ドローダウン管理

ドローダウン管理では、最大ドローダウン、連敗確率、ロット縮小、回復期間、心理的耐性、月次リスク上限を一体で設計し、USD/JPY 取引の破綻確率を下げます。 利益目標より先に、1回あたりの損失率、連敗時の縮小ルール、月次停止ラインを事前に固定します。 どこで小さくするか、どこで止めるかを先に決める設計であり、USD/JPY のデイトレ、スイング、裁量補助、システム売買の資金管理で使います。 とくに米CPI、FOMC、日銀会合、為替介入警戒局面では欠かせません。

定義

ドローダウン

ドローダウンは、資金曲線が過去最高値からどれだけ沈んだかを示します。

$$H_t = \max_{0 \le i \le t} E_i$$ $$DD_t = \frac{H_t - E_t}{H_t} = 1 - \frac{E_t}{H_t}$$

ここで $E_t$ は時点 $t$ の有効証拠金または評価額、$H_t$ は過去最高値です。 最大ドローダウンは期間中の最大値です。

$$MDD = \max_t DD_t$$

Goldberg and Mahmoud は最大ドローダウンを「ピークからボトムまでの最大累積損失」と定義しています。 実務では、勝率やPFよりも先に見ます。 理由は単純で、退場すると期待値は実現しないからです。

回復必要リターン

ドローダウン後に元本へ戻すための必要リターンは線形ではありません。

$$R_{\text{recover}} = \frac{d}{1-d}$$

ドローダウン	元に戻す必要リターン
5%	5.26%
10%	11.11%
20%	25.00%
30%	42.86%
50%	100.00%

20% 以上のドローダウンは、心理面ではなく数学的に重いものです。 USD/JPY で「数回の大きな損切りを取り返すためにロットを上げる」行為は、回復必要リターンをさらに悪化させます。

USD/JPY での前提

BIS の 2025 年調査では、OTC FX 市場の1日平均売買高は 9.6 兆ドルです。 USD/JPY は 2025 年 4 月に 1日平均 1.372 兆ドル、全体の 14.3% を占める主要通貨ペアです。 流動性は高いですが、流動性が高いことは低リスクを意味しません。

USD/JPY の主なリスク源は次の通りです。

• 米金利イベント: CPI、雇用統計、FOMC、米国債入札で値幅が広がる
• 日本側イベント: 日銀会合、総裁会見、賃金や物価関連報道で円主導の急変が起きる
• 介入警戒: 水準そのものよりも、急速な円安、円高に対する当局発言で流動性が薄くなる
• 時間帯: 東京仲値、ロンドン入り、NY指標、NYカットでボラティリティ構造が変わる
• 週跨ぎ: 地政学、政策報道、ギャップで逆指値が滑る

したがって USD/JPY のロットは「普段のスプレッド」ではなく、「滑った場合の損失」と「月次停止ライン」から決めます。

1回あたりのリスク

1回の損失率を $r$ とします。 固定比率でリスクを取る場合、$k$ 連敗後の資金残高は次の通りです。

$$E_k = E_0(1-r)^k$$

連敗によるドローダウンは次の通りです。

$$DD_k = 1 - (1-r)^k$$

1回リスク	5連敗	10連敗	15連敗
0.25%	1.24%	2.47%	3.68%
0.50%	2.48%	4.89%	7.24%
1.00%	4.90%	9.56%	13.99%
2.00%	9.61%	18.29%	26.14%

実務上の基準は次で十分です。

• 通常運用: 1回リスクは 0.25% から 0.75%
• 高信頼セットアップ: 上限は 1.00%
• 指標前後、介入警戒、週跨ぎ: 0.25% 以下、または見送り
• 月次損失が進行中: 通常ロットへ戻さない

1回あたりの損失額とロットの関係は ポジションサイズ計算ツール で確認できます。

USD/JPY のロット計算

JPY建て口座で USD/JPY を取引する場合、1 pip は通常 0.01 円です。 通貨数量 $U$ に対する 1 pip の損益は概算で次の通りです。

$$\text{pipValueJPY} = U \times 0.01$$

許容損失を $\text{riskJPY}$、損切り幅を $\text{stopPips}$ とすると、数量は次で決まります。

$$U = \frac{\text{riskJPY}}{\text{stopPips} \times 0.01}$$

例として、資金 1,000,000 円、1回リスク 0.5%、損切り 35 pips を考えます。

$$\text{riskJPY} = 1{,}000{,}000 \times 0.005 = 5{,}000$$ $$U = \frac{5{,}000}{35 \times 0.01} \approx 14{,}285$$

この場合は 1.4 万通貨程度が上限です。 10万通貨で入ると、同じ 35 pips の損切りで約 35,000 円、資金比 3.5% の損失になります。 これは資金管理ではなく、値ごろ感の賭けです。

