AI Pathways 2026/6/30 20分の動画 3 slides

Claude で9,000本のバックテストを実行 — 残ったのは平均回帰だけだった Brendan の方法論

#9,000本バックテストシステム #平均回帰戦略の優位性 #6フィルタ生存率64% #Claude Code 実装手順公開 #ロバストネス・ブートストラップ検証 #投資銀行出身者の定量検証

Claude Tested Over 9,000 Trading Strategies (Here's What Works)

129,391 回再生 8 highlights

TL;DR · この記事で分かること

1 AI Pathways の Brendan が Claude を使い9,000本のトレード戦略バックテストを実行。トレンドフォロー、平均回帰、モメンタム、ブレイクアウトなど主要戦略を30銘柄・15年分のデータで検証した結果を公開する。
2 解説者は数学・経済を UCLA で学び Raymond James で投資銀行に3年勤務した経歴。クライアント向けのトレードシステム構築を2年続けており、定量分析の実務経験から動画は組み立てられている。
3 Claude で構築したこのテストシステムは、9,000本のバックテストを6つのフィルタで段階的にふるい落とす設計。動画は各タイル(モジュール)の役割を順に解説する形を取る。
4 テスト対象は流動性の高い銘柄の日足。S&P 500/NASDAQ などの主要 ETF、セクター ETF、金、原油、債券、ビットコイン、イーサリアムを含む15年(2010-2025)分の履歴で検証する。
5 結果は明確だった。主要戦略カテゴリの中で正のリターンを残したのは平均回帰のみ。トレード順序をシャッフルしても結果が崩れず、運に依存しない頑健性を示した。
6 6フィルタを通過したのは524本、10年以上の履歴がある銘柄に絞ると478本。そのうち64%が平均回帰戦略で、生き残った戦略の約2/3を占めた。
7 平均回帰は学術研究で最も裏付けが厚い戦略。価格が平均から極端に乖離した後は人間心理と市場構造の両方の理由で平均へ戻るという仕組み。一方の移動平均クロスオーバーは理論的根拠が薄く、データもそれを示していた。
8 このシステムは Claude Code か Claude.ai で再現可能。プロンプトをスクリーンショットして AI に渡すだけで、データ・戦略ライブラリ、6フィルタのバックテストファネル、ロバストネスチェックの各層を構築できる。

スライドで読む

全 3 スライド

01 Slide 1 / 3

00:00 で観る

9,000本バックテスト — Claude で組んだ戦略検証システムの全体像

AI Pathways の Brendan が Claude で構築した戦略検証システムを公開する。トレンドフォロー、平均回帰、モメンタム、ブレイクアウトといった主要なファミリを30銘柄・15年分のデータで9,000本バックテストし、何が生き残るかを定量で示すという内容だ。

解説者の経歴は UCLA で数学と経済、Raymond James で投資銀行3年、クライアント向けトレードシステム構築2年。動画冒頭で投資助言ではないと明言したうえで、データとメソドロジーの提示に徹する。テスト対象は流動性の高い銘柄の日足で、S&P 500/NASDAQ などの主要 ETF、セクター ETF、金、原油、債券、ビットコイン、イーサリアムを含む。6フィルタで段階的にふるい落とす構造になっている。

02 Slide 2 / 3

09:17 で観る

残ったのは平均回帰だけ — 478本の生存戦略の内訳

結果は明確だった。主要カテゴリの中で正のリターンを残したのは平均回帰のみで、トレード順序をシャッフルしても結果が崩れず、運に依存しない頑健性を示した。6フィルタ全通過は524本、10年以上の履歴がある銘柄に限定すると478本まで絞られる。そのうち64%が平均回帰戦略だった。

平均回帰が強い理由は学術研究と整合的だ。価格が平均から極端に乖離した後は、人間心理(過剰反応の修正)と市場構造の両方の理由で平均へ戻る傾向がある。何十年にも及ぶ研究がこの仕組みを裏付けている。対照的に移動平均クロスオーバーは『一本の線がもう一本を横切る』だけのもので、これが将来を予測すべき理論的根拠は薄く、9,000本のデータもそれを支持しなかった。

03 Slide 3 / 3

18:32 で観る

再現可能なシステム — Claude Code でレイヤを組み立てる

Brendan はこのシステムを誰でも再現できる形で公開している。プロンプトをスクリーンショットして AI モデルに渡せば、Claude.ai のウェブアプリでも Claude Code でも構築できる。Claude Code を使うほうが一箇所でコードを管理・更新できる利点がある。

構成は階層的だ。第一層はデータ・戦略ライブラリで、コピーして Claude Code に貼り付ければ動く。第二層はバックテストファネルで、ウォークフォワード/アウトオブサンプル検証と6つのフィルタを含む。第三層はロバストネスチェックで、パラメータ感度とブートストラップ・ストレステストを行う。最終層がモメンタム戦略向けのクロスセクショナル検証だ。これらが揃えば、Trading View で見かけた怪しいバックテストに頼らず、自分のアイデアを定量的に検証できるツールセットになる。

編集部の視点

この検証が示すのは『AI でトレードが儲かる』という派手な結論ではなく、9,000本という規模のバックテストを Claude で組み立てて回せるようになった、その実装ハードルの低下のほうだ。従来は専門のクオンツチームと独自インフラが必要だった検証作業が、個人投資家のレベルで再現可能になっている。読者にとっての含意は二つある。第一に、AI で『良い戦略』を探すより、既存の検証研究を AI で素早く再現して自分の前提条件に当て直すほうが投資対効果が高い。第二に、Brendan が示したように再現可能なプロンプト一式が公開されている以上、競争力の源泉は『プロンプトを持っているか』ではなく『6フィルタの後ろにある手法選択と銘柄選定の判断』に移る。ツールは平準化し、判断力が差別化要因として残る局面に入っている。

出典