日中ボラティリティの季節性：時間帯パターンと限界

日中ボラティリティの季節性は、取引セッション内の時刻によってリターンの規模が系統的に異なることを指します。取引所の寄り付き付近の30分リターンは、同じ長さの昼ごろの足とは異なる過去の分布を持つことがあります。対象はリターンの大きさと散らばりであり、特定の時刻に価格が上昇・下落しやすいかではありません

株式と外国為替のデータでは、日中ボラティリティの反復パターンが研究されています。AndersenとBollerslevは、この周期性が高頻度リターンの動的特性に関わり、モデル化すると時間帯パターンと、より持続的なボラティリティ動態を分けやすくなると示しました（1997年00004-2)）。この結果は調整の根拠になりますが、すべての資産、取引所、期間に共通する固定曲線を示すものではありません

季節要因は比較の基準として扱うのが適切です。その時間帯の通常の規模と比べてリターンがどれほど異例かを表したり、定期的なセッション内パターンを持続的なクラスタリングと誤認するのを防いだりできます。実現ボラティリティのガイドでは日中リターンの二乗を合算してセッション単位の指標を作る方法を説明しています。この記事では、その時間帯別プロファイルに焦点を当てます

多くの株式標本では、通常セッションの中盤より寄り付きと引け付近で平均ボラティリティが高く、曲線がU字型に見えることがあります。寄り付きオークション、夜間の情報、参加者の市場参加、引けに向けたポートフォリオ取引、引けの仕組みなどは、ボラティリティの変化と同時に起こり得ます。しかし、データ上の形だけではどの要因が原因か特定できません

市場やセッションの定義が違えば形も変わります。外国為替は一つの寄り付き時刻ではなく、世界各地の時間帯をまたいで取引されます。先物はほぼ終日取引されても、清算時間、メンテナンス休止、地域時間帯に偏った流動性がある場合があります。24時間取引の暗号資産にも、分析者が基準セッションを定義しない限り、単一の寄り付きや引けはありません。適切な時計は商品、取引所、サンプリング規則によって異なります

EderingtonとLeeは、予定されたマクロ経済発表などボラティリティ情報を考慮すると、分析した外国為替標本でよく知られたU字型が消えると報告しました（2001年）。これは彼らの標本に限った結果であり、すべてのFX市場に周期性がないことの証明ではありません。ただし、記述的な平均曲線を不変の法則とみなすべきでないことを示しています

r₍d,j₎をセッションdの時間帯区間jにおけるリターンとします。考え方を整理する分解は次のとおりです

r₍d,j₎ = sⱼ ε₍d,j₎ Var(r₍d,j₎ | 区間開始前の情報) = sⱼ² h₍d,j₎

sⱼは正の時間帯別スケール要因、h₍d,j₎は情報や市場環境とともに変わるボラティリティを表します。sⱼは選択した標本とカレンダーに関する統計的な記述であり、時計の因果効果とは限りません。この分解はモデリングの補助であり、すべての資産に既知の決定論的な時間割があるという主張ではありません

sⱼを無視すると、特定の時間帯に繰り返し現れる高分散の足により、リターンの二乗が持続的に見えることがあります。その結果、GARCHモデルは通常の日中変動と実際のボラティリティ・クラスタリングの両方を動的パラメータに帰属させる可能性があります。後者はGARCHガイドで説明しています。季節調整は両者の区別に役立ちますが、残差、パラメータの安定性、代替仕様の確認に代わるものではありません

スケール要因と分散要因を混同しないでください。ある時間帯のリターン標準偏差が別の時間帯の2倍なら、同じ単位で分散は4倍です。要因が標準偏差、分散、絶対リターンのどの尺度なのかを明記し、標準化でも同じ定義を使います

評価月より前に終了した学習標本から、寄り付き付近の典型的な30分リターンの尺度が0.40%、昼ごろが0.20%だったとします。これは計算を示すための仮想値です。寄り付きと昼の標準偏差比は2、対応する分散比は4です。特定の資産や現在のセッションに関する推定値ではありません

