Webエンジニア向けプログラミング解説動画をYouTubeで配信中!
▶ チャンネル登録はこちら

【ITニュース解説】Does Turtle Trading Still Work? What 6.7 Years Showed

2026年10月28日に「Dev.to」が公開したITニュース「Does Turtle Trading Still Work? What 6.7 Years Showed」について初心者にもわかりやすく解説しています。

作成日: 更新日:

ITニュース概要

「タートル・トレーディング」という自動売買ルールを2020~2026年で検証した結果、損失を出すことが判明した。特に売り取引が足を引っ張ったが、これは特定期間・市場での結果で、トレンド追従戦略全体を否定するものではない。ルールの設計自体は優れているが、すぐに機能するわけではない。

ITニュース解説

今回のニュース記事は、伝説的なトレーディング戦略「タートル・トレーディング」が現代の市場で通用するのかどうかを、過去のデータを使って検証した結果を報告している。システムエンジニアを目指す皆さんにとって、これは自動売買システム(アルゴリズム取引)の開発や検証、データ分析の考え方を学ぶ上で非常に興味深い内容だ。

まず「タートル・トレーディング」とは、1980年代にアメリカで行われた有名なトレーダー育成実験で生まれた、一連の明確な取引ルールのことだ。特別な才能を持つとされるトレーダーを育成するのではなく、具体的なルールを徹底的に守ることで誰でも利益を出せるようになるか、という実験だった。このルールは「トレンドフォロー」と呼ばれるもので、市場に大きなトレンド(上昇や下降の流れ)が発生した際にそれに乗じて利益を狙う戦略である。

記事の検証結果は簡潔に示されている。2020年1月から2026年9月までの約6.7年間、元のタートル・トレーディングのルールをCFD(差金決済取引)市場に適用してシミュレーションを行ったところ、残念ながら期待された利益は出なかった。具体的には、11種類の市場で-37.9%の損失、26種類の市場で-57.7%の損失となった。これは、投入した資金が半分近く失われた計算になる。最大ドローダウン(資産の最大減少率)も58.3%や75.6%と非常に大きく、一時的に資金の大部分を失う可能性があったことを示している。プロフィットファクター(総利益を総損失で割った値)も1.0を下回っており、これは利益よりも損失の方が大きかったことを意味する。

特に注目すべきは、ロングトレード(買いから入る取引)では利益が出たものの、ショートトレード(売りから入る取引)で大幅な損失を計上した点である。多くの市場で検証期間中に価格が上昇していたため、買いで利益を出すことはできたが、売りから入る戦略がその利益を帳消しにしてしまったのだ。

この記事から学べることは多い。まず「ルールは優れたエンジニアリング」という点だ。タートル・トレーディングのルールは、非常に具体的で詳細に記述されており、多くの項目に例まで付いているため、自動売買プログラムとして実装しやすかったと筆者は述べている。これは、システム開発において、要件や仕様が明確に定義されていることの重要性を示している。あいまいな指示では正確なプログラムは作れない。

また、リスク管理の重要性も指摘されている。タートル・トレーディングのルールには、損失を限定するための様々な仕組み(フィルター、取引単位の制限、ドローダウンルールなど)が組み込まれており、これらを無効にすると結果はさらに悪化したという。システムエンジニアにとって、システムが意図しない挙動をした場合や、市場環境が予測と異なる場合に、被害を最小限に抑えるための堅牢な設計(エラーハンドリング、例外処理、リミッターなど)がいかに重要かを示唆している。ただし、リスク管理は損失を抑えることはできても、それ自体が利益を生み出すわけではないという限界も示されている。

次に「多様な市場で取引しても、そこに優位性がなければ意味がない」という教訓だ。一般的に、複数の市場で取引することはリスク分散につながると考えられているが、今回の検証では対象市場を11種類から26種類に増やした結果、損失がさらに拡大した。これは、追加した市場にも利益を出す「優位性」がなかったため、単に損失を出す機会が増えたに過ぎないことを意味する。システム開発やデータ分析においては、単純にデータ量を増やしたり、適用範囲を広げたりするのではなく、その背後にあるメカニズムや特性を理解することが不可欠だ。

