戦略の強さを、確かめる。

 

バックテストで終わらせない。最適化の「その先」へ。

過去に優れた成績を残したトレード戦略は、未来の相場でも通用するのでしょうか。

最大利益を記録したパラメータは、本当に優れた設定なのでしょうか。

最適化した期間を変更しても、同じような成績を維持できるのでしょうか。

こうした疑問を解決するためには、単にバックテストを繰り返すだけでは不十分です。

必要なのは、複数の条件を体系的に比較し、未使用の価格データで戦略の再現性を検証すること。

VectorBT PRO（ベクタービーティー・プロ）は、Pythonを中心に開発された、高度なバックテスト・パラメータ最適化・定量分析のための研究プラットフォームです。

銘柄、時間足、インジケーター、売買条件、損切り・利益確定ルール、検証期間などを組み合わせ、さまざまなトレード戦略を効率的に分析できます。

さらに、OOS（Out-of-Sample）検証、ウォークフォワード分析、時系列クロスバリデーション、頑健性評価を取り入れることで、過去の成績だけに依存しない、より厳密な戦略研究を実現できます。

「過去に勝てた設定」を探すことから、「その戦略がどこまで信頼できるか」を確かめることへ。

本ガイドでは、VectorBT PROの基本機能、料金、無料版との違い、インストール、Pythonによるバックテスト、最適化、OOS・ウォークフォワード検証、AI連携まで詳しく解説します。

FX・CFDのEA開発者向けに、MT4・MT5・Tick Data Suiteとの違いや、研究環境の使い分けについても紹介します。

 

VectorBT PROで学べる6つのテーマ

01｜BACKTESTING

Pythonによる売買戦略のバックテスト

02｜OPTIMIZATION

複数パラメータの比較と最適化

03｜OOS VALIDATION

未使用期間による戦略の再現性検証

04｜WALK-FORWARD

市場環境の変化を考慮した時系列分析

05｜RISK & ROBUSTNESS

ドローダウン・過剰最適化・頑健性評価

06｜AI INTEGRATION

AI・MCPを活用した研究開発支援

［VectorBT PRO公式サイトを見る →］

https://vectorbt.pro/

［最新料金・利用プランを確認する →］

https://vectorbt.pro/become-a-member/

※本ページはPhoenix Connectによる独立した日本語解説です。VectorBT PRO開発元の公式サイト・公式サポートではありません。バックテスト結果は将来の利益を保証するものではありません。

 

01. VectorBT PROとは？

 

Pythonを使った、本格的なバックテスト・定量分析プラットフォーム

VectorBT PROは、Oleg Polakow氏が開発する有料の定量研究ソフトウェアです。

Pythonのデータ分析環境を活用し、過去の価格データから売買シグナルを生成し、注文シミュレーション、損益分析、戦略最適化などを行えます。

一般的なバックテストでは、一つの設定でテストを実行し、結果を確認してから次の設定を試すという作業が多く行われます。

一方、VectorBT PROは、配列を使った計算処理によって複数の条件をまとめて扱えるよう設計されています。

例えば、移動平均線の短期期間を10～50、長期期間を60～200と変化させ、さまざまな組み合わせの成績を比較できます。

さらに、ADXの閾値、損切り幅、利益確定幅、時間帯フィルターなどを追加し、複数条件の相互作用を研究することも可能です。

VectorBT PROは、NumPyやPandasなどのPythonエコシステムと連携し、Numbaによる高速化、チャンク処理、並列実行などの仕組みを提供します。

必要に応じてRustを活用することもできます。

ただし、どのような処理でも無条件に高速化されるわけではありません。実際の性能は、使用するCPU、RAM、データ量、検証条件、実装方式などによって変化します。

 

VectorBT PROの特徴

• Pythonを中心に戦略研究を構築できる

• 複数銘柄・時間足・パラメータを比較できる

• シグナル型・注文型・イベント駆動型の検証に対応する

• 損切り・利益確定・トレーリングなどを研究できる

• 取引コストやレバレッジの仮定を設定できる

• OOS・ウォークフォワード分析を組み込める

• 戦略の過剰最適化や頑健性を検証できる

• 分析結果を統計指標やグラフで可視化できる

• AIコーディングツールとの連携機能がある

 

VectorBT PROは自動売買ソフトではない

ここで重要なのが、VectorBT PROの位置づけです。

VectorBT PROは、インストールするだけで自動的に売買を開始する完成済みのトレードボットではありません。

また、MQL4・MQL5のEAをそのまま読み込んで検証するためのMetaTrader互換ソフトでもありません。

VectorBT PROは、自分自身で戦略を設計し、その有効性をデータで検証するための研究環境です。

売買ルールや注文条件をPythonで記述し、適切な価格データと評価方法を用意することで、幅広い戦略研究を行えます。

［VectorBT PROの主な機能を確認する →］

https://vectorbt.pro/features/

 

02. なぜVectorBT PROが注目されるのか？

 

最も利益が出た設定と、最も信頼できる設定は違う

バックテストを繰り返していると、非常に良好な成績を示すパラメータが見つかることがあります。

例えば、ある売買戦略で、次のような結果が得られたとします。

設定A

総利益が非常に大きい一方、少しパラメータを変更すると成績が大きく悪化する。

設定B

総利益は設定Aより小さいものの、近隣のパラメータでも比較的安定した結果が得られる。

この場合、単純に過去の最大利益だけを比較すれば、設定Aが優れているように見えます。

しかし、未知の相場環境でも安定して機能するかという観点では、設定Bについても十分に検討する価値があります。

なぜなら、設定Aは特定の過去データへ偶然適合しただけかもしれないからです。

このような問題は、**過剰最適化（オーバーフィッティング）**と呼ばれます。

VectorBT PROでは、パラメータ全体の成績分布、異なる期間での成績、設定変更に対する感応度などを分析することで、こうした問題を調べられます。

 

トレード戦略の研究で確認したい5つの問い

① 期間を変えても機能するか？

特定の上昇相場だけではなく、下落相場やレンジ相場でも有効性が確認できるか。

② パラメータを少し変更しても安定するか？

最良設定だけが極端に優れているのか、周辺の設定でも一定の結果が得られるか。

③ 取引コストを増やしても優位性が残るか？

スプレッドやスリッページを厳しく設定した場合にも、成績を維持できるか。

④ 未使用期間でも機能するか？

最適化に使用していない期間で、同じ戦略を評価した場合にどうなるか。

⑤ 実際のEAで再現できるか？

研究用シミュレーションと実際の取引システムで、シグナルや注文が一致するか。

バックテストの目的は、過去の成績を最大化することだけではありません。

戦略が機能する条件と、機能しなくなる条件を把握することも重要なのです。

 

