資産運用に際しての「テクニカル分析」の導入部分を分かり易く説明することを目的にしています。

※非売品

2014年12月発刊

上記基礎編に続いて一歩進め、テクニカル分析とは何かについてさわりの部分を解説しています。

※非売品

2016年4月発刊

上記初級編①に続いてさらに進め、テクニカル分析とは何かについてさわりの部分を解説しています。

※非売品

2017年6月発刊

現在無料配布中！（送料も無料です。）

※非売品

2018年10月発刊

今回の発表では、①コロナ、②異常気象、③世界中にある対立の構図、という不安定な市場環境下で「ビットコインという新しい市場に対して着目する必要があるのか」について話した。結論から先に記せば「今こそ、ビットコインについて着目すべきタイミング」ということである。講演の内容は、1．最初に現在の市場環境について、株式市場、為替市場、商品市場、そして仮想通貨であるビットコイン市場の値動きを確認している。次に2．多くの市場参加者が誤解している点を取り上げ、その誤解について著者の見方を説明する。そして最後に、3．AI を使ったビットコイン市場の分析手法の紹介と、過去2018 年のマレーシア大会でのチャートがその後どうなったかのフォローアップに対する見方についてコメントしている。過去の値動きに対する解説ではなく今後を見据えるために、われわれはいま一度、ビットコインのテクニカル分析について考えてみる必要があるのではないか。

AI で株式投資戦略を立てる方法を説明する。予測方法として、（1）テクニカル分析の理念である株価変動パターンに焦点を当てる、（2）従来のクオンツ分析の基本となる要因に焦点を当てる、の2 種類について紹介する。もともと、AI と機械学習は異なる概念だったが、最近は同様に用いられている。機械学習は人間の脳の機能を模倣するアルゴリズムで、一般的には①教師なし学習、②強化学習、および③教師あり学習の3 種類がある。学習とは、データをうまく説明できるモデルを見つけることを意味する。
将来の株価を予測するには、画像認識や翻訳とは異なり、どのデータを抽出するかが重要になる。価格や量などの市場データ（テクニカルデータ）と、GDP や利益などの経済・金融データ（ファンダメンタル）であり、猫の画像や「This is a pen.」の英文（翻訳）と違って、事前に特徴がわからない。
予測の手法は「時系列予測」と「断面予測」の2 種類がある。時系列予測は、単一の株式に焦点を当て、履歴データから将来のリターンを予測する。一方、断面予測はすべての株価に焦点を当て、いくつかの基準で高いスコア（＝データと株価が連動する）の株式を検索する。
時系列予測は絶対リターンを予測することが目的で、投資期間は短期（月単位より短い）の場合が多い。断面予測では相対的なリターンを予測し、投資期間は長期（月単位より長い）の場合が多い。

　一目均衡表は細田悟一氏（1898 ～ 1982）が長年の金融市場の研究を通じて開発した相場分析手法である。細田氏の没後40 年近く経た現在でも、市場分析や取引を行うための有効なツールとして、トレーダーや投資家、分析者に広く親しまれている。最近では、アジアを中心に世界中でも「Ichimoku」が普及し始めているが、効果的には活用されていないようである。なぜかというと、一目均衡表は、「価格予測」「時間予測」「波動分析」など、多面的な市場分析の原理・手法が統合されたものであるため、完全にマスターするのが非常に困難だからである。当然ながら一目均衡表には原著が存在するが、海外で扱うには言語の大きな壁に遭遇する。欧米人にとっては、日本語はさまざまな意味で厄介な言語である。日本語の語彙は英語とはまったく異なり、文法構造もまったく異なるため、日本語から英語への翻訳は非常に難しく、原著で使われている日本語の適切な英訳を見つけるのも困難だ。そこで、筆者が2019 年に開催されたIFTA カイロ大会で発表した内容をベースにしたものを以下で紹介する。原著に書かれている日本語を平易な英語に翻訳したものを利用し、さらに関連する理論を加え、2020 年発行のIFTA ジャーナルに寄稿したものからの抜粋となる。すべてを掲載すると相当な分量になるため、一目均衡表の基本的な一部の見方と当時のNY ダウ、上海総合指数、エジプトの主要指数であるEGX30 を予測分析したもので構成している。

