🗄️ 歴史的文書(アーカイブ) — この文書は過去の研究フェーズの記録であり、現在の結論・手法を反映していません。現在の研究状況は解説セクションを参照してください。

Phase 2 — ETH_JPY マイクロストラクチャ・アルファ候補シグナル

本ページは Phase 2 のアルファ候補シグナル・レポート research_reports/phase2_alpha_candidate_signals.md を整理したもの。 Phase 1.5 の 62 日リーダーボード で既存 12 戦略がすべて hold 10 ETH に負けたことを受け、既存ベースラインが触れていない微細構造シグナルを S3 の trade / ticker / orderbook Parquet から探索した。3 つのレジーム代表日（rally / down / chop）で ρ・t-stat・ターンオーバー・シグナル論理 P&L を算定し、top-3 候補を選定している。

ラン条件

• Symbol: ETH_JPY（GMO 信用、手数料ゼロ、0.04%/日 保有コスト）
• サンプル日（3）: 2026-03-12（chop, -0.14%）, 2026-03-16（rally, +9.6%）, 2026-03-18（down, -5.5%）
• Data source: s3://historical-source/market_stream/symbol=ETH_JPY/business_date_jst=<day>/{trades,ticker,orderbooks}.parquet
• Feature grid: ~2 Hz の orderbook スナップショット（172k-176k rows/日）、trades は merge_asof-backward で grid にマージ
• Forward return: r_H(t) = log(mid(t+H) / mid(t))、mid は top-of-book；horizon H ∈ {1s, 5s, 30s, 300s}
• すべての統計は causal（signal @ t, return @ t → t+H）

レジーム分類は Phase 1.5 の レジーム分解 に準拠。

ランキング・サマリ（top-3）

|ρ|安定性 × (horizon ≥ 5s) × (既存ベースラインとの差別化) でランク付け。

#	Candidate	Key correlation	Regime stability	Turnover	Differentiator
1	top1_vs_deep	rally 5s ρ = +0.089, 30s ρ = +0.036；down 5s ρ = +0.012；chop 5s ρ = +0.014；|t| 6-26	rally で強く down/chop は控えめ、全レジーム同符号	12-16k flips/日 @ q90	既存ベースラインが触れない depth 6-30 層を top-1 との差分として活用
2	ob_imb_deep_5to30（反転）	rally 5s ρ = -0.051, 30s ρ = -0.038；down 5s ρ = -0.040；chop 5s ρ = -0.046；|t| 4-15	|ρ| > 0.04 が 30s で全 3 レジームを通過する唯一の候補	9-12k flips/日 @ q90	純粋な deep-book シグナル。top-5 imbalance と逆方向を取るため baseline_queue_imbalance_breakout と直交
3	big_trade_fresh_sign	rally 1s ρ = +0.052, 5s ρ = +0.029；down 1s ρ = +0.034；chop 1s ρ = +0.016；|t| 5-15	全レジーム同符号、chop 300s で反転	1-3k flips/日 @ q90（300s min-order-interval に適合）	p95 単発トレードでトリガ。baseline_sweep_follow は 3+ trades + vol + imb + logret の三重条件を要求するため、単独 whale イベントを取り逃がしている

3 候補すべてが horizon ≤ 30s で |ρ| > 0.02 の最低ラインを超え、全レジームで t-stat > 3。候補 #1 は rally 30s で |ρ| > 0.05 ターゲットに最も近い（rally 30s ρ = 0.036, rally 5s ρ = 0.089）。候補 #2 は 30s で全レジーム |ρ| > 0.04 という稀な安定性を持つ。

なぜこの 3 候補か — 差別化ロジック

候補 #1: top1_vs_deep（primary）

定義:

signal = ob_imb_top1 − ob_imb_deep_5to30    ∈ [−2, +2]

• rally で 5s ρ = +0.089、30s ρ = +0.036、|t| 6-26。
• Signal-theoretic P&L（5 ETH × 350k mid, 30s horizon, q90 threshold）: rally +¥2.24M/日、down +¥1.26M/日、chop +¥1.30M/日。
• 差別化: どのベースラインも深度 6-30 層を使っていない。最も近い baseline_queue_imbalance_breakout は top-5 を使うが、momentum confirmation と AND しており約定率を殺している。本候補は retail (top-1) と institutional queue (6-30) の乖離を抽出。
• 要件: --min-order-interval-sec 5 以下。300s default では発火頻度が過剰（12-16k flips/日）。

候補 #2: ob_imb_deep_5to30（反転）

定義:

signal = −(Σ_{k=5..29} bid_size[k] − Σ_{k=5..29} ask_size[k])
       / (Σ_{k=5..29} (bid_size[k] + ask_size[k]))

• 反転後、全レジーム・全 horizon で ρ が正。唯一 30s で全 3 レジーム |ρ| > 0.04 をクリア。
• Signal-theoretic P&L（30s horizon, q90）: rally +¥1.99M/日、down +¥0.75M/日、chop +¥1.76M/日。
• 差別化: 純 deep-book シグナル。候補 #1 と並行運用可能（直交）。
• 解釈の面白さ: 深層 (6-30) が bid 優勢だと 5-30s で価格が下がる — 古典的 imbalance 理論と逆方向なのでベースラインが捕捉していない。

候補 #3: big_trade_fresh_sign

定義:

signal(t) = sign(last_big_trade.signed_size) if age ≤ 5s else 0
（big = size ≥ p95_day）

