スキャルピング（数秒から数分で売り買いを終える超短期の取引）の戦略を手作業で研究したことがある人なら、いちばん重いのは計算ではないと分かる。
この指標が出たときはどうする。別の指標が同時に出たらどうする。値動きが荒いときは残すか。静かなときは捨てるか。ここでは逆張り、ここでは見送り――。
一つずつ確かめていると、平日の夜がそのまま研究所になる。毎日数時間を何年も積み上げて、ようやく一本の戦略が残ることもある。
そこへ、自分で探索を進めるAIが来る。
ある使い方では、数千パターンを数時間で回し、利益が安定しない理由まで調べて、次の候補へ進める。人間の第一声はだいたい同じになる。
「それ、人間にやらせたら何日かかるんだよ。」
ただし「AIなら4000通り試せる。最強！」で終わると危ない。お金の世界では、たくさん試せること自体が「たまたま当たったものを本物と思い込む」危険を増やすからだ。
この記事の結論はシンプルである。
強い組み合わせは、人間の仮説、AIの探索力、AI自身によるダメ出し、そして「試した回数」を織り込んだ統計の補正。
勝ち戦略を探すAIだけでは足りない。見つけた戦略を全力で壊しにいくAIまでセットで必要になる。
1. なぜ「数年の手作業」がAIでは急に短くなるのか
人間の戦略研究は、小さな作業の連鎖でできている。
- 仮説を思いつく。
- 条件を実装する。
- 過去のデータで試す（バックテスト）。
- 結果を見る。
- 「なぜ安定しない？」を考える。
- 条件を分ける。
- もう一度試す。
一つ一つは難しくなくても、これを何百回、何千回と続けるのが重い。
しかも途中で「昨日どこまで試した？」「この条件、前にもやった？」が入る。人間の脳には研究ログ管理機能が標準搭載されていない。搭載されている人もいるのかもしれないが、少なくともアップデート通知は来ない。
探索型AIの価値は、この繰り返しを止めずに回せることにある。
「利益が出た」で終わらず、「特定の日だけでは？」「手数料を入れると？」「別の時間帯では？」「この条件を外したら？」と枝を増やし、うまくいかなかった理由を次の仮説に戻す。
これは単なる高速の過去データ検証ではない。
研究の回し方そのものが速くなるということだ。
2. Astraの強さは「正解を知っている」より「初めての場所を歩ける」に近い
GPT-6 Astraの特徴をつかむのに分かりやすいのが、ARC-AGI-3というテストである。
ARC-AGI-3は、説明書も明確なゴールもない2Dのマス目の世界をAIが操作し、何が起きるかを観察しながらルールを見抜く対話型のテストだ。必要なのは、探る力、世界の仕組みを頭の中に作る力、ゴールを推測する力、計画を立てて直す力である。
2026年7月のGPT-5.6 Solは、ARC Prizeの半非公開セットで7.78%を記録した。OpenAIは別の公開セットで、推論の途中経過を覚えておく工夫と文脈の圧縮を使うと13.3%から38.3%まで伸びることも示している。
9月のAstraは、ARC Prizeの標準の評価環境で同じ半非公開セット62.7%、推論の途中経過をより長く保てるProvider Adapterという環境で99.9%を記録した。評価の条件で数字は大きく変わるので単純な倍率比較はできないが、探る力、仕組みを理解する力、長く覚えておく力が大きく伸びたことは読み取れる。
さらにARC Prizeは、Astraが最後までクリアしたレベルの96%で、人間のクリア者の中央値より少ない操作数で済んだと報告している。
ここが面白い。
難しい数学の問題を一発で解く強さとは少し違う。
「これ押したら何が起きる？ じゃあ次はこっち。あ、ルール分かった。」
という、触りながら覚える強さである。
小学生でも遊べそうな2Dゲームが、AIには長く難しかった。だからこそ、そこでの急な伸びは「初めての環境を触りながら理解する力」の変化を見やすい。
なおARC Prize自身も、ARC-AGI-3で高得点が出ても人間並みの汎用知能が実現した証拠にはならないとしている。ルールが決まった閉じた世界と、現実の複雑さは別物である。
3. 2Dゲームの探索が、なぜスキャルピング研究と似て見えるのか
相場はゲームではない。値段はルールの決まった世界では決まらない。
それでも「研究の手順」だけを見ると、かなり似た形になる。
たとえば、板（買い注文と売り注文の並び）の偏りを条件に加えたら成績が良くなったとする。
そこで終わらない。
- 板の偏りそのものが効いているのか。
- 値動きが荒いときだけ効くのか。
- 売値と買値の差が小さい場面だけで見えているのか。
- 約定（注文が成立すること）が1目盛り悪いだけで消えるのか。
- 特定の時間帯だけなのか。
