結論

結論：マクロレジーム分析は「当時の値」で過去を分類する

「マクロ レジーム 分析」で最初に押さえる答えはこうです。マクロレジーム分析とは、成長・インフレ・金利・流動性などの状態変数と閾値をあらかじめ定めて過去局面を分類し、各時点で当時利用可能だったデータだけを使って局面を比較する作業です。最新の改定値を過去へさかのぼって貼り付けると、当時は知り得なかった情報が混入し、分類も検証も歪みます。これを避ける鍵が、ポイントインタイムデータとas-of join（時点結合）です。

本記事では、成長×インフレの4象限を出発点に、参照期間・初回公表・改定・ヴィンテージ・as-of dateの違いを整理し、最新値での誤った結合と当時の値でのas-of結合で3月分のレジームが反転する架空例を示します。掲載する数値・図表・表・ツールの初期値はすべて教育用の架空データで、実際の市場値・予測・売買推奨ではありません。相関は因果を証明せず、レジームは将来の値動きを保証しません。

本記事はマクロリサーチの一部です。COT・金利・実質金利・エネルギーを横断する全体像はマクロ分析完全ガイドにまとまっています。時差を伴う先行・遅行の検証はリード・ラグ分析、将来の条件分岐によるシナリオ設計はマクロシナリオ分析の作り方が担当し、本記事は過去局面の分類とヴィンテージ・as-of設計を扱います。

分類の設計

成長×インフレの4象限と、金利・流動性の別軸

レジーム分類の出発点としてよく使われるのが、成長とインフレの2軸による4象限です。成長プロキシ（例：活動指数のYoY）が基準以上なら「拡大」、CPIのYoYが基準以上なら「高インフレ」とし、組み合わせで4つに分けます。名称は分析目的に合わせて付けます。

• リフレーション：成長=拡大 × インフレ=高。景気とインフレがともに上向きの局面。
• ゴルディロックス：成長=拡大 × インフレ=低。成長は堅調だが物価は落ち着く局面。
• スタグフレーション：成長=減速 × インフレ=高。成長が鈍る一方で物価が高止まりする局面。
• スローダウン：成長=減速 × インフレ=低。景気と物価がともに弱含む局面。

ただし、この4象限は唯一の分類ではありません。目的によって、金利（政策・イールドカーブの形状）、流動性（マネー・準備・与信）、信用スプレッド、政策スタンスなどを別軸として加えたり、閾値を変えたりします。分類はあくまで目的依存のラベルであって、経済の「真の状態」そのものではない点が重要です。次の図は、成長×インフレの4象限に、金利と流動性を補助軸として重ねた概念マップです。

金利や実質金利、イールドカーブ形状そのものの読み方は米国債利回りとイールドカーブの見方、金利差と為替の関係は金利差と為替の関係で詳しく扱っています。本記事では、どの変数を軸にするにせよ共通して必要になる時点整合を中心に進めます。

用語整理

参照期間・初回公表・改定・ヴィンテージ・as-of dateを分ける

時点整合を正しく扱うには、1つの経済指標に付随する複数の日付を混同しないことが出発点です。次の5つを別々のフィールドとして持ちます。

• 参照期間（reference period）：データが対象とする期間。例：2026年3月分。期間末日は2026-03-31。
• 初回公表日（first release）：その参照期間の値が最初に発表された日。例：2026-04-28。
• 改定日（revision）：値が更新された日。複数回あり得ます。例：2026-05-30、2026-06-27。
• ヴィンテージ日（vintage）：ある版が「いつ時点のデータか」を示す日付。各改定はそれぞれ別のヴィンテージです。
• as-of date（分析日）：分析を行う時点。この日を超えて公表された値は、当時知り得なかった値として使いません。

下のタイムラインは、2026年3月分の成長プロキシを例に、参照期間末から初回公表・改定・確報（現在値）へと値が変わっていく様子を示したものです。同じ「3月分」でも、いつ時点で見るかによって手に入る値が違うことが読み取れます。

ここで注意したいのは、改定は「誤り」ではないという点です。追加のサンプルや季節調整の更新を反映した正常な更新であり、どの版を使うかは分析目的で決めます。当時の意思決定を再現するなら初回や各時点のヴィンテージ、現在の最良推定で歴史を描くなら最新ヴィンテージを使い、両者を混ぜないことが肝心です。