USD建て口座の場合、USD/JPY の pip 価値は概算で次の通りです。

$$\text{pipValueUSD} = \frac{U \times 0.01}{S}$$

ここで $S$ は USD/JPY レートです。 損切り幅とロットからの損失額は、損切りの設計とあわせて先に固定します。

連敗確率

勝率を $p$、負け率を $q = 1 - p$ とします。

次の $k$ 回がすべて負ける確率は単純に次になります。

$$P(\text{k losses in next k trades}) = q^k$$

ただしこれは「任意の N 回の中で k 連敗が一度でも出る確率」ではありません。 後者はかなり高くなります。

近似として、重なりを無視すれば次を使えます。

$$P(\text{at least one k-loss streak in N trades}) \approx 1 - (1 - q^k)^{N-k+1}$$

この近似は厳密ではありません。 連敗区間が重なるため、正確に見るなら動的計画法で計算します。

目安

勝率 50%、100 トレード中に 5 連敗以上が一度でも出る確率は高いものです。 5連敗を「異常」と扱う戦略は、最初から運用に耐えません。

勝率	負け率	次の5回が全敗	次の10回が全敗
40%	60%	7.78%	0.60%
50%	50%	3.13%	0.10%
55%	45%	1.85%	0.03%
60%	40%	1.02%	0.01%

「次の10回が全敗」は低く見えます。 しかし、200回の取引履歴のどこかで 8連敗、9連敗が出る確率は無視できません。 裁量トレードで勝率を過大評価すると、ここを必ず見誤ります。

連敗時のロット縮小ルール

連敗時にロットを増やしてはいけません。 ナンピン、マーチンゲール、倍掛けは、回復ではなく破綻速度の加速です。

基本ルールは次の通りです。

状態	取引可否	1回リスク
通常	可	$r_0$
2連敗	可	$0.5\,r_0$
3連敗	条件付き	$0.25\,r_0$
4連敗	原則停止	0
月次 -3%	縮小運用	$0.25\,r_0$
月次 -5%	停止	0
資金最高値更新	通常復帰	$r_0$

復帰条件は「1勝したら戻す」では弱いものです。 次のいずれかを満たすまで縮小を継続します。

• 資金曲線が直近高値を更新した
• 連敗後の損失の 50% 以上を通常リスク以下で回復した
• 20 トレード以上の検証で期待値が崩れていない
• 主要イベント週が終わり、スプレッドと滑りが通常化した

月次リスク上限

月次リスク上限は、戦略の良し悪しではなく、運用者の生存ラインとして決めます。

推奨設計は次の通りです。

月次損益	状態	ルール
0% から -2%	通常	予定通り運用
-2% から -3%	警戒	新規ロットを半分にする
-3% から -5%	防御	A級セットアップのみ、1回リスク 0.25% 以下
-5% 到達	停止	月末まで実弾停止、検証のみ
-7% 到達	破綻扱い	戦略、執行、心理ログを全面レビュー

月次上限は「守れたらよい」ではなく、発注システムまたはチェックリストに組み込みます。 裁量で解除できる停止ルールは停止ルールではありません。

資金曲線と回復期間

資金曲線は損益グラフではなく、運用継続可否の計器です。 見るべき項目は次の通りです。

• MDD: 最大の深さ
• DD duration: 高値更新までの日数またはトレード数
• Ulcer Index: ドローダウンの深さと長さを同時に見る補助指標
• Recovery factor: 純利益を MDD で割る
• Equity slope: 右肩上がりでも急すぎる場合は過剰リスクを疑う

回復期間は次で測ります。

$$T_{\text{recovery}} = t_{\text{new high}} - t_{\text{peak}}$$

ドローダウンが浅くても、回復に長くかかる戦略は心理的に壊れやすいものです。 USD/JPY のレンジ相場でトレンドフォローを続けると、浅い損切りが長く続き、資金曲線が横ばいから下向きになります。 この期間にロットを上げると、トレンド再開前に停止ラインへ到達します。

心理的耐性の設計

心理的耐性は気合いではなく、数値で設計します。

まず、次を事前に書き出します。

• 許容できる最大月次損失
• 許容できる最大連敗数
• 連敗時に見送る条件
• 取引を再開する条件
• 損失後に禁止する行動

次に、実際の耐性は半分で見積もります。 バックテスト上の MDD が 12% なら、実運用では 18% から 24% を想定します。 スプレッド、滑り、約定遅延、裁量ミス、指標回避漏れが加わるためです。

CFTC は FX について「変動が大きく相当なリスクがある」と警告しています。 さらに、失って困る資金を入れるなとも明記しています。 この警告は詐欺対策だけでなく、通常のレバレッジ取引にもそのまま当てはまります。

ルール例

保守型

• 1回リスク: 0.25%
• 月次警戒: -2%
• 月次停止: -4%
• 3連敗: ロット半分
• 4連敗: 当日停止
• 重要指標: 30分前から30分後まで新規禁止