03. VectorBT PROの主要機能を徹底解説

 

① 市場データの取得・統合・加工

バックテストにおいて、最初に重要になるのが価格データです。

VectorBT PROでは、外部API、CSV、データベースなど、さまざまなデータ取得・読み込み方法を利用できます。

公式サイトでは、Yahoo Finance、Binanceなどの市場データ取得経路や、その他のデータアダプターが紹介されています。

独自に収集した価格データを利用した研究も可能です。

ただし、VectorBT PROの会員資格に、すべての市場データが無料・無制限で付属するわけではありません。

実際に利用するデータの提供条件やライセンスは、各データプロバイダーの規約に従います。

 

FX・CFDで注意したいデータの違い

同じ銘柄名でも、ブローカーによって価格データや取引条件が異なることがあります。

例えば、XAUUSD、JP225、US30などでは、価格配信、取引時間、契約サイズ、スプレッドなどが異なる場合があります。

そのため、EAの実運用との一致を重視する場合は、利用する取引環境とできるだけ整合するデータを準備することが重要です。

 

② インジケーターと売買シグナル

VectorBT PROでは、移動平均線、RSI、ADX、ATRなどの指標を使った戦略研究を行えます。

複数の指標を組み合わせた条件をPythonで作成することも可能です。

例えば、次のようなエントリー条件を研究できます。

買いエントリーの例

• 短期移動平均線が長期移動平均線を上回っている

• ADXが指定した閾値を超えている

• DIが買い方向を示している

• 指定した時間帯である

• 過熱状態を示す条件に該当していない

さらに、それぞれの条件をON／OFFで切り替えたり、閾値を変更したりして成績を比較できます。

 

③ シグナル・注文シミュレーション

VectorBT PROでは、売買シグナルからポートフォリオを構築する方法だけでなく、より柔軟な注文ロジックを実装することもできます。

ロング・ショート、注文数量、反対売買、指値、ストップ注文など、戦略に応じたシミュレーションを構築できます。

また、現在のポジション、口座資金、過去の約定などを参照する処理を組み込むことも可能です。

ただし、シミュレーション方式によって、同一ローソク足内で扱える注文数や注文順序には違いがあります。

複雑なEAロジックを再現する場合には、適切なシミュレーション方式の選択が必要です。

 

④ 損切り・利益確定・トレーリング

出口ロジックは、トレード戦略の収益性とリスクを大きく左右します。

VectorBT PROでは、主に以下のような決済条件を研究できます。

• 固定ストップロス

• 固定テイクプロフィット

• トレーリングストップ

• 一定利益到達後のトレーリング

• ATRなどに基づく変動幅の設定

• 時間経過による決済

• 段階的な利益確定

• 条件に応じた独自の決済ルール

例えば、SLを2％～10％、TPを5％～30％と変化させ、その組み合わせを比較することもできます。

ただし、複数の決済条件が同じローソク足で成立する場合、価格の到達順序が重要になります。

より正確な検証が必要な場合には、ティックデータや細かい時間足での確認を検討しましょう。

 

⑤ パフォーマンス分析・可視化

バックテストが終了したら、利益だけではなく、リスクも分析します。

主な評価指標には以下があります。

指標	確認する内容
Total Return	検証期間全体のリターン
Max Drawdown	最大資産減少率
Win Rate	勝ちトレードの割合
Profit Factor	総利益と総損失の比率
Sharpe Ratio	リターンと変動性の関係
Sortino Ratio	下方変動を考慮したリスク調整後成績
Total Trades	取引回数
Average Trade	1取引あたりの平均損益
Exposure	ポジション保有による市場へのエクスポージャー

これらを単独で評価するのではなく、組み合わせて確認することが重要です。

例えば、プロフィットファクターが高くても、取引回数が極端に少ない場合には、成績の不確実性が大きくなります。

また、総リターンが高くても、最大ドローダウンが大きければ、実際の運用に適さない可能性があります。

収益性・リスク・取引頻度・期間ごとの安定性を、同時に評価することが重要です。

 

04. VectorBT PROの料金プラン【2026年版】

 

Monthly・12-Month・Lifetimeを比較

VectorBT PROは、有料の会員向けソフトウェアです。

公式サイトでは、個人向けに以下の料金プランが案内されています。

プラン	開始価格	利用スタイル
Monthly	US$25／月〜	月額で利用
12-Month	US$240／12か月〜	1年分をまとめて支払う
Lifetime	US$500／一括〜	長期利用向けの一括払い

※2026年10月18日時点の公式公開価格。すべて開始価格です。税金、支払方法、最新の契約条件などにより実際の請求額は変わる場合があります。

 

Monthly｜まず実際に使ってみたい方に

US$25／月〜

VectorBT PROを初めて導入する場合に検討しやすいプランです。

環境構築、APIの使いやすさ、研究機能、処理性能などを実際に確認しながら、継続利用するかを判断できます。

 

12-Month｜継続的に戦略研究を行う方に

US$240／年〜

1年間の利用を想定するプランです。

開始価格では月換算US$20相当ですが、毎月US$20を分割して支払うという意味ではありません。

継続的なバックテストやパラメータ研究を行う場合に検討できます。

 

Lifetime｜長期間の利用を考えている方に

US$500／一括〜

一括払いで長期的なアクセスを希望する方向けのプランです。

ただし、Lifetimeは、開発元や第三者サービスによる無条件の永久提供を保証するものではありません。

詳細は最新の利用規約をご確認ください。

どのプランを選ぶべき？

初めて利用する場合は、Monthlyで環境や機能を確認し、その後に年間プランやLifetimeを検討する方法が考えられます。

一方、商用製品の開発、有料パラメータの配信、顧客向けバックテストサービスなどへの利用を検討している場合は、料金プランを決める前にライセンス条件を確認してください。

［VectorBT PROの最新料金・利用条件はこちら →］

https://vectorbt.pro/become-a-member/

 

05. 無料版vectorbtとVectorBT PROの違い

 

