モンテカルロ法による売買判定

1万通りの将来シナリオをシミュレーションして勝率と期待値の閾値を超えたときだけ発注する、Claude × Monte Carlo の自動売買アーキテクチャ

概要

モンテカルロ法による売買判定は、現在価格を起点に N 通りの将来シナリオ（既定 10,000） をシミュレーションし、シナリオ集団から導いた勝率・期待損益・VaR が閾値を超えたときだけ発注する統計的取引アーキテクチャである。AI（Claude）は「最終判断者」ではなく「マクロ要因をスカラー化する補正器」として組み込み、ハルシネーションが直接損益に効くリスクを抑える。

アーキテクチャ

データ取得層: 現在価格・板・出来高、または日足/分足の終値ヒストリカル
モデル層: 価格系列から GBM（幾何ブラウン運動）のパラメータ μ・σ を log return から推定
Claude 補正層: 直近マクロイベント（FOMC・日銀会合・地政学）を Claude に要約させ、impact スコア（-1.0〜+1.0）で mu を ±α 補正
Monte Carlo 層: S_t = S_0 * exp((μ - 0.5σ²)·dt + σ·√dt · Z) で 10,000 パスを生成
判定層: 勝率 + 期待値の二段ゲート + ケリー基準で枚数決定
発注層: 取引所 API / 証券会社 API へ自動発注

二段ゲートの意義

判定ロジックには 勝率と期待値の両方 をかけるのが本質的に重要である。

勝率だけ: 「ほぼ確実に小さく勝つが、たまに大きく負ける」シナリオを過大評価してしまう
期待値だけ: 勝率が低すぎてメンタル的に続かない戦略を選んでしまう
二段がけ: 例えば「勝率 55% かつ期待値 50pt 以上」とすることで両方の欠陥を打ち消す

ケリー基準による枚数決定

シミュレーションから得られる勝率 p、期待損益 EV、95% VaR から、ケリー比率を計算して発注枚数に反映する。

簡易ケリー: f* = (b·p − q) / b、b = EV / VaR95、q = 1 − p
正規のケリーは b = 平均利益 / 平均損失 だが、保守的に評価するため VaR ベースの近似を採用する流派もある
フルケリーは破産確率とドローダウンが極端に大きくなるため、実務では 1/4 〜 1/2 ケリー に留めるのが慣例（25% でキャップするのが定番）

GBM の限界と拡張

GBM は log-normal を仮定するため、現実市場のジャンプ（決算サプライズ・FOMC・地政学イベント）を捉えきれない。次のいずれかへ拡張するのが王道である。

ヒストリカルブートストラップ: 過去のリターン分布から復元抽出し、厚い裾を再現
Merton ジャンプ拡散モデル: ポアソン過程によるジャンプ項を GBM に追加
GARCH 系: ボラティリティのクラスタリングを捉える

最初は GBM で実装し、バックテストで「ドローダウンの実測値が VaR より大きい」と分かった時点で拡張するのが現実的。

なぜ Claude を最終判断者にしないのか

Claude のハルシネーションが直接損益に効くのを避けるため
数値モデルで生き残った戦略にだけ Claude を当てると、ハルシネーション耐性が出る
推奨パターン: Claude には「直近 24h のマクロニュースが上下どちらに効いているか」のスカラー値（-1.0〜+1.0）だけを返させ、最終判定は Monte Carlo + 二段ゲートに任せる