【コラム】ラフパス理論とラフ・ボラティリティ — 最先端数学はFXトレーダーの武器になるか？¶

ラフパス理論とFX

この記事の3行まとめ

📐 ラフパス理論は「価格の動き方（経路）」そのものに情報が宿るという発見。終値だけ見るのは情報を捨てていた。
📉 ラフ・ボラティリティは「ボラが記憶を持ち、荒さが持続する」ことを数学的に証明。フラッシュクラッシュも想定内になる。
🧭 数式は不要。「相場は常に荒い」「プロセスを読む」という2つの視点を持つだけで戦略の質が変わる。

はじめに：「終値」しか見ていないトレーダーは何を見落としているか¶

ローソク足を見るとき、あなたは何を見ていますか？

「終値が前のローソク足より上なら上昇」「移動平均線を上抜けたら買い」——そういったシンプルなルールで判断している方が多いと思います。

でも、少し立ち止まって考えてみてください。

ある1時間足のローソク足が、「始値 100.00、高値 100.50、安値 99.80、終値 100.20」だったとします。この足の情報だけで、その1時間の中でどんなドラマがあったか、本当に分かるでしょうか？

同じ始値・終値でも、「開始直後に急落して100円を割り、その後じわじわ戻した足」と、「開始直後に急騰して100.50円をつけ、その後失速した足」では、次の値動きの確率分布がまったく異なるはずです。

この「経路（パス）」に意味があるという直感を数学的に厳密に定式化したのが、今回紹介するラフパス理論（Rough Path Theory）です。

1. ラフパス理論とは何か¶

生い立ち：確率論の難問を解くために生まれた¶

ラフパス理論は、もともとFXとは無関係な場所から生まれました。数学者テリー・タオの師でもある田崎晴明氏の研究仲間であるマーティン・ヘア氏が2014年のフィールズ賞（数学のノーベル賞）を受賞した理由の一つが、このラフパス理論の発展への貢献です。

もともとは「確率微分方程式の解を、非常に不規則なノイズに対しても厳密に定義したい」という純粋数学の問いから始まりました。ここで言う「ラフ（rough）」とは「荒い」という意味で、微分できないほど凸凹した経路を扱うための理論です。

核心アイデア：「シグネチャー」とは何か¶

ラフパス理論の最大の産物が「シグネチャー（Signature）」という概念です。

通常、価格の動きを数値として表現しようとすると、「終値の列」を使います。しかし終値の列には「経路のどんな形をしていたか」という情報が欠落しています。

シグネチャーはこの問題を解決します。価格の経路全体を、階層的な積分の組み合わせで表現することで、「この経路は、最初に急落してから緩やかに戻した」「この経路は、小刻みに上下しながら徐々に上昇した」といった形状の違いを数値ベクトルとして捉えることができます。

従来のアプローチ	ラフパス（シグネチャー）アプローチ
終値・始値・高値・安値の4点のみ	経路全体の形状を多次元ベクトルで表現
「どこにいるか」を見る	「どうやってそこに来たか」を見る
ローソク足単体で完結	複数足にまたがる経路の「クセ」を抽出
情報量：低	情報量：高

2. ヘッジファンドはどう使っているか¶

JP MorganやBlackRockが実際に使うトレード戦略¶

「理論の話はいいから、実際に儲けているの？」という声が聞こえてきそうです。答えはYESです。

2019年ごろから、一部のクオンツヘッジファンドがシグネチャーをAIの特徴量として採用し始めました。その仕組みはこうです。

経路を特徴量に変換: 過去20本のローソク足の動きをシグネチャーで数値化する
LSTMやTransformerに入力: 通常の価格列ではなく、シグネチャーを深層学習モデルに食わせる
エッジの検出: 「このシグネチャーの形状の後には、次の1時間で上昇する確率が高い」というパターンを自動的に学習する

実際に2023年に発表された論文「Signature Trading」（UCLとAlan Turing Instituteの共同研究）では、シグネチャーを使ったアルゴリズムトレードが従来の価格特徴量を大幅にアウトパフォームしたという結果が報告されています。

「急騰した後の形」と「じわじわ上がった後の形」は別物¶

ここで個人トレーダーにも直感的に理解できる例を挙げましょう。

ドル円が145円から150円に上昇した場面が2回あったとします。

パターンA: ニュースで急騰、ほぼ一直線に5円上昇
パターンB: 2ヶ月かけてじわじわと5円上昇

この2つは終値が同じでも、その後の展開はまったく異なることをトレーダーなら体感的に知っているはずです。パターンAは「出尽くし」で反落しやすく、パターンBは上昇トレンドが続きやすい。

シグネチャーはこの「経路の違い」を数値として捉え、AIに学習させることができます。これが従来の指標との根本的な違いです。

3. ラフ・ボラティリティ：「ボラティリティは記憶を持つ」¶

2018年の衝撃：従来の常識が覆された¶

もう一つの主役がラフ・ボラティリティ・モデル（Rough Volatility Model）です。これはJim Gatheral氏、Thibault Jaisson氏、Mathieu Rosenbaum氏が2018年に発表した研究です。

従来の金融工学では、ボラティリティ（相場の変動幅）は「ある程度予測できるが、本質的にはランダムだ」と考えられていました。有名なブラック・ショールズ・モデルはボラティリティを定数とすら扱います。

ところが、彼らは膨大な実際の市場データを分析した結果、驚くべき事実を発見しました。

重要な発見

ボラティリティはべき乗則（Power Law）に従う「長期記憶」を持ち、しかもその「荒さ（Roughness）」は通常の確率過程よりはるかに激しい。

この「荒さ」を表すパラメータがハースト指数 H です。（検証#01のハースト指数と同じ概念です！）

ハースト指数 H の値	ボラティリティの性質
H = 0.5	ランダムウォーク（従来モデルの仮定）
H = 0.1〜0.2	実際の市場（非常に荒く、短期記憶が強い）

