1．出発点：ネテロ対メルエムは何の「学習」なのか
メルエムがネテロの百式観音を突破した過程を、機械学習の言葉で一つだけ選ぶなら、最も近いのはオンライン対戦相手モデリングである。これは、戦っている最中に相手の行動を観察し、「この状況では次にどの手を選びやすいか」を少しずつ更新する考え方だ。[1]
ただし、単純な強化学習と呼ぶだけでは粗い。メルエムは次の処理を同時に行っている。
- ネテロの直前の動き、間合い、攻撃方向、リズムを観察する。
- 状況ごとの選択の偏り、つまり無意識の癖を推定する。
- 次の手を予測する。
- こちらの攻め方を変え、特定の反応を出させる。
- 何手か先の突破経路を探す。
したがって、より正確には、対戦相手モデリング＋オンライン学習＋系列予測＋計画の組み合わせである。軍儀で鍛えた「相手の選択を読み、先の枝を比較する能力」を、戦闘へ移したと考えればよい。
2．タイマンでも全パターンは多すぎる。それでも読める理由
双方に攻撃、防御、回避、移動、フェイントの5択しかないとしても、二人の1手の組み合わせは25通りになる。10手続けば、単純計算で 25^10、約95兆通りになる。実戦では方向、速さ、距離、強弱、タイミングが連続的に変わるため、本当の組み合わせは事実上無限に近い。
メルエムが全手順を暗記したわけではない。重要なのは、人間は全選択肢を同じ確率では使わないことだ。
たとえば100通りの防御があっても、ネテロがある間合いではAを50％、Bを30％、Cを15％選び、残りをほとんど使わないなら、実際に重点的に読むべきものはA・B・Cに圧縮できる。さらにメルエムが攻める方向を調整してAを出しやすくすれば、相手の選択肢はもっと狭くなる。
つまり本質は、全パターンの総当たりではなく、
状況を限定し、相手の偏りを見つけ、こちらの行動で反応を絞ること
である。
3．市場では「誰が強者か」を直接見ることはできない
タイマンでは相手がネテロ一人なので、ネテロ個人の癖を学べる。市場には大口投資家、証券会社、マーケットメーカー、高速取引業者、裁量トレーダー、短期個人などが同時にいる。普通の板や歩み値から、どの注文が誰のものかは分からない。
そのため、スキャルピングで「強い人をコピーする」と考えると危険である。見えるのは人物ではなく、次のような結果の痕跡だけだ。
- 買い注文で価格が何ティック動いたか。
- 売られたのに価格が下がらなかったか。
- 削られた売り板がすぐ補充されたか。
- 買い板が上の価格へ移動したか。
- 高値更新後も約定が続いたか。
- スプレッドが狭いままか、急に広がったか。
したがって市場版の問いは、
「誰が買っているか」ではなく、「この盤面で、買い側と売り側のどちらが現実に価格を動かしているか」
になる。
4．コバンザメ型が成立する可能性を支える研究
「最初に動いた強者と速度勝負をせず、その後に残った流れを取る」という考え方には、いくつかの研究上の土台がある。
第一に、大きな注文は分割される。 一度に大量注文を出すと自分で価格を悪化させるため、大口は親注文を小さな子注文へ分けることがある。東京証券取引所の9年以上の口座レベルデータを使った研究は、注文分割が「買いの後に買い、売りの後に売りが続く」という注文方向の長い持続性を説明することを定量的に支持した。[2]
第二に、予測しやすい分割注文を他者が読む現象がある。 大口注文の子注文パターンが分かりやすいほど、注文予測を行う参加者に利用され、執行コストや遅れた価格影響が大きくなるという実証結果がある。[6][7] これは、過去の注文フローから次の注文を推定して後ろに付く「バックランニング」や「オーダー・アンティシペーション」に近い。
第三に、超短期の最初の競争は人間には速すぎる。 英国株の取引所メッセージを使った研究では、速度だけで決まる典型的な競争は5～10マイクロ秒程度で、取引量の20％超が何らかの速度競争に関係していた。[9] 画面を見てクリックする人間が、この初動を取り合うのは現実的ではない。
以上から、個人が狙えるとすれば、マイクロ秒で消える価格差ではなく、数秒から数分にわたって残る注文分割、追随注文、流動性の不足である。
ただし、ここから「急騰後の2波目を買えば必ず勝てる」とは言えない。大口の執行が終われば価格影響が一部戻ることもあり、最初の買い手が後続へ売って退出する場合もある。コバンザメ戦略の本体は、上がった事実ではなく、流れがまだ終わっていないことの確認である。
5．公開データで見る四つの痕跡
5-1．注文フロー・インバランス（OFI）
OFIは、成行売買だけでなく、最良気配への指値追加と取消も合わせて、「買い側と売り側の圧力の差」を測る考え方である。米国50銘柄を調べた研究では、短時間の価格変化は単純な出来高よりOFIとの関係が安定し、同じOFIでも板が薄いほど価格が大きく動いた。[3]