観察する。条件を変える。結果を見る。仮説を書き換える。
構造としては、ARC-AGI-3の「観察、操作、反応、頭の中の地図の更新、次の操作」と近い。
だから探索型AIに向いている頼み方は、「いちばん儲かる設定を探せ」より、
「この利益がなぜ出ているのかを分解し、壊れる条件を探し、うまくいかなかった理由から次の候補を作れ」
の方になる。
勝ち筋を当てるクイズではない。
未知の地形を歩かせる研究ゲームとして渡すのである。
4. 人間の価値は消えない――むしろ「この辺が怪しい」という勘が高くつく
AIに全部ゼロから探させればいい、と考えたくなる。
でも、探す範囲が広いほど、人間の経験は「どこから掘るか」を決める地図になる。
長年、本を読み、指標や値動きの癖を一つずつ試した人は、頭の中にこんな分類を持っている。
- 単独では弱いが、「この場面は見送る」条件としては効きそう。
- 上昇や下降の流れがはっきりしているときだけ使えそう。
- 過去データではきれいだが、手数料で消えやすい。
- 方向を当てるより、入るのを止める用途の方が強い。
- 一見強いが、特定の期間だけに偏りやすい。
これは「正解の一覧」ではない。
どこを重点的に探すかの見当である。
科学の分野でも、2026年のCo-Scientistは、研究者が与えた目標や既知の証拠を出発点に、仮説を作り、批判し、順位を付け、改良する繰り返しを採っている。計算時間を増やしながら仮説を掘る設計だ。
金融でも発想は同じでよい。
人間が「ここは強そう」と種を置く。
AIはその周りを何千方向も掘る。
そして人間の見立てに反する結果が出たら、遠慮なく捨てる。
経験は答えではなく、探索の手間をどこへ配るかのヒントとして使う。
これなら「経験者の思い込み」と「AIの総当たり」の弱点を、お互いに少しずつ打ち消せる。
5. 複数の条件を組み合わせると、人力では地獄になる理由
材料が20個あるとする。
各材料を「使う・使わない」の2択にするだけで、組み合わせは
2^20 = 1,048,576通り。
さらに「使わない・順方向に使う・逆方向に使う」の3択なら、
3^20 = 3,486,784,401通り。
もちろん現実には全部を総当たりしない。意味のない組み合わせは人間の知識で切る。
それでも実戦の研究では、ここへ基準値、時間帯、値動きの荒さ、売値と買値の差、持つ時間、ニュースの前後を外す条件、買いと売りの違い、約定の条件などが乗る。
つまり昔の研究者がやっていた、
「これを見たときはどう？ じゃあこっちも見たら？ この場面は除外？」
は、実質的に巨大な枝分かれの道を人力で歩いていたことになる。
そりゃ数年かかる。
Excelが悪いわけではない。宇宙が広すぎる。
6. AIにやらせたいのは総当たりではなく「次に何を試すか」の選択
探索が得意なAIの使い道は、全部の設定をやみくもに舐めることではない。
良い探索は、結果を見て次の実験を変える。
たとえば戦略がA+B+C+Dで作られているなら、部品を一つずつ外して成績の変化を見る。
- Dを外しても変わらない → Dは飾りかもしれない。
- B単独では弱いが、A+Bで資産の落ち込みだけ減る → Bは予想役ではなくフィルター（見送る条件）かもしれない。
- Cは全期間では弱いが、値動きが荒いときだけ強い → Cは相場の状態に左右される部品かもしれない。
こうした「部品を外して役割を見る検査」は、一般にアブレーションと呼ばれる。
大事なのは名前ではなく、複雑な戦略を分解して、本当に効いている部品だけ残すことだ。
探索、失敗、原因の仕分け、次の探索。
この循環を自動化すると、AIは設定の数字を探すだけの道具から、研究助手に近づく。
7. ただし最大の敵は「たまたま」――4000回試せば「偶然の天才」も出てくる
お金の研究でいちばん怖いのはここである。
4000個の戦略を試して一番きれいなものだけ選べば、その勝者は実力ではなく偶然で勝った可能性がある。
Whiteは、同じデータを判断やモデル選びに何度も使う「データスヌーピング」では、良い結果が手法の本当の力ではなく偶然から出ることがあると整理した。
複数の合図を組み合わせるとさらに危ない。
Novy-Marxは、複数の合図を選んで組み合わせると、過去データに合わせすぎるゆがみが強くなり、本当は予想する力のないでたらめな合図からでも、見栄えのよい過去検証を作れてしまうことを示している。
つまり探索AIの強さは両刃の剣だ。
人間より4000倍たくさん間違えられる。
そして、その中から一番美しい間違いだけを表彰することもできてしまう。
探索の量が増えるほど、「たまたま」対策は最後の確認ではなく、探索の仕組みそのものに組み込まなければならない。
8. 対策は「全部の試行を記録し、最後のテストはAIにも見せない」から始める
