自動化された注文簿を運用するのは非常に困難だ。バックテストと自動化に必要な堅牢性だけでも、フルタイムの仕事になる。AIのループを1か月間繰り返し、自分の入力を加えた結果、わずかだが実際の数年分のエッジが2つ得られたが、それら単体では価値が低い。 AIはバックテストの結果だけを見ると、信じられないほど優れた戦略を提示してくれるが、ほぼ確実に過剰適合している。AIの1か月の繰り返しでシャープ比2の自動ポートフォリオが得られたとしたら、それは嘘だ。データを2つのグループに分割せよ：AIが調査できる5年分と、封印したまま保持する8か月分。ほとんどの場合、同じパターンが見られるだろう：アクセス可能な5年間では美しい数値が得られ、封印した8か月では無効化される。 自動化に値する真のエッジを見つけることは、私が思っていたよりもはるかに難しく、AIが論理のない美しい数値だけを掘り起こさないようにするためには、多くの人間の入力とトレーダーの経験が必要だった。 この実験から私は5つの教訓を得た： 1) 人間の裁量には依然としてエッジがある。 2) 単純なエッジは急速に薄れる。 3) 裁量的な視点と統計を組み合わせ、そして「やってはいけないこと」を排除することが、今後の私の最大の強みになる可能性がある。 4) 単純なローソク足や出来高パターンのような、簡単に掘り起こせるものは、単独で取引すれば枯渇している。 5) 検証可能な仮説に変えるのが難しいほど、その分エッジを保ちやすい。 ニュースに対する個人的な解釈、見出しが持つべき影響と実際の影響の差、そして異なるシナリオにおけるその意味合いは、裁量的経験の一例だ。 あるいは、現在市場で取引しているのは誰か、誰が損失を抱えているのか、どの取引相手がアクティブなのか、市場について何が明文化されていない不満点なのか、あるいは今まさに過剰に強調されている要素は何か——こうした洞察も同様だ。 私は、たとえ単純な統計にもアルファが含まれていると信じている。だからこそ、すべてを公開できない。しかし方法自体は無料だ：8月の季節性のような統計を「シグナル」ではなく「コンフリュエンス」の1つとして扱え。単独では単なる雑学にすぎない。自分の設定と重ね合わせればエッジになる。 簡単に言えば、個人的な経験、排除プロセス、統計から得られるデータポイントをどれだけ組み合わせられるかで、機械が奪いにくいようなたまに利益を生む取引を見つける頻度が高まる。 最後に、少し寛大な気持ちで8月の季節性に関する小さな洞察を紹介しよう：