2種類のデータセット

ポイントインタイムと最新ヴィンテージ、2つの時点合わせ

データセットには大きく2種類あり、目的で使い分けます。

• ポイントインタイムデータセット（point-in-time）：公表日・改定日を保持し、任意の分析日を指定すると「その日に知り得た値」を復元できます。当時の判断を再現したい過去局面比較に向きます。
• 最新ヴィンテージデータセット（latest-vintage）：各参照期間について、現在時点で最も新しい改定値だけを持ちます。現在の最良推定で歴史を記述したいときに向きますが、過去の分析へそのまま使うと先読みバイアスの温床になります。

時点の合わせ方にも2つの考え方があります。

• 参照期間合わせ（period-end alignment）：値を参照期間で並べます。直感的ですが、公表ラグを無視すると、まだ発表されていない期間の値まで結んでしまう恐れがあります。
• 公表日合わせ（release-date alignment）：値を「公表された日」で並べます。ある分析日にどの情報が手元にあったかを再現でき、as-of joinの基礎になります。

過去局面の分類では、原則としてポイントインタイム＋公表日合わせを使います。参照期間で並べたくなる場面でも、公表ラグと改定履歴を保持しておけば、後からas-of joinへ切り替えられます。前方補完の落とし穴（休日や欠損を直前の値で埋めても、それが『当時確定していた』ことを意味しない）は金利差と為替の記事でも触れた共通の注意点です。

時点結合

as-of joinの仕組み：分析日以前の最後の値だけを結ぶ

as-of join（時点結合）は、各分析日について、その日以前に公表済みだった最後の利用可能値だけを結合する方法です。手順は単純です。まず値を公表日で並べ替え、分析日を与えたら、その日を超えない直近の公表版を採用します。こうすると、同じ参照期間の値でも、分析日が進むほど新しい版が自然に採用されます。

下の表は、2026年3月分の成長プロキシについて、3つの分析日でas-of joinがどの値を採用するかを示したものです。値はヴィンテージタイムラインと同一の架空データです。

ポイントは、同じ「3月分」の値が、分析日によって+1.8%、+1.2%、+0.9%と変わることです。これは矛盾ではなく、それぞれの分析日で当時利用可能だった値を正しく反映しています。過去のある月にレジームを判定するなら、その月のas-of dateで結合した値を使うのが原則です。逆に、常に最新版（+0.9%）を全期間へ貼ると、5月や6月の判断に将来の情報を混ぜてしまいます。

一貫した架空例

一貫した架空例：3月レジームが反転する

ここで、記事全体で使う教育用の架空データと、凍結した分類仕様を定義します。以降の本文・図・表・ツール・FAQ例は、すべてこの値と閾値で統一します（実際の市場値・予測・推奨ではありません）。

2026年3月分について、2つの系列のヴィンテージは次のとおりです（架空）。成長プロキシは前掲タイムラインと同じ、CPIも同様に版を持ちます。

この2つの版で3月分のレジームを判定すると、成長軸の判定が反転します。成長プロキシは初回+1.8%（≥+1.5%→拡大）が、最新+0.9%（<+1.5%→減速）に変わります。CPIはどちらも+2.5%以上なので「高インフレ」のまま。したがって象限が移動します。

つまり、最新の改定値を過去へそのまま貼ると、3月は「スタグフレーション」に見えます。しかし2026-05-15の分析で実際に手元にあった値でas-of結合すると、3月は「リフレーション」です。どちらが正しいかは目的次第ですが、当時の意思決定を再現したいのに最新値を使えば、それは先読みバイアスです。同じ閾値・同じ系列でも、版の選択だけで結論が変わることが分かります。

落とし穴

先読みバイアスの発生源

先読みバイアス（look-ahead bias）は、ある分析日の判断に、その日にはまだ公表されていなかった情報を混ぜることで生じます。過去局面比較で特に多い発生源は次のとおりです。

• 最新値の一律貼り付け：最新ヴィンテージを全期間へ結合する。改定の大きい系列ほど、過去の分類が現在の後知恵で塗り替わります。
• 公表ラグの無視：参照期間末に値が「存在した」と仮定する。実際は数週間後に公表されるため、期間末の分析には使えません。
• 前方補完の誤用：休日や欠損を直前値で埋め、あたかも当時確定していたかのように扱う。補完値は当時の確定値ではありません。
• 結果を見た閾値調整：分類結果を見てから閾値や窓を動かし、望ましい局面区分に合わせる。これは後知恵バイアスであり、次節で扱います。

