TradingView × Claude Code PINEスクリプト Part4｜バックテスト最適化で勝率を最大化する設計術【2026年版】

Part1〜3でPINEスクリプトの基礎・中級ロジック・カーブフィッティング回避を学んできました。Part4の最終テーマは「バックテスト最適化」です。

「バックテストで勝率80%なのに本番で全然勝てない」——これはパラメーター過最適化（カーブフィッティング）の典型症状です。この記事では本番で通用する最適化手法と、TradingViewアラート経由でBitgetに手動執行する実践ワークフローを解説します。

Part3の振り返りと今回のゴール

Part3では「アウトオブサンプルテスト」と「複数銘柄テスト」でカーブフィッティングを見抜く方法を学びました。Part4では一歩進んで、統計的に信頼できる最適化プロセスを設計します。

バックテスト最適化の5つの設計原則

原則1：パラメーターは「少なく・意味のあるもの」だけ使う

最適化するパラメーターが多いほど、過去データへの過学習が起きやすくなります。パラメーターは最大3〜4個に絞り、すべてに「なぜこの値が合理的か」という理由を持たせます。

❌ 悪い例：MA期間×RSI閾値×ATR倍率×時間帯×ボリューム閾値…（6個以上）
✅ 良い例：MA期間 × RSI閾値 の2パラメーターのみ

原則2：最高性能より「安定して利益が出るゾーン」を探す

TradingViewのストラテジーテスターで「最も利益が出たパラメーター」を選ぶのは危険です。代わりに近傍のパラメーター値でも似た成績が出るゾーン（ロバストネスゾーン）を探します。

// Claude Codeへのプロンプト例
「PINEスクリプトのストラテジーテスターで
MA期間を10〜50、RSI閾値を25〜75でグリッドサーチし
純利益が最大のパラメーターより、
近傍10%変動させても成績が安定しているゾーンを
ヒートマップで可視化するコードを書いて」

原則3：データを3分割する（IS / OOS / フォワード）

利用できる全データを以下の3つに分割します。

原則4：Walk-Forward Analysisで時間的堅牢性を確認

Walk-Forward Analysis（WFA）は「ISでパラメーター決定→直後のOOSで検証」をスライドさせながら繰り返す手法です。すべての期間でOOS成績が黒字であれば、時間を超えて機能するロジックである可能性が高まります。

// Claude Codeへのプロンプト例（Python）
「BTC/USDT 4時間足のOHLCVデータを使って
Walk-Forward Analysisを実装してほしい。
・ISウィンドウ：90日
・OOSウィンドウ：30日
・最適化対象：EMA短期(10-50)、EMA長期(50-200)
・評価指標：シャープレシオ
・結果をIS/OOS成績の比較表で出力して」

原則5：勝率よりシャープレシオとプロフィットファクターを重視

バックテストの評価指標はプロフィットファクター（PF）≥ 1.5、シャープレシオ ≥ 1.0を最低ラインとします。勝率が高くてもPFが低い（損大利小）戦略は長期運用に耐えません。

TradingViewでのパラメーター最適化手順

1. ストラテジーテスターを開き「設定（歯車アイコン）」→「入力」タブ
2. 最適化したいパラメーターの横にある「▷（最適化アイコン）」をクリック
3. 開始値・終了値・ステップを設定
4. 「最適化」ボタン → バックテストが自動で複数回実行される
5. 結果リストから「シャープレシオ」または「プロフィットファクター」でソート
6. 上位1位ではなく、上位10〜20件のパラメーターが近い値に集まっているゾーンを選択

ドローダウン管理とポジションサイジング

最適なパラメーターが決まったら、ポジションサイジングのPINEコードを追加します。固定枚数より口座残高の一定%を使うKelly基準またはFixedFraction法が推奨です。

// ポジションサイジング（口座残高の2%固定）
strategy("My Strategy", overlay=true,
    default_qty_type=strategy.percent_of_equity,
    default_qty_value=2)  // ← ここで%を指定

// 最大ドローダウンで停止するガード
var float maxEquity = na
maxEquity := na(maxEquity) ? strategy.equity : math.max(maxEquity, strategy.equity)
drawdown = (maxEquity - strategy.equity) / maxEquity * 100

// ドローダウンが20%を超えたら新規エントリーをブロック
allowEntry = drawdown < 20

本番移行：TradingViewアラート → Bitgetで手動執行

バックテストが安定したら、少額の実資金で本番運用を始めます。TradingViewアラートとLINE通知を組み合わせると、シグナル発生を即座に受け取れます。

1. PINEスクリプトのアラート条件を設定（エントリー・イグジット別に）
2. 「アラート通知先」にLINE Notifyや Discord Webhookを設定
3. シグナル受信後、Bitgetのモバイルアプリで手動発注（初期は少額推奨）
4. 1〜2週間の結果を記録し、バックテストとの乖離を分析
5. 問題なければ徐々に取引サイズを拡大

Claude Codeで最適化を自動化するプロンプト集

// プロンプト①：最適化スクリプト生成
「以下のPINEスクリプトのEMA短期（input.int）と
RSIの閾値（input.int）をTradingViewの
ストラテジーテスターで最適化できるよう修正して。
最適化対象パラメーターには input() に
minval, maxval, step を追加して。」

// プロンプト②：バックテスト結果のPython分析
「TradingViewからエクスポートしたCSVを読み込み、
各パラメーターセットのシャープレシオとPFを計算し、
pandas DataFrameで最優良パラメーターを
自動選定するスクリプトを作って」

// プロンプト③：WFA実装
「ccxtでBinance BTC/USDTの4時間足を取得し、
90日IS→30日OOSのWalk-Forward Analysisを
実装してシャープレシオで最適パラメーターを
自動選定するPythonスクリプトを作って」

まとめ

バックテスト最適化の要点は「最高値を探すのではなく安定ゾーンを探す」ことです。