無料版でも使える？ PROを選ぶメリットは？

VectorBTには、無料のオープンソース版「vectorbt」と、有料の「VectorBT PRO」があります。

両者は、Pythonの配列計算を活用するという基本的な考え方を共有しています。

一方、VectorBT PROでは、より高度な注文シミュレーション、最適化、時系列検証、研究支援機能などが提供されています。

比較項目	無料版vectorbt	VectorBT PRO
利用形態	オープンソース	有料会員向け
Python import名	vectorbt	vectorbtpro
基本的なバックテスト	対応	対応
インジケーター研究	対応	拡張機能あり
パラメータ比較	対応	高度な探索機能を提供
ウォークフォワード分析	自作・基本機能等を組み合わせる	専用の高度な検証ワークフロー
注文シミュレーション	基本機能	拡張された注文・決済機能
大規模研究支援	実装次第	分割・並列化・再開などを支援
AI・MCP連携	外部ツール等を利用	公式の専用機能あり

 

Python初心者なら無料版から学ぶ方法も

Pythonに慣れていない場合は、まず無料版vectorbtで、価格データ、売買シグナル、ポートフォリオの基本的な仕組みを理解する方法があります。

そのうえで、より複雑な最適化やOOS検証が必要になった段階で、VectorBT PROを検討できます。

なお、無料版からPROへ移行する際は、単にimport名を変更するだけでは、完全に同じ動作になるとは限りません。

API、注文モデル、初期設定などを確認し、同一データでバックテスト結果を照合することが重要です。

［無料版とPROの公式比較を見る →］

https://vectorbt.pro/getting-started/vectorbt-pro-vs-vectorbt/

 

06. VectorBT PROのインストール方法【初心者向け】

 

導入から動作確認までの6ステップ

VectorBT PROは、PythonとGitHubを中心に導入します。

GUIアプリをダウンロードして起動するだけのソフトウェアとは、利用方法が異なります。

 

STEP 01｜利用目的とライセンスを確認する

最初に、利用目的を整理します。

個人的な戦略研究なのか、組織内の検証なのか、商用製品や有料サービスの開発なのかによって、適用される利用条件が異なる可能性があります。

また、利用する価格データのライセンスやAPIの契約条件も確認します。

 

STEP 02｜GitHubアカウントを準備する

VectorBT PROは、会員向けの非公開GitHubリポジトリを利用して提供されています。

そのため、GitHubアカウントを準備しておきましょう。

 

STEP 03｜Pythonの実行環境を構築する

Pythonをインストールし、必要な開発環境を準備します。

Pythonのバージョンや依存ライブラリの要件は変更される場合があるため、最新の公式案内に合わせてください。

Windows、macOS、Linuxでの利用が案内されています。

Windowsでは、公式FAQでWSLの利用が推奨されています。

 

STEP 04｜専用の仮想環境を作成する

既存のPythonライブラリとの競合を避けるため、VectorBT PRO専用の仮想環境を作成する方法がおすすめです。

一般的なPython環境では、次のコマンドで仮想環境を作成できます。

python -m venv .venv

これはPython仮想環境の作成コマンドです。

VectorBT PROそのものをインストールするコマンドではありません。

 

STEP 05｜公式サイトで会員登録する

VectorBT PROの公式料金ページから、希望するプランを選択します。

決済方法によって、GitHubアカウントに関する情報の登録や、アクセス権の付与方法が異なる場合があります。

公式の案内に沿って手続きを進めてください。

 

STEP 06｜会員向けインストール手順に従う

非公開リポジトリへのアクセス権を取得したら、会員向けの公式インストールガイドに従って導入します。

公式では、uvやpip、Git clone、Docker、Google Colabなどを利用する方法が案内されています。

ただし、認証情報やアクセストークンを含むコマンドを、第三者へ公開しないよう注意してください。

無料版とのインストールの違い

一般的な次のコマンドは、無料版vectorbtのインストールです。

pip install vectorbt

このコマンドだけでVectorBT PROを利用できるわけではありません。

PROの導入には、有効な利用権限と公式手順が必要です。

［VectorBT PRO公式Getting Started →］

https://vectorbt.pro/getting-started/

 

07. Pythonで始めるVectorBT PROバックテスト

 

まずは移動平均線のクロスオーバー戦略から

初めてVectorBT PROを使用する場合、最初から複雑なEAロジックを移植することはおすすめしません。

まずは、1銘柄・1時間足・単純な売買ルールから始めると、シグナルや注文処理を理解しやすくなります。

ここでは、移動平均線を利用した基本的な戦略を考えます。

 

サンプル戦略の売買ルール

エントリー条件

短期移動平均線が長期移動平均線を上抜けした場合に買いエントリーする。

エグジット条件

短期移動平均線が長期移動平均線を下抜けした場合に決済する。

約定タイミング

終値でシグナルを判定し、次のローソク足の始値で約定する想定とする。

取引コスト

手数料とスリッページを設定する。

Pythonサンプルコード

以下は、利用者が用意したCSVを利用する学習用のコード例です。

 

CSVの列は time, open, high, low, close とし、時刻はUTCとして解釈できる日足データを想定しています。

 

import pandas as pd

import vectorbtpro as vbt

 

# 1. 価格データの読み込み

bars = pd.read_csv("daily_prices.csv")

 

bars["time"] = pd.to_datetime(

    bars["time"],

    utc=True

)

 

bars = (

    bars

    .set_index("time")

    .sort_index()

)

 

# 2. データ品質の確認

if bars.index.has_duplicates:

    raise ValueError("Duplicate timestamps")

 

ohlc = ["open", "high", "low", "close"]

 

if bars[ohlc].isna().any().any():

    raise ValueError("Missing OHLC values")

 

# 3. 移動平均線の計算

close = bars["close"]

 

fast_ma = close.rolling(

    20,

    min_periods=20

).mean()

 

slow_ma = close.rolling(

    50,

    min_periods=50

).mean()

 

# 4. エントリー・決済シグナル

entries = (

    (fast_ma > slow_ma) &

    (fast_ma.shift(1) <= slow_ma.shift(1))

)

 

exits = (

    (fast_ma < slow_ma) &

    (fast_ma.shift(1) >= slow_ma.shift(1))

)

 

# 5. バックテスト

pf = vbt.PF.from_signals(

    close=close,

    open=bars["open"],

    high=bars["high"],

    low=bars["low"],

    entries=entries,

    exits=exits,

    price="nextopen",

    init_cash=10000,

    fees=0.001,

    slippage=0.0005,

    freq="1D"

)

 

# 6. 結果の表示

print(pf.stats())

 

# 7. 注文履歴の確認

print(pf.orders.readable)

 

# 8. グラフ表示

pf.plot().show()

