アラート算出ルール (v1.5)
FluxNoticeは、以下の **3つの条件がすべて同時に満たされた場合のみ** 正式なアラートを発火させます。これにより、単なる一時的な価格変動によるノイズを排除しています。
Zスコア閾値 (|Z-score| ≥ 2.0)
直近50件の平均から、現在のファンディングレートが標準偏差の2.0倍以上乖離している必要があります。
パーセンタイル閾値 (上位5%偏差)
ファンディングレートの絶対値が、過去の全データにおける上位5%（95パーセンタイル）を超えている必要があります。これは相場全体の過熱度を測るフィルターとして機能します。
24時間クールダウン
同一銘柄かつ同一方向（ポジティブ/ネガティブ）のアラートは、24時間に1回までに制限されます。これにより、異常状態が継続している際の通知過多を防ぎ、重要な「変化の起点」に注目させます。
タイムフレーム設計
アラート発火用
Binanceの決済サイクルに合わせた、最も信頼性の高いデータです。正式なアラートはこの時間足でのみ判定されます。
予兆・分析用
アラートは発火しませんが、8時間決済に向かうまでの「勢い」や「加速」を分析するために使用されます。
学術的根拠
Anomaly Detection: A Survey
Chandola, V., Banerjee, A., & Kumar, V. (2009)
Zスコア（標準得点）を用いた異常検知の基礎理論。閾値として2.0σ（標準偏差）を採用する根拠となっています。
Outlier Analysis (2nd ed.)
Aggarwal, C. C. (2017)
非正規分布における外れ値解析。ファンディングレートの歪みに対応するため、パーセンタイルベースの閾値を併用しています。
Anomaly Detection in Cryptocurrency Markets Using Machine Learning Techniques
Alnami, A., et al. (2025)
暗号資産市場におけるファンディングレートの特性。ボラティリティが高い市場での異常検知の有効性について言及しています。
なぜ機械学習ではなく、統計手法なのか？
✓ 説明可能性 (Explainability)
「AIがそう言ったから」ではなく、「Zスコアが3.0を超え、過去の上位5%に位置しているから」という明確な数値根拠をユーザーに提示できます。
✓ 再現可能性 (Reproducibility)
統計モデルは決定的です。同じ入力データに対しては常に同じ結果を返し、ランダム性や学習データの偏りに左右されません。
✓ パラメータの透明性
市場環境の変化に応じて閾値を調整する際、その意味（より厳しくする、より敏感にする）が直感的に理解可能です。
✓ 信頼の歴史
Zスコアや標準偏差を用いた異常検知は、金融、製造、通信などあらゆる業界で数十年間にわたり実証されてきた手法です。
技術仕様 (データ構造)
検知された異常は、透明性と検証可能性を確保するため、以下の構造で記録されます。
{
"id": "evt_20250325_143022_BTCUSDT",
"type": "FUNDING_Z_ANOMALY",
"symbol": "BTCUSDT",
"fundingRate": 0.001234,
"mean": 0.000123,
"std": 0.000345,
"zScore": 3.22,
"direction": "POSITIVE",
"percentile95Value": 0.000789,
"dataPointsCount": 50,
"detectedAt": "2025-03-25T14:30:22Z"
}よくある質問
なぜ 2.0σ なのですか？
正規分布において、2.0σを超える確率は約4.5%（両側）です。これは「20回に1回」程度の頻度を意味し、日常的な変動から「意味のある異常」を切り出すのに最適なバランスであることが多くの研究で示されています。
価格の急騰落は考慮されないのですか？
FluxNoticeは意図的に「価格」ではなく「ファンディングレート」を主信号としています。ファンディングレートは、価格そのものよりも「市場参加者の偏り（過度なレバレッジ）」を直接的に反映するため、より本質的な異常を捉えやすいためです。
アラートが出たら売買すべきですか？
いいえ。FluxNoticeは投資助言を行いません。アラートはあくまで「統計的な異常が発生している」という事実を知らせるものです。これをどのように解釈し、判断するかは各ユーザーに委ねられています。