寄り付きの0.40%のリターンと、昼の0.20%のリターンを比べます。各絶対リターンをそれぞれの過去の尺度で割ると、0.40% / 0.40% = 1、0.20% / 0.20% = 1です。どちらも固有の時間帯尺度で1単位です。生の変動幅は異なりますが、この例のプロファイルでは標準化した大きさは等しくなります

この計算は、どちらかが統計的にまれ、反転する、または売買益につながるという意味ではありません。標準化値は分布モデル、推定の不確実性、イベントの状況、測定品質と合わせて解釈する必要があります。尺度比自体は確率でも、予測でも、方向シグナルでもありません

商品、取引所、セッション、足の長さ、価格データ源、リターンの定義を決めます。過去の各セッションで同じセッション相対時刻の区間を対応させます。夏時間の切り替え後に、取引所現地時間の9:30〜10:00の足を任意のUTC足と暗黙に比較してはいけません。オークション、夜間ギャップ、休日、短縮取引日、欠損気配、異常な取引日の扱いも事前に定めます

各区間の典型的な尺度は、予測日または評価日より前の日付だけから推定します。実務的な出発点は、各時間帯の絶対リターンの中央値や、裾を刈り込んだ二乗平均平方根などの頑健な尺度です。変動の大きい日が全体平均を左右する場合、各セッションを日次尺度で正規化してからセッション内プロファイルを推定し、隣接区間を平滑化し、基準水準に合わせて要因を再正規化できます。手法と正規化規則を記録します

過去のバックテストでは、各予測起点で利用可能な学習期間のみを使って要因を固定します。実運用に合わせるなら、ローリング窓または拡大型窓で更新します。全データで一度だけプロファイルを推定し、過去の観測に適用すると、将来セッションの情報が漏れ、リアルタイムで得られた場合より標準化リターンが安定して見えることがあります

季節プロファイルはイベント処理や当日中のボラティリティ推定と分けておきます。モデルが同じセッションの先行時間帯で観測したボラティリティを利用できる場合、その予測時刻までに利用可能だった足だけで計算します。曜日、限月、取引所、レジームごとのプロファイルかも記録します。細分化は偏りを減らし得ますが、各区間の観測数を減らします

区間ごとの推定値を支える観測数とセッション数を記録します。休日、欠損記録、特定時刻の薄商いにより、要因が市場変動ではなくデータの網羅性を反映することがあります。区間を細分化しすぎると推定が不安定になります。比較前に足の長さと学習期間を定めます。平滑化はノイズを減らす一方、寄り付きや引けの山を消すことがあるため、生のプロファイルと平滑化後を比較し、規則を記録します

過去の評価期間中にプロファイルを再推定する場合、各予測起点で利用可能だった版を保存します。学習終了日、区間ごとの観測数、変換、各要因の利用日を記録します。成績の良かったプロファイルを見てから選び、過去に適用すれば、選択過程を通じても先読みが生じます

<!-- learn:illustration -->

経済指標の発表は決まった時刻に行われることが多いため、発表時刻付近の反復的な急変は通常の時間帯季節性に見えても、直接の要因は予定されたニュースかもしれません。EderingtonとLeeは直近のボラティリティ、予定発表、周期性を合わせて分析しました。金利とFXの標本では、極端に高いボラティリティの期間に発表が特に重要で、情報を考慮すると推定される持続性が変わりました（2001年）

典型的な時間帯パターンが研究対象なら、発表時間帯を分ける、事前に決めたイベント指標を加える、またはイベントの有無で結果を示す方法があります。どれを選ぶかは、対象の予測が既知の発表を含むかによります。イベント足をすべて除くと、発表中も実際にポジションを保有する戦略のリスクを過小評価する場合があります