実データから計算すると、FX市場のボラティリティのHは 0.1〜0.2程度だと判明しました。つまり従来モデルはボラティリティの荒さを大幅に過小評価していたのです。

フラッシュクラッシュが「想定外」でなくなる¶

この発見が持つ実践的な意味は非常に大きいです。

2015年のスイスフランショック、2019年のポンド円の瞬間暴落、2022年の円安加速——こういった「1日で数百pipsが飛ぶ」イベントを、従来モデルは「1億年に1度の確率」と計算していました。

しかしラフ・ボラティリティ・モデルで計算すると、こうした極端な動きは数年に1度の想定内の出来事として現れます。

機関投資家はこのモデルを使ってオプション価格の算出とリスク管理を行い、フラッシュクラッシュが起きた時に個人トレーダーがパニック損切りをしている横で、あらかじめ設定したヘッジポジションから利益を得ることができます。

4. 「記憶の持続」が示すボラティリティのクセ¶

ATRが急上昇したら「その荒さは続く」¶

ラフ・ボラティリティが示す最も実用的な教訓は、「ボラティリティの急増は思ったよりずっと長く続く」ということです。

直感的に言えばこうです。

嵐は来てすぐには終わらない。嵐の後はしばらく海が荒れる。

FXでいえば、ATR（Average True Range）が急上昇した後、すぐに「落ち着いた」と判断してトレードを再開するのは危険です。ラフ・ボラティリティは、その荒さがべき乗則的に减衰——つまりゆっくりとしか落ち着かないことを示しています。

Text Only

一般的な感覚：急騰/急落 → 1〜2日でボラ収束
ラフ・ボラティリティの示す現実：急騰/急落 → 数日〜数週間、荒さが持続

ボラの「記憶」を使った簡易チェックリスト¶

数式なしで実践できる判断フローです。

Text Only

直近5日間のATRが、過去1ヶ月の平均ATRの1.5倍以上か？
        │
      YES → ボラ高騰フェーズ。荒さは持続する可能性が高い。
              逆張りは禁物。損切り幅を広げるか、ロットを落とす。
        │
       NO → 通常フェーズ。通常の戦略で問題なし。

5. 個人トレーダーは今すぐ何をすべきか¶

数式は不要。「エッセンス」だけ取り入れる¶

ここまで読んで「難しそう…」と思った方、安心してください。個人トレーダーがシグネチャーを計算したり、ハースト指数Hを推定したりする必要はありません。

大切なのはこれら2つの理論が示す「世界観」を自分の戦略に取り込むことです。

視点①：「終値だけ」から「プロセスを読む」へ¶

❌ 「1時間足の終値が移動平均線を上抜けた → 買い」
✅ 「1時間足の終値が移動平均線を上抜けたが、その足の中で一度大きく下押しして戻した動きがある → 上値が重い可能性。様子見」

ローソク足の「形」（上ヒゲ・下ヒゲ・実体の比率）や、直前数本の足が「どういう経路でここまで来たか」を意識するだけで、ラフパス理論の視点を取り入れたトレードに近づきます。

視点②：「ボラは落ち着く」から「ボラは持続する」へ¶

❌ 「急に動いたから落ち着くだろう → ここで逆張りエントリー」
✅ 「ATRが急上昇している。この荒さはしばらく続く → ポジションサイズを落とし、利益確定を早める」

指標として使うなら、ATR・ボリンジャーバンド幅・VIX（通貨版はDVIX） が「ラフさ」の簡易プロキシとして使えます。これらが急上昇しているときは、ラフ・ボラティリティ的に「嵐の最中」です。

視点③：「ツールの進化」に備えてリテラシーを持つ¶

2024年〜2025年にかけて、TradingViewや一部のFX専用プラットフォームで「シグネチャーベースの特徴量」を使ったインジケータが登場し始めています。

その意味を理解していなければ、「なんか新しいの出た、試してみよう」で終わります。でも理論を知っていれば「これは経路情報を活用しているから、急騰・急落の初動では有効だが、レンジ相場では過剰反応する可能性がある」という判断ができます。

6. まとめ：数学は「直感の翻訳」である¶

ラフパス理論もラフ・ボラティリティも、最初から数学者が「FXで儲けよう」と考えて作ったものではありません。

それでも、これらの理論が金融市場の本質を正確に捉えていたのは、「相場は思っているよりずっと複雑で、荒く、記憶を持つ」という現実を、トレーダーが体感的に知っていたことと一致していたからです。

数学は、人間の直感を「他人に説明できる言語」に翻訳するツールです。

最先端の理論が示すのは、「終値だけを見るな」「荒さは続く」「経路に情報がある」という至ってシンプルな教訓です。これをトレードに落とし込むだけで、あなたの戦略は一段深みを増すはずです。

「Roughness（荒さ）」の向こう側にある数学の鼓動を、チャートを見るたびに少しだけ意識してみてください。

参考文献¶

Gatheral, J., Jaisson, T., & Rosenbaum, M. (2018). Volatility is rough. Quantitative Finance.
Chevyrev, I., & Kormilitzin, A. (2016). A Primer on the Signature Method in Machine Learning.
Morrill, J., et al. (2021). A Generalised Signature Method for Multivariate Time Series Feature Extraction. Journal of Machine Learning Research.
A soft introduction to rough volatility — Quantminds

前後の記事¶

前: 【検証#06-4】トレンド／レンジ・レジーム v102 — 平滑化と MTF 確認次: コードは完璧、戦略は赤字：AIが「ラフパス理論」EAを自動生成・改良した4時間の記録