• rally 1s ρ = +0.052、|t| 5-15。
• 条件付きフォワード・リターン: rally 日の p99 BUY big trade → +9.67 bps forward 1s mid return（|t| = 16.2, n = 262）。SELL 側は -3.51 bps（|t| = 9.6）。
• Signal-theoretic 5s P&L: rally +¥1.65M/日、down +¥0.85M/日、chop +¥0.42M/日。
• ターンオーバーが低い（1-3k flips/日） — 300s min-order-interval でも運用可能なのは 3 候補中これのみ。
• 差別化: baseline_sweep_follow は三重ゲート（count ≥ 3, vol ≥ 0.6 ETH, logret ≥ 1.2 bps）。単発 p99 トレードは発火条件を満たさないが、big_trade_fresh_sign は lone whale イベント を拾う（ベースラインが取り逃がす 15-25%）。

方法論メモ（抜粋）

• ρ は Pearson（signal vs log-forward-return）、n ≈ 170k/日 → |t| > 3 は p < 0.003（サンプル数で trivially significant）。
• 経済的有意性は手数料ゼロ・limit-only で |ρ| ≈ 0.02+ を閾値とする。
• Turnover は sign(signal) × 1[|signal|>q90] の符号反転カウント。
• 5s スケールの forward-return autocorrelation は全レジームで +0.09 〜 +0.10。候補 #1 の 5s ρ = 0.089 はちょうどこの native momentum persistence と同オーダー。
• 大口トレード（p99 tail）の one-sample t-stat は rally BUY 側 +16.2（+9.67 bps / 1s, n=262）で、単一イベント系シグナルとして最強クラス。これが候補 #3 の基礎。

詳細ρテーブル（26 シグナル × 12 horizon × regime セル）と条件付きフォワード・リターンの全量は ソースレポート §2, §4 を参照。

Phase 3 実装ノート

1. Feature engine 拡張（小）: ob_imb_deep_5to30 と top1_vs_deep を src/atc/features/feature_engine.py に追加（Rust 版も rust/atc-featuregen/src/ に）。L30 スナップショットは既に取得済み。
2. Big-trade tracking state: feature engine 側に rolling 24h trade-size p95 + last_big_trade_ts + last_big_trade_side を保持。
3. Min-order-interval override: top1_vs_deep / ob_imb_deep_5to30 は --min-order-interval-sec 5 以下が必須。戦略側でタグ付けし CLI default を上書き。
4. Execution: predicted horizon が 5-30s のため、mid + 0.5 × spread × sign(signal) の fast-limit（aggressive maker）で窓内に tape がクロスすれば約定。30s を超えて保持するとエッジが溶解（300s ρ は候補 3 中 2 つで ~0）。
5. No latency edge: 分析は exchange_ts_utc のみ使用。recv_ts からの裁定不可は Phase 4c (recv_ts 精度) の結論どおり。
6. Regime-neutral test: Phase 3 walk-forward はレジーム層別に train/valid 分割せよ。候補 #2 は非層別バックテストで優勝するはず；候補 #1 は rally バイアスを持つが chop ρ = +0.014 at 1s (|t| = 9.3) は実在する。

Caveats

（ソースレポート §11 から）

1. n = 3 サンプル日 — 1 回の極端ラリー、1 回の極端ダウン、1 回のマイルド chop。各レジーム 10 日規模の cross-day 検証（ρ の日次ばらつき）はエンジニアリング投資前に必須。
2. Signal-theoretic P&L は実 P&L を過大評価する。 Limit-only fill は tape が戻ってきたときだけクロスする。baseline_sweep_follow 観察ベースの実現率 10-30%。Real P&L ≈ §6 の数字の 20-30%。
3. Turnover sketch は partial fill / cancel を考慮していない。 実行層（_build_limit_price → passive quote）で effective trading rate は 50-70% 削減される。
4. Signal 自体の自己相関を制御していない。 top1_vs_deep が 30 秒間 +0.5 で持続すると、5s forward-return correlation の一部は one-event 効果。HAC (Newey-West) SE で reported t-stat は約半減。ただし候補ランキングは定性的に変わらない。
5. Selection bias: ~25 シグナルを試験。Bonferroni 補正では α = 0.05 で |t| > 3.3 が必要。top-3 候補はすべて少なくとも 2 レジームでこれをクリア。

アーティファクト

すべて /tmp/phase2_analysis/out/ 配下（ソースレポート §10）:

• signal_correlations.csv — base (ρ, n, t) テーブル
• pivot_rho_all.csv — wide format (regime × horizon)
• differentiator_signals.csv / differentiator_pivot.csv
• combo_signals.csv / combo_signal_pivot.csv
• trading_rule_sketches.csv — threshold-rule シグナル論理 P&L
• large_trade_cond_fwdret.csv — p95/p99 条件付き forward return
• spread_distribution.csv / autocorr_forward_returns.csv / pivot_turnover.csv

解析スクリプト: /tmp/phase2_analysis/{load_day.py, analyze_signals.py, differentiators.py, combo_signal.py, trading_rule_sketch.py}。

関連ページ

• Phase 1.5 — Leaderboard — Phase 2 が動機づけられた 62 日 α 全滅の結果
• Phase 1.5 — Regime Decomposition — 本分析の rally / down / chop サンプル日選定ロジック
• Source report — 全量ρテーブル、条件付き forward return、シグナル論理 P&L の詳細