂

分布で見てみよう

ヒストグラムで見ても、3つのグループはほぼ同じ分布。

RSI70だから下がりやすい？RSI30だから上がりやすい？

1時間足では、そんな傾向は見られません。

箱ひげ図での比較

箱ひげ図で見ても、中央値・分布の広がりはほぼ同じ。

RSIによる「予測力」は、1時間足ではほぼゼロと言っていいでしょう。

4時間足・日足の結果

長い時間足だとどうなるか？

おっ、日足と4時間足では様子が違う！ 👀

4時間足（H4）

日足（D1）

驚きの発見！ 🎉

• RSI≧70: どの時間足でも統計的に有意な差なし（p>0.05）
• RSI≦30: 4時間足・日足で統計的に有意に上昇（p値0.05未満）

RSIゾーン別詳細分析

RSI値と将来リターンの散布図を見ると、ほぼランダム。

相関関係はほとんど見られません。

でも細かくゾーン分けすると...

売られすぎゾーンの方が若干リターンが高い傾向はありますが、差は微々たるもの。

なぜこうなる？RSIの限界

1. RSIはトレンドに弱い

RSI70が続く強い上昇トレンドでは、「買われすぎ」のまま価格は上がり続けます。

「買われすぎ=下がる」ではなく、「買われすぎ=強い」の可能性も。

2. RSI30も同様...のはずが？

理論的にはRSI30も同じはずですが、なぜか売られすぎからの反発は統計的に有意。

考えられる理由：

• 急落後のリバウンドは発生しやすい
• 買い手が押し目買いで入りやすい
• 心理的なサポートとして機能している可能性

3. 非対称性の正体

これは相場の非対称性を反映しているのかもしれません：

• 上昇はジワジワ、ゆっくり
• 下落は急激、短期間

急落後のRSI30は「行き過ぎた売り」の可能性が高く、反発しやすい。

一方、RSI70は「強いトレンドの途中」である可能性も高く、必ずしも反落しない。

結論

😱 RSI70神話は崩壊

「RSI70で買われすぎ→売れ！」は統計的に支持されません。

• 1時間足: 有意差なし
• 4時間足: 有意差なし
• 日足: 有意差なし

RSI70を根拠に売るのは、ただの願望トレード。

🎉 RSI30にはチャンスあり？

一方、「RSI30で売られすぎ→買え！」には一定の根拠があります。

• 4時間足: 5本後〜20本後で有意に上昇
• 日足: 1本後〜10本後で有意に上昇

急落後のリバウンドを狙う戦略は、データ的に支持されています。

📊 RSIの正しい使い方

まとめ

28,000本以上のデータを統計検定した結果...

1. RSI70「買われすぎ」で下がりやすいは嘘（統計的に有意でない）
2. RSI30「売られすぎ」で上がりやすいは本当（4時間足・日足で有意）
3. RSIの予測力は非対称（売られすぎの方が信頼できる）
4. 短い時間足ではRSIはほぼ無意味（1時間足では全く有意でない）

「RSI70で売れ」を教えてくれた人、ごめん。

データは嘘をつきませんでした。 😅

検証コード

今回の検証に使用したPythonコードは以下の通りです。

import MetaTrader5 as mt5
import pandas as pd
import numpy as np
from scipy import stats

# RSI計算
def calculate_rsi(df, period=14):
    delta = df['close'].diff()
    gain = (delta.where(delta > 0, 0)).rolling(window=period).mean()
    loss = (-delta.where(delta < 0, 0)).rolling(window=period).mean()
    rs = gain / loss
    return 100 - (100 / (1 + rs))

# 将来リターン計算
def calculate_forward_returns(df, periods):
    for period in periods:
        df[f'return_{period}'] = (df['close'].shift(-period) / df['close'] - 1) * 100
    return df

# 統計検定
def analyze_rsi_effectiveness(df, rsi_col='rsi'):
    baseline = df['return_5'].dropna()
    overbought = df[df[rsi_col] >= 70]['return_5'].dropna()
    oversold = df[df[rsi_col] <= 30]['return_5'].dropna()

    # t検定
    t_ob, p_ob = stats.ttest_ind(overbought, baseline)
    t_os, p_os = stats.ttest_ind(oversold, baseline)

    return p_ob, p_os

データに基づいたトレードを！ 📊

この記事が参考になったら、他のデータ検証記事もチェックしてみてください。

あなたのトレードが、データで裏付けられますように！ 🙏