さらに重要なのは「なぜショートトレードを除外しなかったのか」という問いだ。今回の結果ではショートトレードが大きく足を引っ張ったため、「ではショートトレードをしないロングオンリーのシステムにすれば良かったのではないか?」と考えるのは自然なことだ。しかし、筆者はそうしなかった。なぜなら、今回の結果を見てから「ショートトレードをやめる」と決めてしまうと、それは「過去のデータに都合が良いようにルールを後付けで変更する」行為になるからだ。これは「バックテストの罠」や「カーブフィッティング」と呼ばれるもので、システムを過去のデータに最適化しすぎてしまうと、未来の市場では全く機能しないという問題を引き起こす。本当にそのルールが有効かどうかを検証するためには、そのルールがまだ見ていない「未知のデータ」を使ってテストする必要があるのだ。この考え方は、機械学習モデルの訓練と評価におけるデータセット分割(訓練データ、検証データ、テストデータ)に通じるものがある。

「6.7年という期間はトレンドシステムには短い」という指摘も重要だ。トレンドフォロー戦略は、大きなトレンドが年に数回発生するだけで、それ以外の期間は横ばいや小幅な変動でコストだけがかさむという特性がある。そのため、数年程度の期間ではたまたま大きなトレンドが少なかったり、検証期間の開始時点や終了時点が悪いと、本来の実力を測りきれない可能性がある。システムを評価する際には、そのシステムの特性を理解し、適切な期間やデータ量で検証を行う必要がある。

他にも、検証に使われた市場環境が元のタートル・トレーディングの時代とは大きく異なる点が挙げられている。具体的には、元のタートルは先物市場で取引していたが、今回の検証はCFDで行われた。CFDではスワップ金利やスプレッドといった取引コストが先物とは異なり、特に長期保有するトレンドフォロー戦略には大きな影響を与える。また、取引対象の銘柄も異なっていた。これらの環境の違いが、結果に影響を与えた可能性は高い。システム開発においては、異なる環境にシステムを適用する際、その環境固有の特性やコスト、制約を考慮に入れることが極めて重要だ。

さらに、「市場が速くなったからといって、短い時間足(例えば15分足)で取引しても逆効果になる」という興味深い指摘もある。短い時間足で取引すると、取引回数が増えるため、スプレッドなどの取引コストがかさむ。また、トレンドは通常、数ヶ月といった長い時間軸で形成されるものであり、短い時間軸ではノイズが多く、誤ったシグナルが増える傾向がある。これは、システムの性能向上を試みる際に、直感に頼るのではなく、データに基づいた分析と深い理解が必要であることを示している。

最後に、筆者は今回の検証で意図的に行わなかったことや、テストの限界についても言及している。例えば、パラメータ最適化やロングオンリー版の検証を行わなかったのは、前述の「バックテストの罠」を避けるためだ。また、コストの一部が正確に測れていなかったり、一部のデータに欠損があったり、単一のブローカー(取引業者)のデータしか使っていないといった限界も認めている。これらの制約も踏まえると、今回の結果は「この特定のルールが、この特定の期間、この特定の市場で、この特定の条件のもとでは機能しなかった」という、あくまで限定的な結論であると強調している。

結論として、タートル・トレーディングは「完全な取引計画」を学ぶための教材としては今でも非常に優れているが、今回の検証結果からは、そのまま現代の市場で自動売買システムとして利用できるものではない、と筆者は述べている。システムエンジニアを目指す皆さんにとって、このニュース記事は、自動売買システムの開発やデータ分析における設計の明確さ、リスク管理の重要性、バックテストの落とし穴、そしてシステムと市場環境の適合性など、多くの実践的な教訓を与えてくれるだろう。

関連コンテンツ

関連IT用語