用語集 — 大谷HR×日経225 検証

クリックで展開。記事中で出てきた統計・投資用語の最小限の説明集。

バックテスト — 過去データで仮想売買を検証する+

「もしこのルールで過去に売買していたら、儲かっていたか？」を過去データで再現する手法。

「このルールで10年前から売買してたら？」を過去データで答え合わせするイメージ。

寄付きギャップ — 前日終値→翌朝始値の変化率+

株式市場が朝に開いた最初の値段（始値）が、前日の終値からどれだけ動いたかを示す。夜の間に入ったニュースや海外市場の動きが反映される。

前日終値39,000円 → 翌朝始値39,100円 = 寄付きギャップ +0.26%。

t値 — 観測差がノイズに対してどれだけ大きいか+

観測された差を、データのバラつきで割った数値。t値が大きいほど「偶然でこの差が出る可能性は低い」。

t≥1.96で「5%有意」（偶然で起きる確率5%以下）が慣習的な合格ライン。

p値 — 偶然だけでこの結果が出る確率+

帰無仮説（効果なし）が正しいと仮定したとき、観測された差以上の差がランダムに出る確率。

p=0.038 → 「ランダムにやって100回中3.8回しか起きない」という意味。p<0.05が慣習的な合格ライン。

コントロール変数 — 他の原因の影響を差し引く変数+

「他の要因の影響を取り除いた上で、本当にAがBに効いているか」を確かめるために回帰モデルに同時投入する変数。

「傘を持つ人が多い日は事故が多い」→ 「雨かどうか」をコントロールに入れると関係は消える。今回はS&P500が「雨」に相当。

疑似相関 — 第三の原因が両方を動かしているだけ+

2つの出来事が「一緒に起きやすい」ように見えるが、実は第三の原因が両方を引き起こしている現象。

アイスの売上が増える日は水難事故も増える。原因は「夏の暑さ」であって、アイスが事故を起こすわけではない。

媒介変数 — 原因と結果の間に挟まる中間ステップ+

「原因 → 中間ステップ → 結果」の連鎖における中間ステップ。これをコントロール変数に入れると、本物の効果まで除去してしまう。

運動 → 筋肉量増加 → 基礎代謝アップ。「筋肉量」をコントロールに入れると「運動の効果なし」と誤った結論になる。

Bonferroni補正 — 検定回数で合格ラインを割る+

検定を何回も繰り返すと「偶然5%で当たる」くじを何枚も引くのと同じで、どれかは当たりやすくなる。これを防ぐために合格ラインを検定回数で割る方法。

45回検定なら 0.05 ÷ 45 ≒ 0.001 が新しい合格ライン。今回のp=0.038はこの基準を満たさない。