中学生向けに言えば、綱引きで「何人が参加したか」だけでなく、綱が実際にどちらへ動き、反対側の人が増えたり抜けたりしたかまで数える指標である。
5-2．板の偏り（Queue Imbalance）
最良買い板の数量を B、最良売り板の数量を A とすると、単純な板の偏りは次のように表せる。
QI = (B - A) / (B + A)
QIが1に近いほど買い板が相対的に厚く、-1に近いほど売り板が厚い。NASDAQの10銘柄を調べた研究では、QIと次のミッド価格変化の方向に統計的な関係があり、特に大型ティック銘柄で予測改善が大きかった。[4]
ただし、厚い板が本当に残るとは限らない。取消されれば消えるため、静止画の板厚だけでなく、追加・取消・約定の変化を見る必要がある。
5-3．注文に対する価格の反応
最も分かりやすく重要なのは、注文量そのものより注文を受けた価格がどう動いたかである。
- 買い成行が大量に入ったのに上がらない：上で強い売りに吸収されている可能性。
- 売り成行が入ったのに下がらない：下で買い需要が吸収している可能性。
買い方向へ付くなら、「買いが多い」よりも、売りの反撃を受けても崩れないことの方が強い確認になる。
5-4．板の回復力
大きな注文で板が削られた後、板がどれほど早く元へ戻るかを回復力、レジリエンシーと呼ぶ。ロンドン証券取引所の一銘柄を調べた研究では、板は必ずしも回復しなかったが、回復する場合の半減期は約20秒だった。また、追随的な成行注文が起きる証拠も報告された。[5]
これは「20秒で売買しろ」という普遍則ではない。市場、銘柄、時代が違えば速度も違う。重要なのは、初動後の短い時間に、反対側の板が戻るか、戻らないかを測ることである。
6．エントリー仮説：初動ではなく、耐えた後の再加速を取る
買い方向の最も単純なコバンザメ仮説は、次の五段階である。
- 初動：価格、約定頻度、プラス方向のOFIが通常より急増する。
- 待機：その場で追わず、売りの反撃を待つ。
- 耐久確認：売り成行が出ても押しが浅く、買い板が補充され、初動の起点を壊さない。
- 再加速：再びプラスOFIが増え、売り板が削られ、直近高値を更新する。
- 参加：再加速を確認した後の短い継続部分だけを狙う。
例を数字で表すと、1000円から1010円へ急上昇し、1007円まで押した後、売られても1007円を割らず、再び1010円を超えたところが候補になる。最初の10円をつよつよマンに譲り、確認後の残りだけを取る発想だ。
しかし、これは論文で完成済みの必勝ルールではない。研究が直接示しているのは、注文方向の持続、OFI・板偏りの短期予測力、注文予測行動の存在までである。上の五段階は、それらを個人向けに組み合わせた検証仮説である。
7．利確は「何円取るか」より、入った理由の寿命で考える
コバンザメ型で買う理由は、
「買い側の短命な勢いがまだ残り、近い将来に追随買いが来る」
という仮説である。したがって、出口も含み益の金額だけでなく、その仮説がまだ生きているかで決めるのが自然だ。
利確と撤退は、次の四種類を組み合わせて考える。
7-1．前提崩壊による退出
次のような変化は、買い継続という前提が壊れた兆候になる。
- 再ブレイクした価格をすぐ下へ割る。
- 押し安値を割る。
- OFIが売り方向へ反転する。
- 買い成行が続くのに価格が上がらない。
- 売り板が繰り返し高速で補充される。
- 買い板が逃げ、スプレッドが広がる。
この場合、利益が目標へ届いていなくても退出する。強い選手の後ろを走っていたのに、その選手が止まったなら、最初に決めた距離まで一人で走る理由はない。
7-2．時間切れ
この戦略は「すぐ続く流れ」を狙っている。入った後に予想した時間内で高値更新や再加速が起きないなら、何も起きていないこと自体が情報になる。
ただし、「全銘柄で20秒」という正解はない。予測シグナルはそれぞれ違う速さで減衰し、取引コストがある場合は信号の持続時間を考慮してポジションを調整すべきことが動的取引モデルで示されている。[12] 自分のデータから、勝つ取引が何秒・何イベント以内に伸び始めるかを測り、その賞味期限を時間切れにする。
7-3．固定目標
固定利確は悪くないが、根拠のない「3ティック」や「損1に対して益2」は弱い。エントリー後の最大順行幅（MFE）を集め、手数料と滑りを引いた後で、どの目標が期待値を最大化するか比べる。
期待値は単純化すると、
期待値 = 勝率 × 平均利益 − 敗率 × 平均損失 − 取引コスト
である。遠い利確ほど1回の利益は大きいが、到達率は下がる。利幅だけでなく到達確率を同時に見る必要がある。
7-4．トレーリングと分割利確
大きく伸びる例外を残すには、価格が上がるほど退出ラインも上げるトレーリングが使える。数理研究では、特定の価格過程を仮定したとき、売り指値とトレーリングストップの組み合わせが最適になり得ることが示されている。[11] しかし、これは全市場で「常に2ティック下」が最適という意味ではない。
