概要

タートルトレード三日間反転戦略は、ラリー・コナーズとシーザー・アルバレス著『高確率ETF取引』に記載されている「三日間平均回帰戦略」を修正したものです。同書で著者は高確率なETF平均回帰戦略について論じており、その単純ルールは次の通りです:

• 前日の終値が5日単純移動平均線を下回った場合、当日に買い。
• 当日の終値が5日単純移動平均線を上回った場合、当日に売り。

実践とバックテストを通じて、SMAではなくEMAでトレンドラインを計算した方が、この戦略の効果が向上することが分かりました。そのため、本スクリプトではトレンドラインの計算にEMAを使用しています。また、エグジット（手仕舞い）用のEMAの長さも調整可能にしています。

戦略の原理

本戦略は以下のように動作します:

• 以下の買い条件がすべて満たされたときにロングポジションを取る:
  • 終値が200日EMAを上回っている
  • 終値が5日EMAを下回っている
  • 当日の高値が前日の高値を下回っている
  • 当日の安値が前日の安値を下回っている
  • 前日の高値が前々日の高値を下回っている
  • 前日の安値が前々日の安値を下回っている
  • 前々日の高値が前々々日の高値を下回っている
  • 前々日の安値が前々々日の安値を下回っている
• 終値がエグジットEMAを上抜けたときにポジションをクローズする

エグジットEMAのデフォルトは5日EMAで、長さは調整可能です。

この戦略の主な考え方は、短期逆張り効果を利用することです。株価が連続して下落して弱含みになった後は、短期的な反発が起こりやすいというものです。価格が3日連続で値幅を縮小し、かつ短期移動平均線を下回っている状態を見て、反転の機会があると判断します。反転が発生したら、エグジットEMAをブレイクした時点で迅速に損切りします。

優位性分析

従来の移動平均線クロス戦略と比較して、本戦略には以下の優位性があります:

1. 3日連続で値幅が縮小するパターンで反転の機会を判断するため、取引シグナルの品質が向上します。

2. 長期と短期の移動平均線によるフィルターを組み合わせ、トレンド相場での取引を回避します。レンジ相場での反転のみを捉えます。

3. トレンドラインの計算にSMAではなくEMAを使用することで、より感度が高く、反転をより迅速に捉えます。

4. エグジットEMAの長さが調整可能で、市場に応じて損切り戦略を最適化できます。

5. 取引頻度が低く、1回のポジションは1～2日程度で、ロングポジションのリスクを回避します。

リスク分析

本戦略には以下のリスクもあります:

1. 反転失敗のリスク。反転シグナルが発生した後も、価格が反発せずに下落を続ける可能性があります。

2. 頻繁な損切りのリスク。レンジ相場では価格が頻繁に損切りをトリガーする可能性があります。

3. パラメータ最適化のリスク。エグジットEMAやその他のパラメータは市場に応じてテスト・最適化を継続する必要があり、調整しないと効果が低下する可能性があります。

4. 過剰最適化のリスク。最適化の際にオーバーフィットを避け、パラメータ設定をロバストにする必要があります。

以下の方法でリスクを低減できます:

1. 損切りルールを厳守し、1回の損失を制限する。

2. 最適化時にはロバストなパラメータ設定を採用し、リスクとリターンのバランスを取る。

3. ポジションサイズを調整し、1回のポジションを小さくしてリスクを分散する。

最適化の方向性

本戦略は以下の観点から最適化が可能です:

1. エントリーとエグジットの指標として異なる長さのEMAをテストし、より適切なパラメータを見つける。

2. 出来高指標などの追加フィルターを加え、反転シグナルの信頼性を高める。

3. 損切り戦略を最適化する（例: ATR損切り、トレーリングストップなど、より柔軟な損切り方法を採用）。

4. トレンド判断と組み合わせ、トレンド中の誤った反転取引を回避する。

5. ポートフォリオ最適化を行い、他の戦略と組み合わせて非相関性でリスクを分散する。

6. 機械学習などの手法でパラメータを適応的に最適化し、動的に調整できるようにする。

まとめ

タートルトレード三日間反転戦略は、価格が3日連続で値幅を縮小し、短期EMAを下回るという形状を判断して、短期的な反転の機会を捉えます。従来の移動平均線戦略と比較して、エントリーシグナルの信頼性が高く、エグジットEMAのパラメータ調整により損切りを最適化できます。本戦略はレンジ相場に適しており、短期的な反発を捉えることができます。ただし、パラメータ最適化や損切り戦略には改善の余地があります。トレンド判断や他の戦略と組み合わせることで、さらに効果を高めることができます。