期待値とは — 勝率とリスクリワード比を統合する戦略評価の基礎
「勝率が高いほど良い戦略」というイメージは直感的にわかりやすい一方で、それだけで実際の収支が決まらないことは、トレードを少し続けるとすぐに見えてきます。1回あたりの利益と損失の大きさによっては、勝率が低くても収支が伸びる戦略もあれば、勝率が高いのに損失が積み上がる戦略もあるからです。本記事では、勝率と平均損益、リスクリワード比を統合して戦略の良し悪しを1つの数値に落とし込む 期待値(エクスペクタンシー) の考え方を、定義から計算例、cBotバックテストでの活用までフラットに整理します。
期待値は「方向性のシグナル」ではなく、トレード1回あたりの平均的な収支を表す 指標 です。勝率や R:R 単体ではわからない構造を見抜く土台になるという点を最初に押さえておくと、後の話が追いやすくなります。
期待値とは何か
期待値(Expectancy)とは、ある戦略を1回実行したときに 平均してどれだけの損益が見込めるか を表す数値です。確率と損益の積を足し合わせた、統計でいうところの期待値そのものを、トレード文脈に当てはめたものだと考えるとイメージしやすくなります。
最もシンプルな定義式は次の通りです。
期待値 = 勝率 × 平均利益 − 敗率 × 平均損失- 勝率: 全トレードのうち勝ちトレードの割合(0〜1)
- 敗率: 1 − 勝率
- 平均利益: 勝ちトレード1回あたりの利益(pips、円、ロット換算など単位は統一)
- 平均損失: 負けトレード1回あたりの損失(同上)
期待値が プラス であれば、長期的には収支がプラス方向に傾く構造を持った戦略だと一般に判断されます。逆にマイナスであれば、同じトレードを繰り返すほど資金が削られていく構造になっていると言えます。
計算例で感覚をつかむ
具体的な数字を入れて計算してみると、期待値の感覚がつかみやすくなります。
たとえば「勝率4割、平均利益30pips、平均損失10pips」という戦略を考えます。
期待値 = 0.4 × 30 − 0.6 × 10 = 12 − 6 = +6pipsトレード1回あたり平均して6pips相当の利益が見込める構造になっています。勝率は4割と決して高くありませんが、1勝の利益が大きいため、期待値はプラスに乗っています。
一方で「勝率7割、平均利益5pips、平均損失20pips」という戦略では、
期待値 = 0.7 × 5 − 0.3 × 20 = 3.5 − 6 = −2.5pips勝率が高いにもかかわらず、1回あたり平均で2.5pips相当の損失が積み上がる計算になります。直感とは逆の結果ですが、期待値の枠組みで見れば素直に説明できる構造です。
このように、期待値は 勝率と平均損益のバランス を1つの数値で表現してくれる指標で、勝率や R:R 単体では見えづらい戦略の構造を捉える視点を提供してくれます。
勝率だけで判断するときの落とし穴
期待値の考え方が浸透していない状態で戦略の良し悪しを判断しようとすると、いくつか典型的な落とし穴があります。
ひとつは、勝率の数字だけを見て戦略を比較してしまう ケースです。先ほどの例の通り、勝率が7割でも期待値マイナス、勝率4割でも期待値プラスというパターンは十分に起こり得ます。SNS や教材で勝率の単発の数値が単独で打ち出されているときは、平均利益と平均損失の組み合わせがどうなっているかも合わせて確認したいところです。
もうひとつは、少数サンプルの勝率を過信する ケースです。10〜20件程度のトレード結果から算出した勝率は、サンプル数が少ないため大きくブレやすく、本来の構造を表していない可能性があります。期待値を実運用に使う場合は、ある程度のトレード数を積んだ上での平均値として扱うのが基本だと考えられます。
リスクリワード比については、別記事の「リスクリワードレシオとは — 期待値で考える損切りと利確の比率」もあわせて参照すると、期待値との関係を整理しやすくなります。
期待値を使った戦略評価の流れ
期待値を戦略評価に組み込むときの基本的な流れを整理します。
- トレード履歴を収集する: バックテストもしくは実トレードの結果から、勝敗・利益・損失を1件ずつ記録します。
- 勝率と平均損益を集計する: 全トレードを集計して、勝率、勝ちトレードの平均利益、負けトレードの平均損失を算出します。
- 期待値を計算する: 定義式に当てはめて、トレード1回あたりの平均的な期待損益を求めます。
- 複数の戦略を比較する: 異なる戦略やパラメータ設定の期待値を並べて、構造的に優位な選択肢を見極めます。
- 時系列の変化を確認する: 直近1〜3ヶ月など期間を区切って期待値を計算し、戦略の劣化を早めに察知できる体制を整えます。
期待値はあくまで「平均的に何が起きるか」を示す数値で、短期のドローダウンや連敗確率は別途確認する必要があります。最大ドローダウンや連敗回数の分布も合わせて見ることで、より立体的な評価ができると考えられます。ドローダウンの基本的な考え方は、別記事の「ドローダウンとは — 資産曲線の山と谷で測るリスク指標の基礎」もあわせて参考になります。
cBotバックテストでの応用
cTrader 系の cBot 環境では、バックテスト結果から期待値を抽出して比較するワークフローが組みやすい構造になっています。
バックテストの トレード一覧(Trade Reports) から、勝ち負けと損益を CSV 等で書き出し、勝率・平均利益・平均損失を集計するだけでも、最終資産曲線だけでは見えない構造的な弱点を発見しやすくなります。たとえば「最終収支はプラスだが期待値はほぼゼロ」「期待値はプラスだが連敗時のドローダウンが大きすぎる」といったパターンは、期待値ベースで見ると素直に浮かび上がります。
実装上の注意点としては、スプレッドやスリッページを織り込んだ後の損益で計算する ことが挙げられます。表示上の SL/TP の pips だけで計算すると、実運用との乖離が大きくなるため、約定価格ベースの実損益を使うのが安全だと考えられます。スプレッドの影響については、別記事の「スプレッドとは — 売値と買値の差が表すFX・CFDの取引コストの基礎」もあわせて参考になります。
自社の cBot やインジケーター開発の取り組みについては、ai-programming.xyz でも順次取り上げており、期待値ベースでの評価方法をスクール教材でも紹介しています。バックテスト結果と期待値を組み合わせた検証フローは、自作戦略の改善サイクルを設計する上で土台になる考え方だと位置づけています。
まとめ
期待値は、勝率と平均損益、リスクリワード比を1つの数値に統合し、戦略の構造的な優位性をフラットに評価するための枠組みです。勝率だけを見て判断する落とし穴を避け、平均的にトレード1回あたり何が起きるかを把握することで、戦略選定とパラメータ調整の精度が上がりやすくなります。
実運用では、十分なサンプル数のトレード履歴をもとに期待値を計算し、最大ドローダウンや連敗回数の分布と合わせて立体的に評価していく姿勢が基本になります。cBot のバックテスト結果と組み合わせれば、構造的な弱点を発見しやすくなり、改善サイクルを設計しやすくなると考えられます。「勝率を上げる」より「期待値を整える」という視点を一段持ち込めるかどうかが、戦略の安定運用に効いてくる土台の部分だと言えます。
本記事は一般的な情報提供を目的としています。投資助言ではありません。 取引判断はご自身の責任で行ってください。