
4週目:株価変動に対する中心極限定理と不都合な真実
続きものになっており、バックナンバーはこちらになります🙇
🗼 銘柄、時間軸に関わらず正規分布になる!?
🔎 銘柄別の集計結果
特徴量を見直そうと再度株価のデータを分析していると、以前のnoteで触れた株価変動の統計について気になったことがありました。
そのときは軽く流してしまいましたが、S&P 500のインデックスETFであるSPYの5分足の変動を集計すると、正規分布に近い形になっていました。

そこで、同じ分析を他の銘柄にも適用してみました。たとえば、個別株のジョンソンエンドジョンソン(JNJ)のデータでも、正規分布に近い結果が得られました。

また、テクノロジーセクターETFのXLKについても同様の傾向が確認されました。

まさか、これって中心極限定理(Central Limit Theorem、CLT)じゃないでしょうか…。
⏳ 時間軸別の集計結果
さらにタイムフレームを変えて集計してみました。
2023年から2024年末までのSPYの1分足データを集計した結果、やはり正規分布に近い形が確認できました。

そして、1993年から2024年末までのSPYの日足を分析してもほぼ同じ傾向が見られました。

分足や日足という時間軸が異なっていても正規分布に近づくということは、時間軸はフラクタルでしかないのでしょうか?

いや、フラクタルであるかに関わらず中心極限定理が適用されることを考えると、ポイントは「株価変動は中心極限定理に該当するか」になるのでしょう。
📏 中心極限定理とその反駁
中心極限定理が適用されるには、以下の条件があります。
独立性:各サンプル(価格変動)は互いに独立であること。
同一分布:全てのサンプルが同じ確率分布に従うこと。
有限な分散:サンプルの分散が有限であること。
この通りだとすると、株価変動は過去の値動きとは無関係で、サイコロを振るのと同じという衝撃の結末になってしまいます。
❓ 投資=時間の無駄?!
何が衝撃かというと、この結論はテクニカル分析もファンダメンタル分析も全否定することを意味します。つまり、市場予測もアナリストの見解も証券会社のレポートも、すべてが無意味であり、市場は完全にランダムウォークだということになります。
さらに、株価変動が中心(=0)に収束するということは、「インデックスほったらかし投資」ですら無意味ということになります。
しかし、私たちはそれが事実ではないことを知っています。
実際の株価には上昇と下落の間に非対称性があり、SPY(米国株)の過去のトレンドは右肩上がりです。また、上昇よりも下落の方が急激に起こり、イベントや決算発表時には株価が一方向に大きく変動します。加えて、機関投資家と個人投資家の間には情報の非対称性も存在します。
🔄 近似的中心極限定理
中心極限定理には修正版があり、以下の条件が当てはまるのであれば👆の条件に該当していなくても近似的に導くことができます。
リンデベルグ条件(Lindeberg-Feller CLT)
極端な外れ値(急落・急騰)は統計的に無視できるレベルに収束する。
これはサンプルサイズが大きくなるほど外れ値の影響が平均値に吸収されることを意味します。
アルファ混合条件(α-mixing)
時系列データの影響が、過去にさかのぼるほど急激に減衰する。
これにより、短期間では依存関係があっても、長期的には独立性が保たれると見なせます。
α混合条件が適用される場合であっても、直前の値動きしか影響しないとするなら50日や200日の移動平均線は無意味で、せいぜい2日や3日程度の超短期の移動平均しか使えないという結論になりかねません。
🤔 事実を受け入れて考える
この近似的中心極限定理を所与のものとすると2つのアプローチが考えられます。
📉 中心極限定理の標準偏差を活用
1つ目は、中心極限定理に収束することを利用したアプローチで、具体的な投資手法としてはショートストラドルが考えられます。この戦略では、1シグマや2シグマといった標準偏差内に収まる確率を利用し、サンプル数を増やすことで収益の安定性を狙います。
ただし、たとえリンデベルグ条件が満たされるとしても無限損失はリスクが大きいので、ショートアイアンバタフライにした方がブラックスワン対策になりそうです。逆にストラングルやアイアンコンドルは中心での収益性を放棄してしまうため数をこなすと非効率になるのかもしれません。

大数の法則を活かすとすると1分足の方がサンプル数を増やせそうですが、手数料やスプレッドにやられそうですし、そもそも1分満期のオプションは存在しません。
この点、SPYやVIX、ESのような一部オプションには0DTE(Zero Days To Expiration、当日満期の超短期オプション)があるため、日足ベースでなら可能性があるかもしれません。
📊 中心極限定理との乖離を活用
2つ目は、あくまで「近似的」あることに着目して、理論値との乖離をエッジとして収益を得るアプローチです。
市場には上下動の非対称性やイベントによる異常値が存在するため、それらを捉え、理論値へ収束する過程を利用する戦略が考えられます。
これはスプレッドトレードに近い考え方で、正規分布的な理論値をどのように適用するかが鍵になりそうです。
こうして考察を進めているうちに、特徴量エンジニアリングからスタートしたはずが別の方向に進んでしまい、引き続き彷徨っている状態で腰を落ち着けるのはまだ先になりそうです。
拙者はるろうに、また流れるでござるよ、ニンニン。