バックテストの先読みバイアスとは
先読みバイアスとは、バックテスト(過去データによる取引戦略の検証)で、取引判断の時点では存在しなかった情報を使うことです。例えば、足(一定期間の値動きを表す単位)が確定する前に、その終値を使う場合です。その結果、実運用ではどの戦略でも達成できない成績が示されます。当社のEUR/USDの検証では、取引を1本早めただけで、コスト控除前の成績が555pipsから10,782pipsになりました。pipsは為替の値幅を表す単位です。
先読みバイアスの仕組みとは
先読みバイアスは、バックテスト上の取引判断に、その時点では利用できなかったデータを使う誤りです。意図的に混入させるものではありません。将来の値が他のデータと同じ表の1行下や隣の列にあり、コードがそれを読み込んでしまいます。
これは、過去のノイズに合うまで戦略を調整する「過剰適合」とは異なります。過剰適合では、その時点で利用可能な情報だけを使いますが、そこから誤った特徴を学習します。先読みバイアスでは、そもそも利用できなかった情報を使います。過剰適合は実運用を始めてから徐々に表面化する傾向があります。一方、先読みバイアスはすぐに表面化しがちです。検証で頼っていた将来のデータが、実運用では存在しないためです。
足1本のずれで成績はどれほど変わるか
Fintrix MarketsのMT5 EUR/USDの1時間足データで、単純なルールを検証しました。対象は2026年1月13日〜10月29日の4,980本です。
- 1時間足の終値が20本単純移動平均線(直近20本の平均値)を上回れば、買い持ちにします。下回れば、売り持ちにします。
このルールを2回検証しました。違いは、各ポジション(保有する買い・売りの建玉)をどの足に適用したかだけです。
先読みありの検証は、足Nを取引する前に、その終値を知っています。高い水準で引けた足は、終値が移動平均を上回りやすいため、すでに上昇した足で買い持ちにすることになります。過去の動きはよく説明できますが、実際には誰もそのように取引できません。
修正後の成績は優位性を示すのか
いいえ。計算すると、その理由が分かります。このサンプルでは、EUR/USDの1時間ごとの値動きの標準偏差(ばらつきの指標)は8.51pipsでした。4,980本では、優位性がまったくないルールでも、およそ3回に2回はゼロから約±600pipsの範囲に収まります(8.51 × √4,980 ≈ 600)。合計+555pipsはこの範囲内であり、偶然だけでも生じ得る結果です。
コストを含めると結論は明確です。このルールは売買方向を557回切り替えました。切り替えのたびに一方のポジションを決済し、反対のポジションを新規に持ちます。往復の取引には、その都度スプレッド(買値と売値の差)がかかります。切り替え1回当たり0.5pipsなら、合計は約+277pipsに下がります。1回当たり1pipsなら約−2pipsです。修正後の検証は実態に即しており、その答えは、この10カ月間、コストを含めるとこのルールは利益を生まなかったということです。
先読みバイアスが生じる主な原因
個人トレーダーのバックテストやEA(自動売買プログラム)でよくある原因は、次のとおりです。
1本の足の高値と安値が検証を誤らせる理由
2026年10月14日、EUR/USDの12:00 UTC(日本時間21:00)の1時間足は1.11926で始まり、1.11986まで上昇し、1.11271まで下落しました。この時間帯には米消費者物価指数(CPI)が発表されました。
始値1.11926で売り持ちにし、損切りを1.11980(5.4pips)、利益確定を1.11826(10pips)に設定した場合を考えます。1時間足を見ると、価格は両方の水準に達しています。1時間足だけを使う検証では、どちらが先だったかを推測するしかありません。取引に有利な順序を仮定すると、10pipsの利益が計上されます。
15分足を見ると、実際の経過が分かります。価格は12:15 UTC(日本時間21:15)の足で1.11986まで上昇し、損切り水準に達しました。下落したのは、ポジション決済後の12:30 UTC(日本時間21:30)の足です。実際の結果は5.4pipsの損失でした。MQL5リファレンスも、MT5ストラテジーテスターについて同じ点を指摘しています。高速な「1分足OHLC」または「始値のみ」モードで成績が良すぎる場合は、「全ティック」モードで再検証します。足の内部で何がどの順に起きたかを知るには、ティックデータ(個々の価格更新データ)、利用可能ならリアルティックを使うほかありません。
改定データが先読みバイアスを生む理由
現在のデータベースにある数値は、当日にトレーダーが見た数値とは異なることが多いためです。米労働統計局は、月末から約3週間後に非農業部門雇用者数の速報値を公表し、その後2カ月間で2回改定します。2003年以降、季節調整済みの初回推計値と3回目の推計値の差は、絶対値の平均で5万1,000人でした。
2026年5月は分かりやすい例です。雇用者数の増加幅は初回推計が17万2,000人、2回目が12万9,000人、3回目が6万3,000人と、10万9,000人下方修正されました。6月の公表時点を検証する際、現在のデータベースから6万3,000人を読み込むと、当時は誰も知らなかった数値で取引することになります。初回公表時の各データを保存するアーカイブがあるのは、まさにこのためです。セントルイス連銀のALFREDは、その一例です。
AI・機械学習戦略でリスクが高まる理由
機械学習モデルは、予測対象を説明する入力を見つけるのが得意です。そこに含まれるべきでない入力も例外ではありません。コードを読む人なら、特徴量(モデルへの入力項目)が翌日の終値から作られていると気づくかもしれません。しかし、モデルはそのまま使い、検証成績は非常に良く見えてしまいます。
注意すべき落とし穴は4つあります。
- 学習用とテスト用のデータを無作為に分割することです。通常の交差検証(データを分割して学習と評価を繰り返す方法)は行をシャッフルするため、水曜日のデータで学習し、火曜日のデータでテストすることがあり得ます。scikit-learnの文書は、この理由から通常の交差検証は時系列データに適さないと説明し、
TimeSeriesSplitを提供しています。これは常に古いデータで学習し、その後のデータでテストします。また、gapの設定により、学習期間とテスト期間の間に空白期間を設けられます。 - ラベル(予測対象)と特徴量の対象期間が重なることです。予測対象が「今後10本の足での価格変化」で、特徴量にその10本のいずれかが含まれていると、モデルは答えの一部を見てしまいます。