筆者は本論文で、私たちテクニカルアナリストにとって、あるいはテクニカル分析を愛する者にとって、最もなじみがあると思われる移動平均とトレンドライン、その両者の売買ルール、両者の関係を考察し、そこから得られた売買ルールを論じた。最近はパソコンやインターネットが発達し、より多くの複雑なテクニカル分析を簡単に見ることができるようになったが、移動平均とトレンドラインは、テクニカル分析の世界においてなお偉大なるスタンダードであり、その長所はシンプルの魅力だと考える。

本稿では、新しいアセットクラスである暗号資産に対してテクニカル分析の有用性を検証した。テクニカル指標として代表的なボリンジャーバンドを参考にし、価格データではなく変化率に着目したヒストリカル・ボラティリティを算出する。このボラティリティを超える変化率を異常ジャンプとみなし、その直後の修正を見据えて逆張りポジションを取る。約30種の暗号資産について運用したところ概ね 6 割の勝率を得たが、個別資産の運用では収益が安定しない。そこで全暗号資産について分散投資を行うことで投資機会を拡大し、収益を安定化できることを示す。なお付録として、暗号資産のヒストリカルデータを取得する Python プログラムを示した。本稿を通じてテクニカル分析の可能性が広がれば幸いである。

本論ではSKURT（スカート）シグナル」という手法を考案する。SKURT とは筆者による統計用語の SKEW（歪度）＋ KURT（尖度）からの造語である。CBOEが提供するSKEWIndexは､S&P500 を対象とするオプション価格のデータを使用して市場の歪みを数値化した指標である。SKEW は､ 価格が安い方または､ 高い方のどちらに偏っているのかという方向性を測定する指標として用いることができる。一方､ KURT は価格の分布が集中または分散しているのかを示す。分布が集中していればトレンドが明瞭であることを示唆し､ 分布が分散していればトレンドが不明瞭なことを示唆している。言い換えれば､ KURT はトレンドの有無を測定するための指標となろう。本論では､ この2つの異なる統計的尺度を組み合わせた売買シグナルを生成し､ 日経平均株価の30年分の日次データをもとにホールドをトレンドとして SKURT の買いと売りを組み合わせた絶対リターンの有意差を検証した。

みなさんも投資を始めた頃は、ロウソク足の動きや移動平均線とロウソク足との動きを見ながら慎重にトレンドの有無や強さを分析しながら投資していたのではないだろうか。しかし、徐々にモメンタム系のオシレータの便利さや簡単さを知ってくると、ロウソク足や移動平均線の分析は二の次になり、オシレータの買われ過ぎ ･ 売られ過ぎだけでトレードするようになった投資家は多いと思う。しかし、明確なトレンドが発生している時は、モメンタム系のオシレータは買われ過ぎ ･ 売られ過ぎのシグナルを出しながら高水準 ･ 低水準に張り付き過熱感を出しながらもトレンドが継続するため、大きな損失につながりやすい。

新しく考案された手法の多くは、指標が一定の範囲で往復するように推移するオシレーターである。オシレーターは、元々は価格推移の転換点を検知するために考案された方法で、買われ過ぎ、売られ過ぎを判別する。そして、売られ過ぎなら買い建て、買われ過ぎなら売り建てる逆張りに用いられることが多かった。しかし、新しい手法の中には、トレンドの発生と消滅、あるいは勢いの強まりと衰えを検知するものもある。これらでは、トレンドの発生や強まりを検知したら買い建て、消滅や衰えを検知したら売り建てる順張りに用いる。もはや、「オシレーターは揉み合い相場で逆張りに使うもの」という考え方は成り立たなくなってきた。

“X-jiku”分析のコンセプトと応用例を紹介します。

IFTA大会3回目のプレゼンです。今回は日本や他の主要マーケットについて最新の長期展望をお届けします。

有価証券投資においては、適切な投資対象を選択することと、適切な投資タイミングを選択することが肝要だが、投資タイミングの判断においては、価格の動向、需給の動向、そして投資者心理の動向に留意する必要がある。これらを知るために、先人が開発した様々な手法があるが、今回、計算が簡便であり、かつ定量的な指標として、価格動向を計測する「価格トレンド指数（PTI：Price Trend Index）」、需給動向を計測する「需要トレンド指数（DTI：Demand Trend Index）」、投資者心理を計測する「市場動態指数（MDI：Market Dynamics Index）」を考案した。PTIは価格と時間の相関係数で、その大小によってトレンドの有無やトレンドの方向を知ることができる。DTIは売買高と時間の相関係数で、その大小によって物色の盛衰や先高期待の強弱を知ることができる。MDIは価格と売買高の相関係数で、価格が売買高を伴って上昇して人気化しているのか、売買が閑散の中で下落する人気が離散した相場なのかを知ることができ、ポジティブ・ダイバージェンスやネガティブ・ダイバージェンスの発生と消失も知ることができる。さらに、これらの指標を用いて投資を行った場合の損益について、過去10 年間の日経平均とその売買高を用いてシミュレーションを行ったので、その結果についても報告する。