過去の予測日に利用できなかった情報でイベントカレンダーを作らないでください。必要なら発表時刻と改定情報を保存し、データが許せば予定ニュースと不意のニュースを区別し、対象市場や発表を明記します。時間帯要因だけではサプライズやその影響は説明できません

時間帯区分には安定した時計の定義が必要です。通常セッションを持つ取引所では、取引所現地時間を使うと寄り付き、昼、引けに対応しやすくなります。記録がUTCなら、各日付に有効だった歴史的なタイムゾーン規則で変換します。UTCオフセットを固定すると夏時間の切り替え時に寄り付き足が1時間ずれ、季節間の人工的な差が生じることがあります

取引所カレンダーには休日、短縮取引日、オークション、売買停止、契約ごとの休止時間も含まれます。短縮取引日の最終足は通常日の引けと同じセッション位置ではありません。各観測をプロファイルへどう割り当てるかを決めるか、セッション種別ごとに別のプロファイルを推定します。先物ではセッション設定と限月交代の扱いを、暗号資産では日付境界と基準タイムゾーンを明記します

要因が表すのは比較可能な観測であるべきです。UTCの時刻ラベルが同じだからといって、通常時間帯の株式足と夜間の先物足を比べてはいけません。タイムスタンプ、足の作成方法、価格源を一貫させ、古い気配、非同期取引、異なるオークション規則を確認します。時計の調整はモデル仕様の一部であり、見た目だけの前処理ではありません

固定季節要因は相対的なボラティリティパターンが安定していると仮定しますが、この仮定は崩れる場合があります。Andersen、Thyrsgaard、Todorovは時間変動する周期性を検証し、S&P 500指数リターンでは現在のボラティリティ水準に応じてパターンが一部変わる証拠を報告しました。高ボラティリティ期には、引け前の区間が日次積分ボラティリティに占める割合は低ボラティリティ期より大きくなります（2019年）

これは、市場が荒れるたびにすべての市場で引けのボラティリティが高まるという意味ではありません。証拠は研究のデータ、手法、標本に結びついています。ただし長期平均プロファイルは重要な変化を平滑化する可能性があります。期間やボラティリティ・レジーム別に推定を比べ、要因の安定性を検証し、単一曲線を恒久的なものとして示すのではなく不確実性を報告します

ローリング推定は適応できますが、ノイズが増え、少数のイベントを追いかける可能性があります。レジーム別プロファイルには各レジームで十分な過去データと、将来情報を使わない分類規則が必要です。条件が満たせない場合は、単純な安定要因と明示的なイベント調整の方が解釈しやすいことがあります。ボラティリティ・コーンのガイドでは、異なる期間や標本にわたる分布の比較を別途扱います

時間帯標準化はセッション区間間のボラティリティ比較を公平にし、残差パターンの診断を助け、より比較可能なイノベーションを必要とする予測モデルを支えます。また、寄り付きの極端に見える変動が、その区間の過去の規模に対しては普通だと示す場合があります。次のリターンが上がるか下がるかは示しません

正規化しても戦略が利益を得られる証明にはなりません。まずシグナルと執行規則を完全に定め、スプレッド、手数料、スリッページ、市場インパクト、レイテンシ、運用可能額を含むアウト・オブ・サンプル検証が必要です。過去の時間帯プロファイルはリスクや執行条件のモデル化には役立ちますが、エントリー規則でも市場の非効率性の証拠でもありません。分散とボラティリティのガイドでは、二乗単位と標準偏差単位を分ける理由を説明しています

再現可能な報告では、商品と取引所、タイムゾーン、セッションカレンダー、サンプリング間隔、データ源、推定量、学習期間、発表や異常セッションの扱い、正規化規則、安定性検証、予測起点での情報カットオフを明記します。プロファイルの不確実性と、推定に使わなかったデータでの結果も示します。こうした情報により調整を監査でき、記述的パターンを根拠のない売買主張に変えずに済みます