VII. 限界、拡張と今後の研究方向性
本セクションは以下を目的とする：
- 本研究の意図的な範囲境界を特定する
- データ、モデル、方法論的限界を説明する
- 注意を要する解釈を強調する
- 学術的およびシステムレベルの拡張への道筋を開く
言い換えると：本セクションは、この研究がその範囲を超えた主張をしないことを明確にし、「金融市場における系列パターン」を探索する一歩を表している。
7.1 概念的限界
7.1.1 パターン ≠ 予測ルール
一部の結果が以下の間に明確な統計的関係を示すかもしれないが
これは以下を意味しない：
- 予測ルールを構成しない
- 将来への持続を保証しない
- 特定の条件下での構造的相関のみを表す可能性がある
したがって、解釈は「トレーディングシグナル」ではなく「構造化された関係的振る舞いの証拠」のフレームワーク内にとどまるべきである。
7.1.2 真の因果性なしのレジーム認識
マクロイベントトークンがレジーム認識型表現を可能にする一方で：
- 本研究は因果性を証明できない
- 全ての交絡因子が分離されていない
形式的な注意喚起：
したがって、本研究は因果推論ではなく、観測的系列分析を構成する。
7.2 データと構築の限界
7.2.1 生存バイアスと可用性バイアス
資産集合が以下を除外する場合：
- 上場廃止された株式
- データギャップのある資産
$\mathcal{A}$ にバイアスが存在し、学習されたパターンを歪める可能性がある。
7.2.2 イベント定義のノイズ
イベント生成関数 $\Phi_{asset}, \Phi_{macro}$：
- 部分的に人間の定義選択を反映する可能性がある
- 閾値やトリガールールが変更されると、パターン表現も変わる可能性がある
7.2.3 レイテンシと記録ギャップ
一部のイベントはタイムスタンプがデータに記録される前に現実世界で発生する。
これは時間的不一致を生む：
系列的解釈に影響を与える可能性がある。
7.3 モデルと学習の限界
7.3.1 長期的希釈
Transformerは長距離依存性をサポートするが、$n$ が大きい場合：
$\alpha_{ij}$ は高度に希釈される可能性があり、長期的パターンが失われる。
潜在的解決策：
- 階層的エンコーダ
- メモリ拡張アテンション
これらは現在の範囲外にとどまる。
7.3.2 表現のもつれ
表現 $u_t^a$ はミクロとマクロの影響を混同する可能性がある：
時代別分析でも解釈的な分離を困難にする。
7.3.3 スパース結果学習リスク
極めて稀な結果の場合：
- 重み付け / focal lossを使用しても
- シグナルが不安定なままになる可能性がある
したがって、本研究は単一期間の結果から実践的結論を導かない。
7.4 外部妥当性と転移の限界
本モデルは特定のデータセットの市場 $\mathcal{A}, \mathcal{R}$ で訓練されており、以下への妥当性は主張しない：
- 他国の市場
- 他の資産クラス
- 異なる市場構造を持つ時間期間
結果は一般的法則ではなく、文脈依存的証拠を表す。
7.5 倫理的・実践的境界
- 他者の投資判断に影響を与えるために使用してはならない
- 利益期待として解釈してはならない
- これは探索的かつ構造的研究である
7.6 今後の研究方向性（拡張）
限界にもかかわらず、本研究はいくつかの拡張パスを開く：
(A) 階層的マルチスケールイベントモデリング
2層構造の追加：
以下を学習するため：
- 短期的サブパターン
- 長期的メタパターン
(B) クロスマーケット転移とドメイン適応
以下のテスト：
パターンが市場一般的か市場固有かを判定するため。
(C) 半教師あり・表現のみの訓練
以下による直接的結果依存の低減：
- マスクイベント予測
- 対照的系列学習
その後、埋め込みを結果に対してテスト。
(D) より深いマクロ・ミクロ相互作用モデリング
例えば：
- マクロストリームと資産ストリームの間のクロスアテンション
- グラフ構造化された市場文脈
単層系列統合ではなく。
(E) 因果構造仮説検定に向けて
より厳密な拡張：
- 不変リスク最小化（IRM）
- 準自然実験レジーム
時間的因果性を違反せずに因果推論にアプローチするため。
7.7 研究的立場の要約
要約すると、本研究は：
- イベント系列表現 + マクロ条件付き学習のためのフレームワークを提案する
- 時間的に整合した訓練と評価プロセスを設計する
- 透明な研究解釈原則を確立する
限界を直接認識しながら、将来の深い研究のための空間を開く。
7.8 最終セクションへの接続
次のセクション（セクション8）は結論と実践的統合ノートとして機能する。
以下を行う：
- 本研究の主要な貢献を要約する
- エンジニアリングチームがこのフレームワークをさらに発展させる方法を体系的に接続する