モンテカルロシミュレーションとは？

モンテカルロシミュレーションは、ランダムサンプリングを用いてさまざまな結果の確率を推定する計算手法です。モナコの有名なカジノにちなんで名付けられたこの手法は、統計モデルに基づいて数千のシナリオをシミュレートし、特定の結果を生み出すシナリオの数をカウントすることで機能します。

トレーディングにおいて、モンテカルロシミュレーションは次のような問いに答えます：

  • 3日後にBTCが$80,000を超えている確率はどれくらいか？
  • 過去のボラティリティを踏まえると、1週間以内に10%の暴落が起きる確率は？
  • 結果の確率分布を考慮した場合、最適なポジションサイズはいくらか？

これらはまさにクオンツヘッジファンドが毎日問いかける質問です — そして今や、適切なツールを使えばリテールトレーダーも同じ問いを立てられます。

仕組み：幾何ブラウン運動

株式・暗号資産の価格をシミュレートする標準モデルは幾何ブラウン運動 (GBM)です：

S(T) = S(0) × exp((μ - 0.5σ²)T + σ√T × Z)

各パラメータの意味：

  • S(0) = 現在価格
  • μ = 過去データから推定した年率ドリフト（期待リターン）
  • σ = 過去データから推定した年率ボラティリティ
  • T = 時間軸（年単位）
  • Z = 標準正規分布から抽出した乱数

数千のランダムなZ値を生成することで、数千通りの将来価格パスを作成できます。価格が目標値を上回るパスの割合が、その目標値に到達する確率となります。

具体的な例

BTCが$70,000にあるとします。過去30日間のボラティリティは年率65%です。3日以内にBTCが$73,500（5%上昇）に達する確率を知りたいとします。

1,500本のシミュレーションパスを実行し、そのうち980本が$73,500を超えて終わった場合、推定確率は980/1500 = 65.3%となります。

標準的なMCでは不十分な理由

基本的なモンテカルロには、実用上いくつかのよく知られた問題があります：

問題1：ノイズ

1,000回のシミュレーションでは、価格変動がほとんどなくても、推定確率がある足で65%、次の足で58%と変動することがあります。これは有限回数のシミュレーションによるサンプリングノイズです。

解決策：分散削減テクニック

  • 対当変量法（Antithetic Variates） — ランダムなZごとに-Zもシミュレートします。この対になるパスは負の相関を持ち、バイアスゼロで分散を約50%削減します。
  • 制御変量法（Control Variates） — 閉形式のBlack-Scholes確率を「制御変量」として使用します。既知の解析解を用いてMC推定値を調整することで、分布が対数正規に近い場合に分散を50〜90%削減できます。
  • 層化サンプリング（Stratified Sampling） — 分布全体からランダムにサンプリングするのではなく、分布を層に分けて各層から均等にサンプリングします。確率空間全体のカバレッジを確保します。

問題2：レアイベント

暴落の真の確率が3%の場合、安定した推定値を得るのに十分な暴落サンプルを確保するには10,000回以上のシミュレーションが必要です。1,000回のシミュレーションでは、暴落サンプルが20〜40件しか得られず、信頼性の高い推定には不十分です。

解決策：重点サンプリング（Importance Sampling）

真の分布からサンプリングする代わりに、サンプリング分布をレアイベント（暴落）領域にシフトします。次に、サンプリングバイアスを補正するため、尤度比で各サンプルを再重み付けします。結果：同じシミュレーション回数で10〜100倍の暴落サンプルが得られます。

問題3：足ごとのジッター

MCは毎足ゼロから再計算するため、市場が実質的に変化していないにもかかわらず確率推定値が跳び回ることがあります。

解決策：パーティクルフィルタ（ベイズ状態推定）

パーティクルフィルタは確率「粒子」の群れを維持し、新しい価格データが届くたびに逐次更新します。毎足ゼロから始めるMCとは異なり、パーティクルフィルタは継続的に学習し、より滑らかで応答性の高い確率推定値を生成します。