Steidlmayer、今日金融投資の分野においては人工知能やビッグデータ、行動ファイナンス等の進歩により、様々な情報を効率的に処理した投資戦略が開発されている。しかしながらそれらの手法の入力値として用いる情報の定式化と精度については十分な検証と改良が議論されているとはいえない。例えばテクニカル手法を人工知能の教師信号として用いる際においても、標準的な移動平均の期間を使用したトレードルールが採用されているケースが散見される。そこで当論文では投資戦略を構成する元となるツールの有効性検証として、移動平均のパラメーターの有効性について検証を行った。そして移動平均において恣意的に固定されたパラメーターを改善する適応型移動平均の一手段として、価格のトレンドサイクルに合わせて自動的にパラメーターを調整するVCMA（Variable Cycle Moving Average）を提唱する。

本論では価格の歪度・尖度を用いた売買手法、通称「SKURT（スカート）シグナル」を提唱する。CBOEが提供するSKEW Index1は、株価の分布が増加または減少に偏っているかどうかを示す。前者は株価が上昇していることを示唆し、後者は下落していると示唆している。つまり、SKEW は、騰落の方向性を測定するための統計指標として使用することができる。一方、KURTは価格の分布が集中しているのか分散しているのかを示す指数である。分布が集中している場合はトレンドが存在することを示唆し、分布が分散していればトレンドが明確でないことを示唆している。言い換えれば、KURT は傾向の有無を測定するための統計指標として使用できる。本論では、これら2つの統計的尺度を組み合わせた売買シグナルを生成し、実際の取引の有効性を調査する。SKEWが株価の上昇を示唆し、KURTが傾向の存在を示唆すれば、買いシグナルとし、SKEWが株価の下落を示唆し、KURTがトレンドの存在を示唆している場合は、売りシグナルとした。SKEWにKURTを加えたシグナルが「SKURT」である。この手法を用いて14指数におけるSKURTの有効性を検証し、考察を加える。

2017年10月に開催されたIFTAミラノ大会で、私が考えたテクニカル分析手法であるKVPC理論について発表しました。

本論文ではカオス時系列解析の枠組みのもと深層学習を組み合わせたテクニカル分析手法の提案を行う。カオス時系列解析では、まず時系列データを高次元空間に対して「埋め込み」を行う。そして埋め込んだ高次元空間における幾何学的な軌道（アトラクタ）を用いて予測や制御を行う手法である。したがって高次元空間上でのアトラクタの再現（関数近似）が予測には必須であるが、この関数近似に画像認識などの高次元データ解析で有効性が認められている深層学習を用いる。当該手法を用いて日経平均株価を対象に実証分析を行った結果、深層学習を用いたカオス時系列解析により作成されたシグナルは高い予測力と収益性を持つことが確認できた。

山田が開発した新テクニカル指標Yレシオ（BVP レシオ）についてIFTAシドニー大会2016で発表した。プレゼンテーションに使うデータおよび原案・資料の作成は山田が準備し、調整（最終資料の作成）およびプレゼンテーションは本間が行いました。

今回のIFTAでの講演では、投資家心理・投資家行動の視点を重視し、あえて数式を使わず、実際の日本の株式市場にどのようなことが起こっており、またどのような視点を持ちながら投資・運用を行っていけばいいのかを個人投資家でもわかりやすい形で提起する内容としました。市場に構造的な変化が見られる中、ファンダメンタルズ分析や行動ファイナンス理論、アルゴリズム・AI、HFT・ヘッジファンドの運用など多角的・多面的な視点を身につけることはテクニカルアナリストにとっても今後、重要になってくると考えます。

一般的にオプションは難しいものと思われ、投資初心者は触ってはいけない金融商品のように思われている。今回そんな方々にどのような場面で、オプションを使えば良いのか、また、何をどのようにオプション戦略を使って行くのかを説明する。

