ウォークフォワード分析とは：過去最適の罠から抜け出すための検証手法
2026年4月
単純なバックテストの最大の弱点は、「過去全体に対して一度だけ最適化する」こと自体が、未来では再現できない過去合わせ込み になりやすい点です。ウォークフォワード分析（Walk-Forward Analysis, WFA）は、機械学習でいう交差検証に似た考え方を時系列に応用した検証手法です。
基本構造
| フェーズ | 期間 | 役割 |
|---|---|---|
| IS (In-Sample) | 例: 2018〜2020 | パラメータ最適化 |
| OOS (Out-of-Sample) | 例: 2021 | 最適化で得たパラメータの実地検証 |
これを 窓をずらして繰り返す のが WFA です。2018〜2020 で最適化して 2021 を検証、次は 2019〜2021 で最適化して 2022 を検証、というように転がします。
2種類のウォークフォワード
- Rolling WFA: 学習期間の長さを一定に保ち、窓を前進させる
- Anchored WFA: 起点を固定し、学習期間を伸ばしていく
Anchored は「データが増えるほど過去の情報を使える」前提に立ちます。市場構造の変化を重視するなら Rolling、長期の平均的な挙動を重視するなら Anchored が向きます。
評価のポイント
- IS と OOS の成績差。差が極端に大きいときは過剰最適化を疑う
- OOS のばらつき。各窓の OOS リターンが安定しているか
- パラメータの安定性。最適化のたびに最適値が大きく変わる戦略は再現性が低い
実務での注意点
WFA は計算負荷が大きくなりがちです。とくに銘柄数 × パラメータ空間 × 窓の数で検証数が爆発します。最初は粗いグリッドから始めて、見込みのある領域を細かく検証する二段構えが現実的です。
また、OOS 期間を短くしすぎると偶然の影響が増えます。経験則として、OOS 期間は 最低でも数十トレード分 が入る長さを確保するのが安全です。
WFA で過去最適の罠を回避する考え方は、過剰最適化を見抜く視点 と合わせて読むと理解が早くなります。
QuanTest で試す
QuanTest では、学習期間と検証期間を分離した実行が可能です。まずは 1 戦略・複数パラメータ・2〜3 窓の最小構成で、IS と OOS の乖離を体感してみてください。
QuanTest を無料でダウンロード
無料・登録不要・データはすべて端末内で完結
本記事は教育目的の解説であり、特定の戦略の収益性や将来の運用成果を保証するものではありません。投資判断はご自身の責任で行ってください。