分割利確は結果のばらつきを小さくしやすい一方、強い取引の利益を早く手放し、約定回数とコストを増やす。半分利確が常に優れているという一般的証拠はない。固定全決済、時間切れ、トレーリング、分割を同じデータで比較する必要がある。
8．損切りも「狭ければ正義」ではない
ストップロスの理論研究では、価格がランダムウォークなら機械的ストップは期待収益を下げる一方、リターンに正の連続性、つまりモメンタムがある場合は損失を減らす価値を持ち得ることが示された。[10]
コバンザメ型は短期モメンタムの継続を狙うため、前提崩壊ストップと相性がよい可能性がある。ただし、通常の小さな揺れより狭いストップは何度も刈られ、スプレッドと手数料だけを支払うことになる。
したがって、
- 初期ストップ：セットアップが成立しなくなる価格または注文状態。
- 時間ストップ：継続が来るはずの期間を超えた状態。
- 利益後のストップ：直近の押し安値や注文フロー反転へ追随。
と役割を分ける方が筋が通る。
9．人間の利確判断には偏りがある
約1万口座を分析した有名な研究では、投資家は利益銘柄を早く売り、損失銘柄を長く持つ傾向を示した。これはディスポジション効果と呼ばれる。[13]
スキャでも、2ティックの利益は失いたくないので即利確し、2ティックの損失は戻るまで待つ、という逆転が起きやすい。その結果、勝ちは小さく、負けは大きくなる。
これを避けるには、その場の安心感ではなく、
- 前提が壊れた。
- 時間切れになった。
- 統計的な目標へ届いた。
- トレーリング条件に触れた。
という事前に定義した理由で退出する。
10．研究が証明したことと、まだ証明していないこと
比較的強く支持されていること
- 相手の行動パターンを推定して方策を変える対戦相手モデリングは、複数主体の問題で有効な研究領域である。[1]
- 大口の注文分割は、同方向の注文が続く一因である。[2]
- 短時間の価格変化は、出来高だけよりOFIと強く関係する。[3]
- 板の偏りには、次の価格方向への統計的予測力がある場合がある。[4]
- 予測しやすい大口執行を他者が読み、後続売買を行う注文予測は理論・実証の両方で研究されている。[6][7]
- 最速の価格競争は人間が参加できないほど速い。[9]
- ストップやトレーリングの価値は、価格過程、信号の持続、取引コストに依存する。[10][11][12]
まだ一般的には証明されていないこと
- 急騰後の浅い押しと再ブレイクを買えば、個人がコスト後でも安定して勝てること。
- 板を見れば「上手いスキャ勢」の注文を特定できること。
- 20秒、3ティック、半分利確など、全銘柄共通の最適値。
- 高い予測精度が、そのまま高い純利益になること。
- 過去の一期間で有効だったルールが、参加者や制度が変わった後も続くこと。
11．検証するときの最小設計
いきなりAIへ丸投げするより、まず一つの局面を100～300件記録する方がよい。
局面の記録
- 銘柄、時刻、スプレッド、ティックサイズ。
- 初動の値幅、所要時間、約定頻度。
- OFIまたは簡易な買い・売り圧力。
- 初動後の押し幅。
- 売りを受けたときの下落幅。
- 買い板・売り板の追加、取消、補充速度。
- 再加速と高値更新の有無。
エントリー後の記録
- 1秒、5秒、10秒、20秒、30秒後の損益。
- 最大順行幅（MFE）。
- 最大逆行幅（MAE）。
- 最高値までの時間。
- OFI反転までの時間。
- 実際の約定価格、滑り、手数料。
比較する出口
- 固定利確・固定損切り。
- 前提崩壊＋時間切れ。
- 固定利確＋残りをトレーリング。
- 全量を注文フロー反転で退出。
学習期間と評価期間は日付で分ける。未来のデータを混ぜず、古い期間で条件を作り、新しい期間で確認する。市場状態が変わるため、定期的なウォークフォワード検証も必要になる。
最後に、必ずコスト後で比べる。予測が当たっても、利益が1ティックでスプレッドと滑りが1ティックなら、戦略としては成立しない。
結論
ネテロ対メルエムから得られる中心的な考え方は、全パターンを覚えることではない。
見える行動から偏りを学び、状況を限定し、相手側の反応を確認してから、残っている短い経路へ入ること。
市場へ移すと、特定の「つよつよマン」を探すのではなく、強い注文が残した公開データ上の痕跡を読むことになる。最初の動きは高速参加者へ譲り、反対注文を受けても崩れず、注文圧力が再加速したときだけ後ろに付く。
そして利確は、単に何円儲かったかではなく、
付いていく理由がまだ残っているか。予想した時間内に続いているか。コスト後でも値幅が残るか。
で決める。
最も短く言えば、
先頭には勝とうとしない。先頭が作った流れがまだ続いていることを確認して短く乗り、流れが止まったら距離目標に関係なく降りる。
これが、研究から無理なく導ける「コバンザメ型スキャルピング」の骨格である。