- データ全体を一括で前処理することです。全データを使ってスケーリング、欠損値の補完、特徴量の選択を行うと、テスト期間の統計情報が学習に混入します。
- 言語モデルがすでに結果を知っていることです。大規模言語モデル(LLM)は、ある基準日までの文章で学習しています。それ以前の決算説明会や相場変動について質問すると、当時判明していた情報から推論するのではなく、その後の展開を思い出している可能性があります。SarkarとVafa(2024年)は、これを直接調べるテストを構築し、企業の決算説明会に基づく予測で、その証拠を確認しました。Didisheim、Fraschini、Somoza(Economics Letters、2025年)は、LLMが過去の株式リターンをどれほど記憶しているかを測定しました。その結果、モデルが大きいほど、データの頻度が低いほど、また指数を対象とする場合ほどバイアスが大きく、小規模モデルで高頻度データを扱う場合は無視できる程度だと分かりました。
いずれの場合も、警戒すべき兆候は同じです。比較可能な他の結果を大きく上回る一方、モデルが見たことのない最初のデータで成績が崩れます。
EAやバックテストの先読みを確認する方法
- すべてのシグナルを1本後ろにずらします。先読みがなければ、戦略の変化は小幅にとどまるはずです。当社の検証で10,782pipsから555pipsに落ちたように成績が崩れるなら、元の検証は将来のデータを使っていたことになります。
- EAが読み込む足を確認します。MQL5リファレンスが説明するように、MQL4/5の時系列は新しい順にインデックスが付いています。インデックス0は形成中の足、インデックス1は直近の確定足です。足の終値だけをモデル化する検証でインデックス0からシグナルを読み込むことは、よくある原因です。
- 適切なテスターモードを使います。MT4/5のストラテジーテスターは、すべてのティック、または足の始値だけをモデル化できます。1本の足の値幅内に損切りと利益確定を置く戦略には、ティックデータが必要です。なければ、高値と安値の順序を推測しているにすぎません。
- 統計量はすべて過去のデータだけで再計算します。平均、範囲、zスコア(平均からの距離を標準偏差で表した値)、機械学習のスケーラーには、現在の足を終点とするローリングウィンドウを使います。
- デモ口座でフォワードテストを行います。戦略を数週間稼働させ、実際の取引と、同じ日についてバックテストが示す取引を比較します。バックテストでは行われるのに、リアルタイムの運用では実行できなかった取引があれば、将来情報の混入が疑われます。
- 単純なルールで方向の的中率が高い場合は疑います。当社の先読みありの検証では、20期間移動平均を使い、1時間足の59%で値動きとポジションの方向が一致しました。EUR/USDほど流動性の高い通貨ペアでは、将来情報の混入を除くと、単純なルールでこの水準に近づくことはまれです。修正後は48.4%でした。
先読みバイアスの要点
- 先読みバイアスとは、バックテスト上の取引判断の時点では利用できなかった情報を使うことです。
- 当社のEUR/USDの検証では、シグナルを測定した足の次ではなく、その足自体にポジションを適用すると、コスト控除前の成績が+555pipsから+10,782pipsに上昇しました。
- 修正後の成績は偶然でも生じる範囲内でした。売買方向の切り替え1回当たり1pipsのコストを含めると、約−2pipsになりました。
- 2026年10月14日の1時間足では、損切りと利益確定のどちらに先に達したかが分かりませんでした。記録上の10pipsの利益は、実際には5.4pipsの損失でした。
- 機械学習モデルやLLMでは特に生じやすい問題です。データは時系列で分割し、過去の情報だけで前処理します。言語モデルがすでに何を知っている可能性があるかにも留意します。
関連レッスン
出典
- US Bureau of Labor Statistics、「Nonfarm payroll employment: revisions between over-the-month estimates, 1979 to present」、Current Employment Statistics:https://www.bls.gov/web/empsit/cesnaicsrev.htm
- Federal Reserve Bank of St. Louis、ALFRED(Archival FRED)、公表時点別の経済データ:https://alfred.stlouisfed.org/
- scikit-learn文書、「TimeSeriesSplit」:https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.TimeSeriesSplit.html
- MQL5リファレンス、「Indexing direction in arrays, buffers and timeseries」:https://www.mql5.com/en/docs/series/bufferdirection
- MQL5リファレンス、「Testing trading strategies」(ティック生成モード):https://www.mql5.com/en/docs/runtime/testing
- Sarkar, S. K. and Vafa, K.、「Lookahead bias in pretrained language models」、SSRNワーキングペーパー、2024年:https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4754678
- Didisheim, A., Fraschini, M. and Somoza, L.、「AI's predictable memory in financial analysis」、Economics Letters 256、2025年:https://www.sciencedirect.com/science/article/pii/S0165176525004392
- Fintrix MarketsのトレーディングデスクによるMT5 EUR/USDデータの検証です。対象は2026年1月13日〜10月29日の1時間足(4,980本)です。終値の20本単純移動平均を使い、上回れば買い持ち、下回れば売り持ちとし、各足の始値から終値までを測定しました。コストは含めていません。2026年10月14日については15分足も使用しました。



