裁量トレーダーのシステム化¶

長年の裁量トレードで培ったルールを「気分」「相場観」のままにせず、JSON 宣言型で明示化してバックテストで検証したい方向けです。

裁量トレードが抱える 3 つの課題¶

課題	裁量トレードの実態	AlphaForge の解決策
再現性	「相場観」「直感」が前提で、勝因の言語化が難しい	JSON 戦略定義として明示化し、第三者が同じシグナルを再現できる
感情バイアス	勝った日は強気・負けた日は弱気と判断が揺れる	同一ルールを全期間に等価適用してバイアスを定量化
記憶の歪み	「あのとき切るべきだった」は事後の後知恵	ウォークフォワード検証で「事前に出せた判断」のみで評価

裁量ルールを JSON 宣言型に翻訳する¶

裁量で「20 日移動平均と RSI(14)<30 が交差したら買う、ATR の 2 倍で損切り」というルールを使っている場合、これをそのまま AlphaForge の戦略 JSON として宣言できます。

# テンプレートから出発
forge strategy create my_playbook --template ma_rsi_atr

# 戦略 JSON を編集して、自分の裁量ルールに調整
#   - エントリー条件（移動平均期間・RSI 閾値）
#   - エグジット条件（ATR 倍率・利確幅）
#   - サイジング（口座残高に対する割合）

JSON で書ききれない高度なロジック（複合条件・レジーム判定）は、戦略テンプレートの HMM・マルチタイムフレーム例を参考にしてください。

裁量と感情バイアスを定量化する¶

同じルールを 2018-2025 全期間で機械的に適用すると、自分の裁量実績との差分が出ます。この差分こそが感情バイアスの大きさです。

# 1. 自分のルールでバックテスト
forge backtest run QQQ --strategy my_playbook

# 2. ウォークフォワードで「事前に判断可能だった」期間のみで評価
forge optimize walk-forward QQQ --strategy my_playbook --folds 5

# 3. 実際の裁量結果と比較
#    - システム化バックテスト Sharpe: 1.10
#    - 自分の裁量実績 Sharpe   : 0.40
#    → 感情バイアスで Sharpe を 0.70 ポイント毀損していた

ここで重要なのは「裁量を否定する」のではなく、裁量で取ったエッジを定量化し、再現可能な部分を切り出すことです。

ハイブリッド運用への橋渡し¶

完全自動化に踏み切らない場合でも、AlphaForge は中間段階として「シグナルだけ機械化、執行は裁量」という運用を支援します。

バックテスト → 最適化 → Pine Script 生成
                                  ↓
                       TradingView アラート（通知のみ）
                                  ↓
                       人間がアラートを確認して発注

裁量で「いつも見落とすパターン」を AlphaForge にアラート化させ、執行判断だけ自分の手元に残す運用が可能です。完全自動化が前提ではないため、心理的な移行コストが低い構成です。

はじめの一歩¶

# 1. シンプルな MA + RSI テンプレートからスタート
forge strategy create my_playbook --template ma_rsi_atr

# 2. 過去 5 年分のデータを取得
forge data fetch QQQ --start 2020-01-01

# 3. 自分のルールでバックテスト
forge backtest run QQQ --strategy my_playbook --json

# 4. 感情バイアスを可視化（裁量実績との差分）
forge journal record my_playbook --note "裁量実績との比較ベースライン"