コードのポイント

移動平均線を計算する

短期20期間、長期50期間の単純移動平均線を使用しています。

この期間設定が最適であると主張するものではありません。

シグナルを定義する

短期移動平均線と長期移動平均線の位置関係が変化した場合に、エントリーまたは決済シグナルを発生させます。

次足始値での約定を想定する

price="nextopen" を使い、終値で確認したシグナルを次足の始値で執行する条件を指定します。

取引コストを指定する

fees=0.001 は注文額の0.1％、slippage=0.0005 は0.05％のスリッページを仮定した設定です。

結果と注文履歴を確認する

pf.stats() で統計情報を確認し、pf.orders.readable で個別の約定を調べます。

サンプルコード利用時の注意

このコードは学習用の未実行サンプルです。実際のVectorBT PRO環境での動作確認は行っていません。

利用するバージョンに応じてAPIを確認してください。

また、CSVのデータ品質、タイムゾーン、欠損、価格調整、注文処理などを確認する必要があります。

特にFX・CFDでは、契約サイズや口座通貨などを追加で考慮する必要があります。

バックテストで良好な成績が出た場合ほど、最初に注文履歴を確認しましょう。

 

08. パラメータ最適化の使い方

 

大量の条件比較から、戦略の特徴を読み解く

パラメータ最適化とは、トレード戦略の設定値を変化させ、複数のバックテスト結果を比較する工程です。

例えば、移動平均線のクロスオーバー戦略では、次のような条件を探索できます。

パラメータ	検証例
短期移動平均線	10・15・20・25・30
長期移動平均線	50・75・100・125・150
ADX閾値	15・20・25・30
ストップロス	2％・3％・4％・5％
テイクプロフィット	5％・10％・15％・20％

このように複数の設定を組み合わせることで、多数の戦略パターンを研究できます。

ただし、探索数が増えるほど、偶然高い成績を示す設定が見つかる可能性も高まります。

したがって、最適化結果を評価する際には、単純な最大利益ランキングだけでは不十分です。

 

最適化で重要な5つの評価基準

01｜総リターン

検証期間全体でどの程度の損益が発生したかを確認します。

02｜最大ドローダウン

利益を得るまでに、どの程度の資産減少を経験したかを確認します。

03｜取引回数

十分な取引サンプルがあるかを確認します。

04｜パラメータ近傍の安定性

最良設定の周辺でも、極端に悪化しないかを確認します。

05｜期間を変更した場合の成績

異なる相場期間でも同様の特徴が確認できるかを調べます。

 

ヒートマップでパラメータの安定性を可視化

VectorBT PROでは、複数のパラメータの組み合わせをヒートマップなどで可視化できます。

例えば、縦軸をストップロス幅、横軸をテイクプロフィット幅とし、それぞれの組み合わせのSharpe Ratioを表示します。

ここで確認したいのは、最も高い数値を示す一点だけではありません。

その周辺にも良好な成績が広がっているのか、それとも一つの設定だけが突出しているのかを分析します。

優れた最適化とは、単に最高値を見つけることではなく、成績の構造を理解することです。

［VectorBT PRO公式パラメータ最適化 →］

https://vectorbt.pro/features/optimization/strategy-optimization/

 

09. OPT・OOS検証とは？

 

過去に最適化した戦略は、未知の相場でも機能するのか？

トレード戦略の検証で重要な概念が、OPTとOOSです。

 

OPT｜Optimization

OPTは、戦略の最適化に使用する期間や工程を指します。

この期間では、インジケーターの設定値、エントリー条件、出口条件などを比較し、採用候補を選定します。

 

OOS｜Out-of-Sample

OOSは、最適化に使用していないデータで戦略を評価することです。

最適化中には参照していない期間で成績を確認することで、過去データへの過度な適合を調べられます。

 

OPT・OOS分割の例

以下は検証設計の一例です。

段階	検証期間	目的
OPT	2025年1月～12月	パラメータ探索
Validation	2026年1月～3月	候補の比較・選択
Final OOS	2026年4月～6月	最終的な未使用期間評価
Forward	その後の新規データ	継続的な確認

このように期間を分割することで、最適化、候補選択、最終評価の役割を明確にできます。

 

OOSを繰り返し使うと何が問題なのか？

例えば、最初にOOS期間で最も高い利益を出した設定を採用したとします。

その後、別のパラメータ候補を追加し、再び同じOOS期間で比較します。

さらに、最適化期間や時間足を変更し、何度も同じOOS成績を確認したとします。

この場合、当初は未使用だったOOSデータが、徐々に設定選択のための情報になってしまいます。

つまり、OOS期間そのものに対する過剰最適化が起こる可能性があります。

 

解決策：最終ホールドアウトを残す

そこで有効なのが、戦略の選択には使用しない最終評価期間を確保することです。

研究期間でルールを改善し、採用基準を確定した後に、最終ホールドアウトで評価します。

この期間の結果を確認した後で再びルールを変更した場合、その期間はもはや完全な未使用データとは言えません。

OOSの成績が良かったかどうかだけでなく、そのOOSをどのように使ったかが重要です。

 

10. ウォークフォワード分析（WFA）完全解説

 

最適化と未使用期間の検証を、時系列に沿って繰り返す

ウォークフォワード分析（Walk-Forward Analysis）は、一定の期間でパラメータを選び、その直後の未使用期間で成績を評価する作業を繰り返す手法です。

一度だけOPT・OOSを分割する方法とは異なり、学習期間と評価期間を前方へ移動させていきます。

ウォークフォワード分析の例

WINDOW 01

OPT：2024年1月～6月

OOS：2024年7月～8月

WINDOW 02

OPT：2024年3月～8月

OOS：2024年9月～10月

WINDOW 03

OPT：2024年5月～10月

OOS：2024年11月～12月

こうして各期間でパラメータを選定し、未使用期間の成績を集計します。

このとき重要なのは、OOS期間での設定選択やルール変更を行わないことです。

 

WFAで確認できること

• パラメータの安定性

• 相場環境が変化した際の成績

• 再最適化頻度の影響

• 最適化期間の長さによる違い

• 複数OOS期間の収益・ドローダウン

• 条件選択プロセス全体の再現性

 

Rolling WindowとExpanding Window

ウォークフォワード分析では、学習期間の設定方法も重要です。

 

Rolling Window｜固定長の学習期間

一定の長さの学習期間を前方へ移動させます。

例えば、常に直近12か月を最適化に使用し、その後の1か月を評価する方法です。

比較的最近の市場環境を重視した研究に利用できます。

 

Expanding Window｜拡大型の学習期間

最適化の開始時点を固定し、時間の経過に合わせて学習期間を拡大していきます。

過去のデータを蓄積しながらパラメータを選定する研究に利用できます。

 