Kチャートは、筆者が1990年に創案、1993年に完成し、1995年に公表した独自の手法である。1989年末に38,915円の高値をつけた日経平均は、3月には一時30,000円の大台を割り込み、10月には20,221円と前年末の半値近い水準まで下落した。この間、日々の騰落幅が大きかったために、多くの投資家が撤退時期を見誤り、大きく傷ついた。
そこで、筆者は大学時代に学んだt検定という統計手法を用いて、当日の価格が、前日までの一定期間過去の価格群と同じグループに属するか否かを判定することを思いついた。1990年当時はパソコン表計算ソフトの機能が貧弱だったことから、筆者はプログラムの自作を決断する。試行錯誤の末、完成したのがKチャートである。
日経平均、TOPIX、ダウ工業株30種平均、長期国債先物、ドル円為替の日足、週足、月足を用いた検証によって、Kチャートの有効性を説明した論文で、筆者はMFTA資格を取得した。
これまで、Kチャートの計算方法は公開されていなかったが、今回、EXCELのセル関数を用いて計算する方法と、VBAを利用してユーザー定義関数を作成して計算する方法について、ソースコード付きで詳細に解説する。

資産運用の基本は、大負けしないことだろう。クルマの運転に例えるなら大きな事故は回避すべきだ。チャートは、「運用のシートベルト」といえる。正しく使えば、投資家の運用収益を向上させる補完ツールとなる。ただ、テクニカル指標は実際の値動きと売買シグナルのズレが生じ、収益機会を逃すことも少なくない。そこで、バリュー面とテクニカル面を融合させた、CMAP（シーマップ）を提唱したい。

論文では、非線形共和分関係の応用事例としてペアトレード戦略の提案を行う。先行研究や実務で従来スタンダードとされていた共和分性を用いたボリンジャーバンドによるペアトレード戦略では、ペアの均衡水準への調整過程は単純な線形関係であると仮定されている。しかし取引コスト等の摩擦が市場に存在することから、ペアの均衡水準からの乖離が小幅である場合と大幅である場合では、平均回帰のスピードが異なると考える方が自然であろう。このような回帰スピードの非線形性を捉えるため、ペアがEnders and Sikols［2001］によって提案されたTAR モデルに基づく非線形共和分関係を満たすと仮定する。そして回帰スピードが変化する閾値をトレードのシグナルとして使用することを提案する。実証分析の結果、従来のペアトレード戦略より効率性が向上することを確認した。

ローソク足は、始値、高値、安値、終値の4つの特徴的な価格をビジュアルに記録し、その推移を明確に表示するチャートとして世界で広く利用されている。しかし、その成立経緯については、日本における罫線の発展史を解説した「日本罫線史」にも明らかにされていない。そこで、国立（国会図書館「近代デジタルライブラリー」で公開されている書物を検索し、ローソク足に関連する記述の有無および内容を調査した。その結果、早坂豊蔵がローソク足の成立に大きく関与したと考えられ、ローソク足は本間宗久が考案した酒田足に由来するという俗説は誤りであること、ローソク足と酒田足が混同された経緯などが判明したので報告する。

株式市場の下げ局面におけるリスク指標と出来高の活用による売買の考察株式市場における5～6年程度のサイクルにおける下落局面を対象とし、日次損益の標準偏差を使ったリスク指標に出来高を加えて分析を実施。リスク指標と出来高は25日、200日の期間を使い、またリスク指標のベースとなる日次損益率も加えて、その特徴を活かした売買手法について考察してみた。株式市場の下落は景気後退につながるため、各国中央銀行の金融政策を中心とした対策が打たれ、下落を食い止めようとする動きが出てくることから、株価の200日移動平均線が下向きとなる下落局面では、似たような現象が発生することが予想される。本売買手法については今後も有効に機能するものと考える。

Contrail index は株価と出来高の変動幅のトレンドに加え、株価変動率のトレンドを考慮することで投資家の心理の変化を読み解き、売買のタイミングを計ろうとする指数である。この指数はまず、逆ウォッチ曲線と同様にX軸に出来高、Y軸に株価をとるKVPC(Koki Volume Price Curve)と名付けた出来高分析をとる。このKVPC だけでは売買のタイミングを探るのが難しいため、Z軸にはKVPCとの相性の良さから、J.W.Wilderによって作られたParabolic Time/Price System（以下パラボリック）を使うことにした。これらによって構成される3つの関数が3次元の座標上をまるで飛行機雲（Contrail）の様に動くことからContrail indexと名付けた。本論文では、Contrail indexを創った理由や、概要を理解していただくためにもまず逆ウォッチ曲線、パラボリックの説明をする。次に、なぜ、Contrail indexを創るに至ったのか、そしてContrail indexでどのようにして投資家の心理を読み解き、売買のタイミングを計るのかをKVPCとパラボリック各々で説明し、最後にContrail indexの概要を説明する。