これらは「明日の新聞を今日読む」ことに相当します。1つ混ざるだけで、過去局面の分類も、局面別の集計も、実際には得られなかった精度を持つように見えてしまいます。だからこそ、公表日を保持したポイントインタイムデータでas-of結合し、各分析日で漏洩がないかを検査する工程が要になります。

局面の要約

平均だけでなく分布・観測数・継続・移行を見る

レジーム分析でありがちな失敗は、「この局面では平均が◯◯だった」と平均値だけを比べることです。平均は観測数が少ないと不安定で、分布の形や外れ値、局面の継続期間、移行のしやすさを隠します。過去局面を要約するときは、少なくとも次を併記します。

• 観測数：各レジームに何ヶ月（週）該当したか。少数なら結論を弱める。
• 分布：平均だけでなく、ばらつき（散らばり）と外れ値の有無。
• 継続期間：一度入った局面が平均どれだけ続いたか。
• 移行：どの局面からどの局面へ移りやすいか。
• 欠損・外れ値：除外した観測と、その理由。

次の表は、60ヶ月の架空サンプルを4レジームへ分類した要約です（欠損2ヶ月は集計から除外し、観測は60ヶ月）。数値はすべて教育用の架空例で、実在の景気局面や予測ではありません。

観測数を見ると、スタグフレーションはわずか11ヶ月で継続も3.4ヶ月と短く、平均値の信頼度は他より低いと分かります。移行列からは、リフレーションからスタグフレーション、スタグフレーションからスローダウンへ移りやすい傾向（架空）が読めますが、これはこの架空サンプルでの頻度にすぎず、将来の順序を保証しません。COTの極端値やZスコアで局面の偏りを補足する見方はCOTパーセンタイル・Zスコアの見方を参照してください。

品質管理

閾値の後出しを防ぐ：仕様凍結・感度分析・版管理

先読みバイアスと並ぶ大きな落とし穴が、結果を見てから分類仕様を変えることです。閾値・窓・変換・レジーム名を後出しで調整すると、望ましい結論に合うよう無意識に選んでしまい、過剰適合と後知恵バイアスを生みます。同じデータでも閾値を+1.5%から+1.3%へ動かすだけで、境界付近の月の所属が変わり、局面数や継続期間が変わります。対策は3点です。

• 仕様凍結：状態変数・閾値・窓・変換・レジーム名を分析前に文書化し、固定する。
• 感度分析：閾値をわずかに動かして（例：±0.2%pt）、結論が頑健か、境界だけで反転しないかを確かめる。
• 版管理：仕様と結果に版番号と日付を付け、変更履歴を残す。どの版でどう結論が変わったかを追える。

凍結と感度分析はセットです。凍結だけでは、たまたま選んだ閾値の頑健性が分かりません。感度分析だけでは、恣意的な調整と区別できません。両方を回して初めて、分類の恣意性を抑えられます。次のフローは、レジーム分析の推奨ワークフローを示したものです。

ミニツール

ポイントインタイム漏洩チェッカー

下のツールは、ある分析日の判断に、当時まだ公表されていなかった値を使っていないかを確認する教育用の小型チェッカーです。ブラウザ内だけで日付を比較し、入力は送信も保存もしません。投資成績や将来の値は一切計算せず、強気・弱気や売買判定にも変換しません。

まず、JavaScriptが無効でも読めるように、初期値と静的な判定例を示します（表2と同じ架空データ）。

静的な判定結果：初回公表（4/28）は観測日（5/15）以前なので、参照データ自体は利用可能（公表ラグ28日）。ただし分析で使った値の取得日（6/27）は観測日より43日後で、当時は知り得ません。したがってas-of joinの採用値は初回公表+1.8%であり、+0.9%を使うのは先読みです。

限界

解釈の限界：レジームは分類であって予測ではない

ここまでの手順を丁寧に踏んでも、レジーム分析から将来の値動きを断定することはできません。次の限界を常に併記してください。

• 分類は目的依存：レジームは真の状態ではなく、選んだ変数・閾値・窓に依存するラベルです。境界付近の月は判定が揺れます。
• 相関は因果ではない：「この局面で◯◯が上がりやすかった」という過去頻度は、因果や再現を証明しません。
• 過去頻度は将来を保証しない：移行表の傾向は当該サンプルの頻度で、次に同じ順序で移るとは限りません。
• ヴィンテージ依存：どの版を使うかで分類が変わります。当時の判断を評価するなら当時の版、現在の記述なら最新版と、目的を明示します。