どちらが優れている？

一概には決められません。

Rolling Windowは直近の市場環境を重視する一方、短い学習期間では一時的な変動の影響を受ける場合があります。

Expanding Windowはより多くの履歴を使えますが、古い市場環境の影響が残る可能性があります。

最適な方法は、戦略、銘柄、時間足、市場構造によって変わります。

 

Purged Cross-Validationとは？

高度な時系列検証では、学習データと評価データの情報が重複しないように注意する必要があります。

特に、一定期間後の価格変化を予測する機械学習などでは、学習データの正解ラベルが評価期間の未来情報を含む場合があります。

Purged Cross-Validationは、このような情報の重複を抑えるために、関連する学習データを除外する考え方です。

さらに、評価期間の周辺に一定の空白期間を設けるEmbargoなどの手法もあります。

VectorBT PROでは、こうした高度な時系列分割を利用した研究も可能です。

ただし、これらの機能を使用するだけで、すべての情報漏洩が自動的に防止されるわけではありません。

ウォークフォワード分析の本質は、未来の情報を使わずに、戦略の選択と評価を時系列で再現することです。

［公式ウォークフォワード・クロスバリデーション解説 →］

https://vectorbt.pro/features/optimization/time-series-cross-validation/

 

11. 過剰最適化を防ぐための頑健性分析

 

最良設定よりも、結果が崩れる条件を知る

過剰最適化（Overfitting）は、トレード戦略の研究における重要な問題です。

特に、多数のパラメータを組み合わせた場合、過去データに偶然適合した設定が見つかる可能性があります。

そのため、最適化結果を評価する際は、さまざまな条件変更に対する頑健性を調べることが重要です。

 

① パラメータ近傍分析

最良設定の前後にあるパラメータでも、成績が大きく崩れないかを確認します。

 

② フィルターON／OFF比較

トレンドフィルターなどの条件を追加・削除し、成績への影響を分析します。

 

③ 取引コスト感応度

手数料やスリッページを増加させ、戦略の収益性がどの程度変化するかを調べます。

 

④ シグナル遅延テスト

注文タイミングを遅らせた場合に、成績が極端に悪化しないかを確認します。

 

⑤ 異なる市場環境での比較

上昇・下落・レンジ・高ボラティリティなどの期間別に評価します。

 

⑥ ランダム化・統計的な比較

ランダムな条件や基準戦略と比較し、観測された結果が偶然によって説明される可能性を調べます。

 

⑦ 最終ホールドアウト検証

研究中に一切使用していない期間を最後に評価します。

優れた戦略とは、すべての相場で利益を出す戦略とは限りません。

重要なのは、どの環境で強みを発揮し、どの環境で弱くなるのかを把握することです。

［公式・頑健性と過剰最適化の解説 →］

https://vectorbt.pro/features/optimization/robustness-and-overfitting/

 

12. バックテストの信頼性を高める7つの重要ポイント

 

高速に計算できることと、正確に再現できることは別

VectorBT PROには高度なバックテスト機能があります。

しかし、どれほど高性能なエンジンであっても、入力データや注文ルールが実際の取引と異なれば、結果に差が生じます。

 

01｜未来情報の混入を防ぐ

確定前のローソク足情報を使って売買を判断した場合、実際には不可能な取引が成立してしまうことがあります。

例えば、終値でシグナルを確認した後、その足の過去の安値でエントリーしたものとして計算すると、現実的ではない結果になる可能性があります。

注文の判定時刻と約定時刻を正確に区別しましょう。

 

02｜上位時間足の情報を正しく扱う

H1で取引する戦略にD1のトレンドフィルターを適用する場合、日足が確定していない時点で、その日の終値を参照しないようにする必要があります。

複数時間足を組み合わせる戦略では、特に重要なポイントです。

 

03｜OHLCとティックデータを区別する

ローソク足データには始値・高値・安値・終値が記録されます。

しかし、高値と安値のどちらが先に発生したかは、通常のOHLCデータだけでは判断できません。

同じ足の中でSLとTPの両方に到達するような戦略では、約定の仮定が成績に大きく影響します。

 

04｜Bid／Askとスプレッドを確認する

FX・CFDでは、買い注文と売り注文で参照する価格が異なる場合があります。

単一の価格系列だけでシミュレーションした場合、実際のスプレッドが適切に反映されていない可能性があります。

 

05｜手数料・スリッページを設定する

取引回数の多い戦略ほど、コストの影響が大きくなる傾向があります。

複数のコスト水準でバックテストを行い、収益性がどの程度変化するかを確認しましょう。

 

06｜ロット・契約サイズ・証拠金を確認する

FX・CFDでは、1ロットの契約数量やTick Valueが銘柄によって異なります。

口座通貨への換算、レバレッジ、必要証拠金なども確認が必要です。

 

07｜取引履歴を1件ずつ照合する

バックテスト結果が良好な場合ほど、次の順序で確認することが重要です。

シグナル発生 → 注文作成 → 約定 → ポジション管理 → 決済 → 損益計算

最終利益だけを比較するのではなく、個別の取引が想定どおりに成立しているかを調べましょう。

バックテストの品質を決めるのは、計算速度だけではありません。

データとルールの整合性こそが、信頼できる検証の土台になります。

［公式・Realistic Backtests →］

https://vectorbt.pro/features/backtesting/backtest-realism/

 

13. VectorBT PROとMT4・MT5・Tick Data Suiteの違い

 

研究エンジンとEA検証環境を使い分ける

FX・CFDの自動売買システムを開発する場合、VectorBT PROとMetaTraderは、必ずしも競合する関係ではありません。

それぞれに適した役割があります。

比較項目	VectorBT PRO	MT5	MT4＋Tick Data Suite
主な用途	Pythonによる戦略研究	MQL5 EAのテスト・最適化	MQL4 EAのティック検証
言語	主にPython、任意でRust	MQL5	MQL4
複数パラメータ比較	対応	対応	MT4側の最適化に対応
OOS・WFA研究	高度な構築が可能	機能と外部分析の組み合わせ	外部分析等との組み合わせ
注文シミュレーション	選択したモデルに依存	MT5テスター仕様	MT4とTDSの仕様
MQL EAの直接実行	標準対応は確認できない	MQL5 EA	MQL4 EA
主な役割	探索・分析・検証設計	MT5実装の再検証	MT4実装の再検証

 