ライブチャートで確認したいですか？ AIO Indicator がこれを自動化します — 手動で描画する必要はありません。
5日間無料トライアル

確率からトレーディング判断へ

生の確率数値は単独では役に立ちません。堅牢な意思決定フレームワークには複数の独立した確認が必要です：

4要素の意思決定エンジン

  1. MC有意エッジ — 勝ち側の確率が33%超であること（損益分岐の最低1.5:1）
  2. パーティクルフィルタの合意 — PFがMCの方向性に54%超で独立して同意すること
  3. バイアスエッジ — P(BULL)とP(BEAR)の差が5パーセントポイント超であること
  4. モデルの収束 — MCとBlack-Scholes解析解が許容範囲内で一致すること。大きな乖離はファットテールまたはシミュレーション回数不足を示す

3〜4要素が揃ったときのみ、高信頼シグナルが発火します。これにより誤シグナルとノイズの大半が排除されます。

TradingView上のモンテカルロ

AIO Prediction Market Simulatorは、デュアルストライクモンテカルロ、パーティクルフィルタリング、重点サンプリング、4要素の意思決定エンジンを実装しており — TradingViewの任意のチャートでリアルタイムに動作します。暗号資産、株式、指数、Forex、債券向けのプリセットが事前調整済みです。

TradingViewで見る

ケリー基準によるポジションサイジング

信頼性の高い確率推定値が得られれば、最適なポジションサイジングは自然に導き出されます。ケリー基準は配分すべき資本の割合を計算します：

f* = (p × b - q) / b

  • p = 推定勝率
  • q = 1 - p（負け確率）
  • b = オッズ比
  • f* = 賭ける資本の割合

重要：フルケリーは数学的に最適ですが、ボラティリティが非常に高くなります。実用上は、成長とドローダウン管理のバランスを取るためフラクショナルケリー（フルケリーの10〜20%）を使用します。

リスク管理：テールリスクとVaR

モンテカルロは方向性の確率を推定するだけではありません。同じシミュレーションがリスク管理のための完全なP&L分布を生成します：

  • バリュー・アット・リスク（VaR 95%） — 95%の確率で超えない損失水準
  • 期待ショートフォール（ES 95%） — 最悪の5%のシナリオにおける平均損失
  • 暴落確率 — 壊滅的な動き（例：BTC -10%）が起きる具体的な確率

暴落確率が市場固有の閾値を超えた場合、方向性エッジがどれほど強く見えても、すべての強気シグナルを抑制すべきです。テールリスクが高すぎる場合、いかなるエッジも取る価値はありません。

キャリブレーション：確率の精度は十分か？

確率ベースシステムにおける最も重要な指標はキャリブレーションです。ブライアースコアは予測精度を測定します：

BS = (1/N) × Σ(予測値 - 実際の結果)²

  • < 0.10 = 優れたキャリブレーション — 予測精度が非常に高い
  • 0.10-0.20 = 良好なキャリブレーション — トレーディングに使用可能な予測
  • > 0.20 = 不良なキャリブレーション — パラメータの調整が必要

実際の資金をリスクにさらす前に、50回以上の予測にわたってブライアースコアを観察してください。ブライアースコアの上昇は、市場レジームが変化しており、モデルの再キャリブレーションが必要であることを意味します。

実践的応用：予測市場

PolymarketやKalshiのようなプラットフォームが実際のバイナリー契約を提供している今、モンテカルロの確率推定値は直接取引可能になっています：

  1. Polymarketで「BTC > $80K by Friday」が58¢で表示されている
  2. あなたのMCモデルはブライアースコア0.11でP(BULL)を72%と推定している
  3. インプライドエッジ = +14パーセントポイント
  4. ケリーサイジングにより資本の8.2%を配分すべきと判断
  5. 行動：58¢でBULL契約を購入し、72%の勝率を期待する

これは市場のインプライド確率とモデルの推定確率の間のアービトラージです。

理解すべき限界

  • GBMは対数正規リターンを前提とする — 実際の市場、特にフラッシュクラッシュ時の暗号資産にはファットテールが存在する
  • 過去のボラティリティにはラグがある — レジームが変化した場合、ルックバック期間が現在の状況を反映していない可能性がある
  • イベントには使えない — 決算、FOMC決定、規制発表はいかなるMCモデルも予測できない不連続性をもたらす
  • パーティクルフィルタの解像度 — 200粒子では合理的だが精密ではない確率追跡が得られる

AIO Indicatorsを5日間無料でお試しください

Prediction Market Simulatorと30以上のインジケーターに完全アクセス。クレジットカード不要。

無料トライアルを開始