本講演では、テクニカル分析の予測可能性および収益性の向上を目指して、3つのアイディアを導入した。第一に、複雑な株価変動内に隠れた法則性を自動検出すべく、伝統的な機械学習モデルの1種であるニューラルネットワークを導入した。第二に、その予測力を高める工夫として集団学習法を適用し、予測結果の自信度を評価する新しいテクニカル指標（コンセンサスレシオ）を提案した。第三に、その自信度が高い銘柄を選択する枠組みとして2段階選抜法を提案した。これらの妥当性を評価すべく、日本および米国の約1000 銘柄に対して4期間の投資シミュレーションを行ったところ、良好なパフォーマンスを得たので紹介する。

1．最近の日本の株式市場について　アルゴリズムトレードやHFT（高速売買／高頻度売買）を解説します。2．テクニカル分析に関する2 つの話題　ここでは、板（注文表）とアルゴリズムについて解説します。特にテクニカル分析でアルゴリズムをどう使うかについてです。3．これからの事について　ここでは次世代のツールについて解説します。

投資を初めて間もない投資家は、日足を中心に相場を見ていることが多い。色々試してみると60 分足がある程度トレンドが取れ、なお且つトレンド変化によるストップロスも早く出せることで60分足を多用している。日足の動きを24分割することで、早くトレンドの変化が掴めることになる。要するに『ストップロスは早く』、『トレンドは出来るだけ大きく取る』方法として今回紹介する。

中央銀行による金融政策への連動性が高くなっている日米株式市場を対象とし、リスク指標を活用した分析を試みた。リスク指標としては、日次損益率の標準偏差（Value at Risk の考え方に近い）、株価指数自体の標準偏差（時価の標準偏差に相当）、VIX指数（あるいは日経VI）の3つを用いた。また、トレンドとの兼ね合いを見るため移動平均線との比較を行い、期間についても25日と200日の値をそれぞれ算出。複数の指標および期間で比較、分析を行ったことにより、株式市場のサイクルにおける各局面（上昇局面、天井圏、下落局面、底値圏）での特徴と、主に中長期的なインデックス運用におけるテクニカル指標としての有効な活用方法の示唆が得られた。

一目均衡表については、様々な著書や一目山人こと故細田悟一氏のお弟子さん達により多くの投資家に広まってきました。私も投資を始めた20代前半から一目均衡表を使ってきた『いち投資家』でもあります。ただ、使っていて疑問に思ったり、どうすれば一目均衡表を使って、より相場に勝てるかを模索し工夫してきました。一目均衡表は「時間論」、「波動論」、「水準論」の三論を骨格として展開されていますが、今回は一目均衡表チャートを中心とした内容にしました。

IFTAロンドン大会にて発表をしたスライドスライド、スピーチ文（英語）に補足を加えて発表内容を紹介します。

本研究の目的は、オシレーター系のテクニカル分析ツールとして実証され、理論の裏付けがなされているストキャスティクスを取り上げ、その売買サイン等の視点を大引にかけて上昇、下落した株価の幅を日々累積し、「大引に近い日中の特定の時間帯の株価の動き」というオリジナルな視点を反映した「大引前時間帯別・上昇/ 下落価格差指数」（以下、上昇/ 下落価格差指数と呼ぶ。）に適用することで、「トレンドの変化」や「株価の割高・割安の判断」及び「売買タイミング」を捉える新たなテクニカル分析ツールとしての利用可能性を分析することである。

本論文では、日本の株式市場に焦点を当て、(1)「アルゴリズム・トレードとは?」という疑問に答えながら、アルゴリズム・トレードとHFTの違いを明確に説明します。次に、(2)アルゴリズム・トレードを活かすための分析手法として、板（注文表）分析を紹介します。そして、(3)アルゴリズム・トレードの活用事例（シミュレーションの一例）を示しながら、テクニカル分析の新しい方向性について論じます。

本稿は、2013年10月に開催されたIFTAサンフランシスコ大会の講演内容に基づいています。発表に用いたスライドを日本語化して解説する。英語版は、研究室ホームページ（文末参照）にて掲載しています。