標準型

• 1回リスク: 0.50%
• 月次警戒: -3%
• 月次停止: -5%
• 2連敗: ロット半分
• 3連敗: A級のみ
• 4連敗: 48時間停止

攻撃型

• 1回リスク: 1.00%
• 月次警戒: -4%
• 月次停止: -7%
• 2連敗: ロット半分
• 3連敗: 0.25%へ縮小
• 5連敗: 月内停止

攻撃型は推奨しません。 十分な検証、低い執行ミス、明確な優位性、停止ルールの自動化がある場合だけ使います。

落とし穴

• 勝率からロットを決める: 勝率 60% でも連敗は起きる。ロットは MDD と月次停止ラインから逆算する。
• 5連敗を異常扱いする: 5連敗は普通に起きる。5連敗で崩れるルールは実運用に向かない。
• 損切り幅を狭めてロットを増やす: USD/JPY は指標時に滑る。形式上の損切り幅だけで数量を増やすと実損が跳ねる。
• 含み損をドローダウンから除外する: 有効証拠金ベースで見る。確定損益だけを見ると危険を遅れて認識する。
• 月次停止を裁量で解除する: 停止ライン到達後の「今回は例外」が最大損失を作る。
• 回復のためにロットを上げる: 必要リターンが増えた状態でリスクを増やすため、破綻確率が上がる。
• バックテストの MDD をそのまま信じる: 実運用では滑り、スプレッド、未約定、心理ミスが加わる。
• USD/JPY の流動性を安全性と誤解する: 流動性が高い通貨ペアでも、イベント時の値幅と滑りは別問題。

Python 実装スケッチ

from __future__ import annotations

import numpy as np
import pandas as pd


def drawdown(equity: pd.Series) -> pd.DataFrame:
    peak = equity.cummax()
    dd = 1.0 - equity / peak
    return pd.DataFrame({
        "equity": equity,
        "peak": peak,
        "drawdown": dd,
        "max_drawdown_to_date": dd.cummax(),
    })


def max_drawdown(equity: pd.Series) -> float:
    return float((1.0 - equity / equity.cummax()).max())


def recovery_return(drawdown_rate: float) -> float:
    if not 0 <= drawdown_rate < 1:
        raise ValueError("drawdown_rate must be in [0, 1).")
    return drawdown_rate / (1.0 - drawdown_rate)


def loss_streak_drawdown(risk_per_trade: float, losses: int) -> float:
    return 1.0 - (1.0 - risk_per_trade) ** losses


def usdjpy_units_jpy_account(
    equity_jpy: float,
    risk_rate: float,
    stop_pips: float,
    pip_size: float = 0.01,
) -> float:
    risk_jpy = equity_jpy * risk_rate
    return risk_jpy / (stop_pips * pip_size)


def probability_next_k_losses(win_rate: float, k: int) -> float:
    q = 1.0 - win_rate
    return q ** k


def probability_at_least_one_loss_streak_exact(
    win_rate: float,
    trades: int,
    streak: int,
) -> float:
    """
    Exact DP for Bernoulli trials.
    State j means current consecutive losses length is j, where j < streak.
    Once j reaches streak, the path is excluded from 'no streak' probability.
    """
    q = 1.0 - win_rate
    p = win_rate

    states = np.zeros(streak)
    states[0] = 1.0

    for _ in range(trades):
        nxt = np.zeros(streak)

        # Win resets loss streak to zero.
        nxt[0] += states.sum() * p

        # Loss moves j -> j + 1, unless that would hit the forbidden streak.
        for j in range(streak - 1):
            nxt[j + 1] += states[j] * q

        states = nxt

    probability_no_streak = states.sum()
    return 1.0 - probability_no_streak


def apply_lot_reduction(base_risk: float, consecutive_losses: int, monthly_pnl_rate: float) -> float:
    if monthly_pnl_rate <= -0.05:
        return 0.0
    if monthly_pnl_rate <= -0.03:
        return min(base_risk * 0.25, 0.0025)
    if consecutive_losses >= 4:
        return 0.0
    if consecutive_losses == 3:
        return base_risk * 0.25
    if consecutive_losses == 2:
        return base_risk * 0.5
    return base_risk

検証手順

1. 取引履歴から有効証拠金ベースの equity を作る。
2. max_drawdown(equity) で過去最大ドローダウンを出す。
3. 勝率ではなく、平均損失、最大損失、連敗数、DD duration を見る。
4. probability_at_least_one_loss_streak_exact() で、100回、200回、500回の連敗発生確率を確認する。
5. 月次 -3%、-5% の停止ルールを過去履歴に当て、MDD と利益がどう変わるか比較する。
6. USD/JPY の指標時、週跨ぎ、急変時を別タグにして、通常時と分けて検証する。
7. バックテストの MDD に 1.5 倍から 2.0 倍の安全係数を掛ける。
8. その数値に心理的に耐えられないなら、ロットを下げる。

参考

• Bank for International Settlements, Triennial Central Bank Survey 2025: OTC foreign exchange turnover in April 2025
  https://www.bis.org/statistics/rpfx25_fx.pdf
• Commodity Futures Trading Commission, Fraud Advisory: Foreign Currency (Forex) Fraud
  https://www.cftc.gov/LearnAndProtect/AdvisoriesAndArticles/fraudadv_forex.html
• Lisa R. Goldberg and Ola Mahmoud, Drawdown: From Practice to Theory and Back Again
  https://arxiv.org/abs/1404.7493