1つのレジーム分類から価格方向や投資判断へ飛躍せず、反証条件（例：改定で成長軸が反転する可能性）と追加確認データ（金利・流動性・信用など別軸）をセットで持つことが、健全な読み方です。

実務

実務チェックリスト

過去局面を分類・比較する前に、次を確認すると先読みや後出しを減らせます。

• 状態変数・閾値・窓・変換・レジーム名を分析前に文書化し、凍結したか。
• 参照期間・初回公表日・改定日・ヴィンテージ日・as-of dateを別フィールドで保持したか。
• 過去局面の比較に、最新値ではなく各分析日のas-of値を使ったか。
• 公表ラグと前方補完の有無・方法・端点の扱いを記録したか。
• 平均だけでなく、観測数・分布・継続・移行・欠損・外れ値を併記したか。
• 閾値を±で動かす感度分析を行い、境界だけで結論が反転しないか確かめたか。
• 仕様と結果に版番号・日付を付け、変更履歴を残したか。
• 反証条件と追加確認データを添え、価格方向や投資判断を断定していないか。

サービス活用

ワークベンチでの確認手順

ここまでの手順は、Macro Research Workbenchで段階的に確認できます。目安は次のとおりです（機能名・保存方式・対応範囲は変わり得るため、最新のプランページとワークベンチの表示を唯一の正としてください）。

手順としては、まずFreeで公開マクロの水準とパーセンタイルを確認し、状態変数の候補を選びます。次に、同じ条件で長期履歴やZスコアを付けて継続比較したくなったら、Proの保存・出力を検討します。さらに、各分析日のヴィンテージでas-of結合し、閾値を凍結して過去局面を比較し、漏洩を検査してレポート化する段階では、PremiumのHistorical Regime LabやPoint-in-Time、Look-ahead Bias Detector、Research Notebookが対象になります。本ワークベンチは公開マクロデータと端末内で読み込んだデータを機械的に整理・可視化するもので、ロット・証拠金・取引コスト・売買シグナル・個別投資助言は提供しません。ロットや取引コストの計算はFX・CFDロット計算完全ガイドや取引コスト計算完全ガイド、戦略の検証はTradingViewバックテスト完全ガイドという別のツール・記事が担当します。原油在庫のような供給側データを局面に加える見方はEIA原油在庫の見方、金と実質金利の局面別検証は金価格と実質金利の関係を参照してください。

まとめ

まとめ：主質問への回答と次の一歩

「マクロ レジーム 分析」で確認すべきは、過去局面を成長・インフレ・金利・流動性などの状態変数と閾値で分類し、各分析日で当時利用可能だったデータだけを使って比較する、ということです。参照期間・初回公表・改定・ヴィンテージ・as-of dateを分け、最新値を過去へ貼らずにas-of joinで結合すれば、3月分の分類が版の選択だけで反転するような先読みバイアスを避けられます。さらに、閾値・窓・変換を凍結し、感度分析と版管理を回せば、後出しの調整による過剰適合も抑えられます。この順序を守ることが、再現性のある過去局面比較の土台になります。

次に読むなら、過去局面の分類を将来の条件分岐へ広げる記事が理解を深めます。成長・インフレ・金利・流動性のシナリオを組み、レポート化する視点につながります。

関連する学習記事は日本語の金融学習記事一覧からも探せます。マクロ全体の設計はマクロ分析完全ガイドまで戻ると一望できます。

関連記事

あわせて読みたい

参考資料

参考資料（一次情報）

ヴィンテージ・改定・公表日の定義や、経済指標の公表方法は、次の一次情報でご確認ください。本記事の数値は教育用の架空データであり、これらの機関が公表する実値ではありません。

• Federal Reserve Bank of St. Louis — ALFRED（ヴィンテージ・改定履歴）：alfred.stlouisfed.org
• Federal Reserve Bank of St. Louis — FRED（経済時系列）：fred.stlouisfed.org
• U.S. Bureau of Economic Analysis — Data（GDP等と改定）：bea.gov/data
• U.S. Bureau of Labor Statistics — Data Tools（CPI等の公表）：bls.gov/data