VectorBT PROが向いている作業

• 新しい戦略条件の研究

• 複数パラメータの横断比較

• OOS期間別の分析

• ウォークフォワード検証

• パラメータ近傍の頑健性分析

• 複数銘柄の統計比較

• 独自レポートの作成

 

MT4・MT5が向いている作業

• MQL4／MQL5のEA実装確認

• 実際のEAの注文処理の検証

• EAの資金管理ロジックの確認

• ブローカー仕様に合わせたテスト

• 実運用に向けたフォワードテスト

 

MQL4・MQL5のEAは直接動かせる？

MQL4／MQL5のEAを、そのままVectorBT PRO上で実行する標準機能は確認できません。

そのため、EAロジックをVectorBT PROで研究する場合には、主に2つの方法が考えられます。

方法A｜MetaTraderの結果をPythonで分析する

MT4・MT5でバックテストした取引履歴や集計結果を出力し、Pythonで統計分析を行います。

方法B｜売買ロジックをPythonへ移植する

既存EAのエントリー・決済条件をPythonで再実装し、VectorBT PROで研究します。

ただし、移植後には、指標計算、シグナル時刻、注文価格、数量、部分決済、トレーリングなどの一致を確認する必要があります。

 

Tick Data Suiteとの使い分け

MT4でティックデータを利用したバックテストを行いたい場合には、Tick Data Suiteが選択肢となります。

VectorBT PROで戦略の研究を行い、MT4・MT5側で実際のEAを検証するという、役割分担も考えられます。

［Tick Data Suite使い方完全ガイド →］

https://www.phoenixconnect.jp/Tick_Data_Suite

 

14. Phoenix PROの研究開発にVectorBT PROをどう活用するか

 

エントリー・エグジット・資金管理を分離し、段階的に研究する

Phoenix PROのように、複数のエントリー条件、出口条件、リスク管理機能を組み合わせるEAでは、すべてのロジックを一度に移植する方法が最適とは限りません。

既存のMetaTraderによるテスト環境とPythonによる研究環境を組み合わせ、段階的に検証する構成が考えられます。

以下は、Phoenix Connectによる研究開発上の活用提案です。

 

PHASE A｜取引結果の外部分析

最初に、MT4・MT5のバックテスト結果、注文履歴、銘柄別損益などをPythonに取り込みます。

そのうえで、期間別の成績やドローダウンなどを比較します。

この段階の集計はPandasだけでも可能なため、必ずしもVectorBT PROが必要とは限りません。

 

PHASE B｜エントリー条件の研究

次に、比較的単純なエントリーロジックからPythonへ再実装します。

例えば、以下のような条件が研究対象になります。

• Chikou Span Arrow

• ADX・DIによるトレンド判定

• Choppiness Indexによる相場状態判定

• 時間帯フィルター

• その他のエントリー制限

まず、同じ価格データに対して、MetaTraderとPythonの指標値やシグナル発生時刻が一致するか確認します。

一致が確認できてから、パラメータ探索やOOS分析に進みます。

 

PHASE C｜エグジット条件の研究

エントリー条件の照合が完了した後、損切り・利確・トレーリングなどの出口ロジックを追加します。

この工程では、価格の丸め、部分決済、注文優先順位、同一足内の処理などを確認する必要があります。

複雑な出口条件ほど、単純なシグナル型バックテストと実際のEAで結果が異なる可能性があります。

 

PHASE D｜資金管理の研究

最後に、ポジションサイズ、Open Risk、日次損失制限、複数ポジションの管理などを検討します。

特に、複数銘柄を同時に保有する場合には、銘柄別リスクだけではなく、口座全体のエクスポージャーを確認することが重要です。

ただし、プロップファーム固有のDaily LossやOverall Loss、各種禁止事項が、VectorBT PROの標準機能だけで完全に再現されるわけではありません。

必要なルールは個別に定義・実装し、検証する必要があります。

 

PHASE E｜最終OOS・MetaTrader再検証

Python側の研究で候補が絞られたら、選択に使っていない期間で評価します。

さらに、MT4・MT5のEAでバックテストし、取引単位で整合性を確認します。

最後に、デモ口座などでフォワードテストを行います。

推奨する研究フロー

Entry研究 → Exit研究 → 条件の組み合わせ → OPT → Validation → Final OOS → MT4／MT5再検証 → Forward Test

このように工程を分離することで、結果に差が生じた際にも、原因を調査しやすくなります。

※本セクションはPhoenix Connectによる独自の研究・開発提案です。VectorBT PROにPhoenix PRO専用の互換機能が付属するという意味ではありません。商用製品の研究開発への使用にあたっては、開発元にライセンス条件を確認する必要があります。

 

15. AI・MCP連携で研究開発を効率化

 

AIを、バックテスト開発のアシスタントとして活用する

VectorBT PROでは、AIコーディングツールとの連携機能も紹介されています。

その一つが、MCP（Model Context Protocol）を利用した機能です。

MCPは、対応するAIツールから外部のドキュメントや機能を利用するための仕組みです。

VectorBT PROでは、インストール済みの環境に対応するAPI情報を参照し、研究コードの作成や調査を支援できます。

公式では、Claude Code、Codex、Cursorなどの対応ツールとの連携が紹介されています。

 

AIで支援できる研究作業

APIを調べる

目的の注文処理や分析機能に対応するAPIを探す。

Pythonコードの作成を支援する

売買条件や最適化のコードを組み立てる。

バックテスト結果を比較する

異なる設定の成績や、取引コストの影響を整理する。

エラーを調査する

APIの利用方法や、データ形式の問題を調べる。

OOS検証を設計する

学習期間と評価期間の分割、パラメータ選択ルールを整理する。

 

MCPの利用で知っておきたいこと

VectorBT PROのMCPサーバーは、利用者の環境に設定する必要があります。

また、公式説明では、コード実行機能のrun_codeはstdio接続で提供され、HTTP接続では機能範囲が異なります。

通常のAIチャット画面から、自動的にインストール済みのVectorBT PROへ接続されるわけではありません。

 

AIに任せきりにしない

AIが作成したコードが正常に実行できても、そのバックテストが正しいとは限りません。

特に、データ時刻、未来情報、注文価格、約定条件、期間分割、評価指標などは確認が必要です。

AIは研究開発を支援するツールであり、戦略の有効性を保証するものではありません。

［VectorBT PRO公式MCP解説 →］

https://vectorbt.pro/features/ai/mcp-server/

 

16. VectorBT PROはどんな人におすすめ？

 

Pythonを活用して戦略研究を深めたい方へ

 