大量に探すなら、失敗した3999本も研究の記録である。
最低限、次を手順に入れたい。
- 全部の試行を記録する。 何個試して、どの条件を変え、なぜ捨てたかを残す。
- 探索用のデータと最終確認用のデータを分ける。 最終確認用は、戦略を選んでいる間は見ない。
- 時間の流れに沿って確かめる。 過去で作って未来側で確かめるウォークフォワードを使う。
- 条件をわざと悪くする。 売値と買値の差、手数料、注文価格のずれ、通信の遅れ、約定の厳しさを悪い方に振る。
- 近い設定でも生きるかを見る。 ある一点だけ尖って当たる戦略は疑う。
- 相場の状態を分ける。 荒い時と静かな時、時間帯、年、売りと買いなどで、利益が一部に偏っていないか確かめる。
- 大量に試した分を補正する。
大量に候補を試したせいで、リスクに対する成績の指標（シャープレシオ）が実力以上に高く見える。その分を補正する方法が、Deflated Sharpe Ratio、略してDSRである。選ばれた結果のゆがみと、収益の偏った分布を考慮する。
投資の過去検証向けに「最適化しすぎた確率」を見積もる枠組みがProbability of Backtest Overfitting、PBOで、組合せ対称交差検証という方法を使う。
WhiteのReality Checkは、大量の候補からのデータスヌーピングを検定する方法で、HansenのSuperior Predictive Ability検定、SPAは、弱い候補や無関係な候補の影響を受けにくくする方向で改良された。
名前を全部覚える必要はない。
考え方は一つである。
「4000本試したあとに一番強かった」なら、4000本試した事実ごと評価する。
そして、最後に取っておいた未使用のデータを見てから戦略を直したら、そのデータはもう未使用ではない。直した版には、新しく封をしたデータが必要になる。
9. 最強の構成は「勝ち戦略を探すAI」と「勝ち戦略を壊すAI」の二人体制
探索AIを一人だけ置くと、どうしても「良いものを探す」方向に寄りやすい。
そこで役割を分ける。
探索側
- 新しい条件を作る。
- 人間の仮説を組み替える。
- 相場の状態ごとの効き方を掘る。
- 失敗の理由から次の候補を作る。
ダメ出し側
- 手数料などを悪くする。
- 約定を遅らせる。
- 何日か抜く。
- 設定の数字をずらす。
- 別の期間、別の市場へ持っていく。
- DSR、PBO、Reality Check、SPAなどで、大量に試した分を補正する。
- 利益が一部の日や一部の取引だけに集中していないか調べる。
探索側が「見つけた！」と持ってきたら、ダメ出し側が「本当に？」と殴る。
生き残ったら、もう一回殴る。
お金の研究では、この性格の悪さが品質である。
目標は「最高の利益」ではなく、
「条件を少し壊しても、別の期間でも、手数料を悪くしても、理由を説明できる形で残るもの」
に変えた方がいい。
10. 新モデルが出たら「総合点」より「前の世代で急に壁を越えた力」を見る
この話はスキャルピングだけではない。
新しいAIモデルが出たとき、総合テストが5%上がったかを見るだけでは、稼ぎどころを見逃す。
見るべきは、
「前のモデルでは採算が合わなかった仕事が、今回は急に成り立つようになった場所はどこか」
である。
Astraなら、ARC-AGI-3で目立ったのは、初めての環境を探り、仕組みを短くまとめて頭に入れ、少ない操作で進む力だった。
そこから逆算する。
- 大量の仮説を試す仕事はないか。
- 人間が「次に何を試すか」で時間を失う業務はないか。
- 成功か失敗かを数字で確かめられるか。
- 100回、1000回と繰り返したとき、人件費の差が大きいか。
- その力の差が、利益、コスト、開発の速さに直結するか。
この5つが重なるところは面白い。
科学でも、Co-Scientistのように「仮説を作る、批判する、比べる、改良する」を計算量で回す方向が実際に進んでいる。
だから新モデルの発表は、スペック表を見るイベントではなく、
「人間が昔死ぬほど面倒だった工程の、どれが突然機械にできるようになった？」を探す宝探し
として見るとよい。
短期取引の研究では、答えが見え始めている。
人間が何年もかけて得た「この辺が強そう」という勘は、捨てるものではない。
それをAIに渡して、何千通りも掘らせる。
ただし、同じAIに自分の成果を壊させ、統計の関門を通し、最後の未使用データまで残す。
最短のまとめはこれである。
人間は探索の地図を描く。AIは地図の外まで掘る。統計は「それ、本当に金脈？」と最後に止める。
AIが強くなるほど、最後の一人だけは冷静でなければならない。
その一人もAIにやらせればいいのだが。