こんな方に適しています

Pythonで本格的なバックテストを始めたい方

売買ルールを自分で定義し、研究環境を構築したい方。

多数のパラメータを比較したい方

指標期間、閾値、出口条件などを効率的に研究したい方。

OOS・ウォークフォワード分析を取り入れたい方

過去の最適化成績だけでなく、異なる期間での再現性を評価したい方。

戦略の過剰最適化を詳しく調べたい方

パラメータ近傍、取引コスト、複数期間での頑健性を確認したい方。

MT4・MT5のEA開発を行っている方

MetaTraderのテスト結果に、Pythonを活用した統計分析や検証工程を追加したい方。

AIを活用した研究環境を構築したい方

コーディング支援やAPI調査を活用し、研究作業を効率化したい方。

 

こんな用途には向いていない場合があります

• コードを書かずに全操作を完結したい

• インストール後すぐに完成済みの自動売買を開始したい

• MQL4・MQL5のEAを変更せず直接実行したい

• ブローカーのすべての取引条件を自動で再現したい

• バックテスト結果による将来利益の保証を期待している

VectorBT PROは、研究の自由度が高い一方で、Pythonやバックテスト設計の理解が必要なツールです。

その特性を理解したうえで導入することが重要です。

 

17. よくあるトラブルと解決のヒント

 

インストール・データ・バックテストの問題を切り分ける

症状	最初に確認したいこと
ModuleNotFoundError: vectorbtpro	インストール先、仮想環境、GitHubアクセス権
無料版は使えるのにPRO機能が使えない	vectorbtとvectorbtproの違い
初回実行に時間がかかる	Numba等の初回コンパイル
メモリ不足になる	データ量、条件数、並列処理、チャンク設定
MT5と取引回数が異なる	シグナル時刻、指標計算、ウォームアップ期間
約定価格が異なる	Bid／Ask、スリッページ、次足約定、丸め処理
バックテストが異常に良い	未来情報の混入、データ品質、非現実的な約定
OOSを繰り返すほど成績が改善する	OOSを設定選択に使っていないか
ロット・損益が一致しない	契約サイズ、Tick Value、口座通貨換算

問題が発生した場合は、いきなり複雑なロジック全体を修正するのではなく、最初に差が発生した工程を特定しましょう。

データ → インジケーター → シグナル → 注文 → 損益

この順番で確認すると、原因を切り分けやすくなります。

 

18. VectorBT PROのライセンス・商用利用について

 

個人研究と商用開発では、利用条件が異なります

VectorBT PROを導入する際に、必ず確認したいのがソフトウェアライセンスです。

公式ライセンスでは、個人向けの私的・非商用利用と、商用利用が区別されています。

個人向け会員資格を取得しただけで、すべての商用目的への利用が認められるわけではありません。

また、VectorBT PROのソースコードや会員限定コンテンツを、無断で第三者へ公開・再配布しないよう注意が必要です。

 

解約後の利用について

公式規約では、適法に取得したソフトウェアのバージョンは、引き続きライセンスに従って利用できると案内されています。

一方、会員期間終了後は、新バージョン、アップデート、会員限定資料、サポートなどへのアクセスが終了する場合があります。

詳細は最新の公式規約をご確認ください。

［公式Software License →］

https://vectorbt.pro/terms/software-license/

［公式Terms of Use →］

https://vectorbt.pro/terms/terms-of-use/

 

19. よくある質問（FAQ）

 

Q1. VectorBT PROとは何ですか？

VectorBT PROは、Pythonを中心に利用する有料の定量研究ソフトウェアです。

バックテスト、パラメータ最適化、ポートフォリオ分析、OOS・ウォークフォワード検証などに利用できます。

 

Q2. VectorBT PROは無料ですか？

VectorBT PROは有料です。

一方、無料のオープンソース版vectorbtがあります。

無料版は基本的なバックテストの学習に利用できますが、PROのすべての機能が利用できるわけではありません。

 

Q3. VectorBT PROの料金はいくらですか？

2026年10月18日に確認した公式の開始価格は、MonthlyがUS$25／月〜、12-MonthがUS$240〜、LifetimeがUS$500〜です。

最新料金や税金、決済条件は公式サイトでご確認ください。

 

Q4. Windowsでも使用できますか？

はい。

公式FAQではWindows、macOS、Linuxへの対応が案内されています。

WindowsではWSLの利用が推奨されています。

 

Q5. Python初心者でも使えますか？

利用できますが、PythonやPandasの基本知識があると理解しやすくなります。

最初は1銘柄・1時間足の単純な戦略から始める方法をおすすめします。

 

Q6. Rustを知らなくても使えますか？

はい。

Pythonを中心に利用できます。

Rustは、必要に応じて対応する処理に活用するための選択肢です。

 

Q7. FX・ゴールド・株価指数のバックテストにも使えますか？

必要な価格データと取引仕様を用意すれば、研究に利用できます。

ただし、ブローカーの価格配信、契約サイズ、スプレッド、スワップ、証拠金などの違いを確認する必要があります。

 

Q8. MT4・MT5のEAをそのまま利用できますか？

MQL4・MQL5のEAファイルを直接実行する標準機能は確認できません。

Pythonへロジックを再実装するか、MetaTraderの検証結果をPythonで分析する方法が考えられます。

 

Q9. VectorBT PROはMT5より高速ですか？

一律には判断できません。

処理速度はデータ量、戦略の複雑さ、使用環境などによって異なります。

同一条件で計測する必要があります。

 

Q10. VectorBT PROはMT5より正確ですか？

製品名だけでは決まりません。

入力データ、シグナル時刻、注文処理、取引コストなどの条件を揃えて比較することが重要です。

 

Q11. ティックデータを使ったバックテストはできますか？

ティックや細かい時間足のデータを利用した研究が可能です。

ただし、適切な注文シミュレーションとデータの準備が必要です。

 

Q12. ストップロスやトレーリングは使えますか？

対応する機能があります。

固定SL・TP、トレーリング、時間制限、段階的決済などを研究できます。

ただし、注文の処理方式や足内の価格順序を確認する必要があります。

 

Q13. ウォークフォワード分析はできますか？

はい。

Rolling Window、Expanding Window、Purged Cross-Validationなどの時系列検証に対応しています。

 

Q14. OOSの成績が良ければ、実運用でも利益が出ますか？

利益は保証されません。

OOSの結果は、最適化の信頼性を評価するための材料の一つです。

データ差、取引コスト、相場環境の変化なども考慮する必要があります。

 

Q15. AIやChatGPTと連携できますか？

VectorBT PROには、MCPを利用したAI開発支援機能があります。

ただし、対応する環境設定が必要であり、通常のチャット画面から自動的に接続できるという意味ではありません。

 

Q16. 自動売買システムとして使えますか？

研究用のシグナルエンジンなどとして利用する構成は考えられます。

ただし、ブローカーとの接続、注文管理、ポジション同期、実運用のリスク管理などは別途実装・検証が必要です。

 

Q17. 商用のEA開発に利用できますか？

個人向けライセンスは非商用利用を対象としています。

有料EAの開発や販売などに利用する場合は、開発元へ利用内容を伝え、必要な許諾を確認する必要があります。

 

Q18. VectorBT PROを解約した場合はどうなりますか？

適法に取得したバージョンは、ライセンスに従って利用を継続できると案内されています。

ただし、新しいバージョン、会員限定資料、サポートなどへのアクセスは会員期間に従います。

 

Q19. 日本語サポートはありますか？

今回確認した公開公式情報では、日本語の個別サポートが保証されていることは確認できませんでした。

英語のドキュメントを利用することを想定してください。

 

Q20. 初めて利用する場合、どのプランがおすすめですか？

導入経験がなく、利用期間が未定の場合は、Monthlyで環境や機能を確認する方法が考えられます。

継続利用する場合は、年間プランやLifetimeを比較するとよいでしょう。

 

20. まとめ｜バックテストの先にある、戦略の信頼性へ

 

過去の利益を探すだけでなく、戦略の再現性を追求する

バックテストは、トレード戦略の開発において重要な工程です。

しかし、どれほど良好なバックテスト結果でも、それだけで将来の利益を保証するものではありません。

最適化によって得られた成績が、特定の市場環境やパラメータに依存している可能性もあります。

だからこそ重要なのが、複数条件による比較、リスク分析、未使用期間での評価、ウォークフォワード検証です。

VectorBT PROは、Pythonを活用して、これらの研究を体系的に進めるためのプラットフォームです。

銘柄、時間足、パラメータ、売買ルールを比較する。

結果を統計的に評価する。

過剰最適化の可能性を調べる。

未知の期間で再現性を確認する。

必要に応じて、実際のEAやフォワードテストで検証を重ねる。

こうした一連の工程を通じて、単一の損益曲線だけでは見えない戦略の特徴を把握できます。

最適化の速さだけでは、戦略の信頼性は決まりません。

重要なのは、何を、どのデータで、どのようなルールに基づいて検証したかです。

最も利益が出た設定を探すことから、その戦略がどの条件で機能し、どの条件で弱くなるのかを理解することへ。

データに基づく、より体系的な戦略研究を始めてみませんか。

 

START WITH A SMALL TEST.

 

まずは、ひとつの戦略から。

検証の質を高めていこう。

シンプルな売買ルールを作る。

注文履歴を確認する。

パラメータを比較する。

そして、最適化に使わなかった期間で確かめる。

バックテストを「過去の結果」から「次の研究につながる知識」へ。

VectorBT PROで、戦略研究の可能性を広げましょう。

VectorBT PROの導入を検討する方へ

［VectorBT PRO公式サイトを見る →］

https://vectorbt.pro/

［最新料金・会員登録・利用条件を確認する →］

https://vectorbt.pro/become-a-member/

※公式サイトへの外部リンクです。料金、機能、利用条件は公式の最新情報をご確認ください。

 

関連記事｜さらにバックテスト・戦略研究を深める

 

【Tick Data Suite】使い方完全ガイド

MT4でティックデータを利用したバックテストを行いたい方へ。

データ品質、スプレッド、スリッページ、バックテスト環境の設定などを解説しています。

［Tick Data Suite完全ガイドを見る →］

https://www.phoenixconnect.jp/Tick_Data_Suite

 

【Phoenix PRO】FX・CFDトレード支援システム

エントリー条件、出口ロジック、資金管理を組み合わせたPhoenix PROシリーズについて紹介しています。

VectorBT PROと直接連携する製品という意味ではありません。

［Phoenix PROの詳細を見る →］

https://www.phoenixconnect.jp/Phoenix_PRO

 

VectorBT PRO公式資料・参考リンク

本記事は、VectorBT PROの公開公式資料をもとに構成しています。

公式サイト

https://vectorbt.pro/

Getting Started

https://vectorbt.pro/getting-started/

Features

https://vectorbt.pro/features/

Backtesting

https://vectorbt.pro/features/backtesting/

Stop Loss and Take Profit

https://vectorbt.pro/features/backtesting/stop-loss-and-take-profit/

Realistic Backtests

https://vectorbt.pro/features/backtesting/backtest-realism/

Intraday and Tick Backtesting

https://vectorbt.pro/features/backtesting/intraday-and-tick-backtesting/

Optimization and Validation

https://vectorbt.pro/features/optimization/

Walk-Forward and Cross-Validation

https://vectorbt.pro/features/optimization/time-series-cross-validation/

Robustness and Overfitting

https://vectorbt.pro/features/optimization/robustness-and-overfitting/

AI / MCP Server

https://vectorbt.pro/features/ai/mcp-server/

Pricing and Membership

https://vectorbt.pro/become-a-member/

FAQ

https://vectorbt.pro/faq/

Software License

https://vectorbt.pro/terms/software-license/

Terms of Use

https://vectorbt.pro/terms/terms-of-use/

 

免責事項・編集方針

本ページは、Phoenix Connectによる独立した教育・情報提供コンテンツです。

VectorBT PRO開発元との公式な提携、代理店契約、公認、協賛関係を示すものではありません。

掲載内容は2026年10月18日時点の公開公式情報に基づいています。ソフトウェアの仕様、料金、対応環境、利用条件などは予告なく変更される場合があります。

購入・導入・利用にあたっては、必ず公式サイトと最新の利用規約をご確認ください。

本ページに掲載したPythonコードは説明用の未実行サンプルであり、VectorBT PROを購入・導入した実環境での動作確認を行ったものではありません。

また、バックテストやパラメータ最適化による過去の成績は、将来の利益や運用成果を保証するものではありません。

FX・CFDその他の金融商品には、価格変動、レバレッジ、流動性、システム障害などのリスクがあり、投資資金の全部または一部を失う可能性があります。

投資・運用の最終判断は、ご自身の責任で行ってください。

最終更新：2026年10月18日

© Phoenix Connect. All Rights Reserved.

---

---

---

---

---

---

---

---

---

 

---

---

---

---

---