COTレポート解説：その内容とFXトレーダーが注目する理由

商品先物取引委員会 (Commodities Futures Trading Commission) は,毎週,世界の最大の市場参加者が通貨先物市場でどのように位置しているかについてのスナップショットを公開しています.東方時間毎週金曜日午後3時30分にリリースされ,前週の火曜日までのデータをカバーするCOTレポートは, どこにいる? を握っているのです 次の大きな動きが来る前に

外国為替トレーダーにとって,COTデータは結晶球ではありません. それは位置地図です. そして位置地図は,正しく読み取れば,急激な逆転,持続的なトレンド,そしてコンセンサスが自分のリスクになる瞬間を前にする条件を明らかにします.

組織 報告書 の 解剖

CFTCは先物取引所からのポジションデータを収集し,まとめて,COTレポートの3つの主要バージョンを公表します. 古いCOTレポート (フューチャーのみ)ポジションを3つのグループに分けます.

• 商売業者 企業,輸入業者,輸出業者,および多国籍企業は,主にヘッジのために通貨先物を使用する.彼らのポジションは,方向性に関する投機的な見解ではなく,ビジネスレベルの通貨リスク管理を反映している.商業は,価格上昇に伴いショート・エキスポージャーを増加させ,価格低下に伴ってそれを減少させる.
• 非商業取引者 (大型投機者) ヘッジファンド,資産管理者,CTAは,投機的な利益のために通貨先物取引を行う.これはFXトレーダーが最も注意深く観察するグループである.非商業者はマクロビュー,トレンド信号,レート差に基づいて確信を持ってポジションを設定する.通貨を積極的にロングまたはショートするときは,その論文があるためであり,その論説が混雑になると,逆転リスクは増加する.
• 報告されないポジション (小額投機者) 取引先や小規模な参加者,CFTCの報告基準を下回る.このグループはマクロFX分析において一般的に重要性が低い.

なぜCOTデータがFXトレーダーにとって重要なのか

通貨市場は世界最大の流動市場ですが,透明性がない. 1.1050でEUR/USDを購入している人や,アジアでの日夜間のJPY先物短縮を誰がやっているのか見ることはできません. COTレポートは,総方向性確信の週1回の読み方を提供する数少ないソースの1つであり,それは3つの特定のタイプの分析にユニークに価値があります.

1. 人 が 混ざり た 業 を 識別 する

通貨の非商業的ポジショニングが過去範囲に比べて極端なレベルに達すると,取引は混雑する.混雑した取引は本質的に間違っているわけではありません.それらはよく理由化されたマクロテシスの結果です.しかし,不対称リスクがあります.取引が混雑しているほど,参加者が同時に退場する必要があるときの動きはより暴力的です.

定例はJPYショートトレードである. 2022年と2023年の大部分の間,JPY先物における非商業ショートポジショニングは,日本銀行と他の主要中央銀行との間の幅広く持続的なレート差を反映した数十年間の極端に達した.円は幅広く弱まった.しかし,日本銀行の政策のサプライズといくつかのが,JP Yで急激で急速なショートカバーラリーを引き起こし,混雑したショートポシションの保持者を絞り込みました.基本論は,その時期の大半は正しいものの,そのポジションは混雑しているため,定期的に保持することが危険でした.

FXMacroDataは8つの主要通貨先物 ( AUD,CAD,CHF,EUR,GBP,JPY,NZD,USD) のCOTポジショニングを表示し,どの取引が歴史的な極値に向かって成長しているかを簡単に追跡できます.

curl "https://fxmacrodata.com/api/v1/cot/jpy?api_key=YOUR_API_KEY&start=2022-01-01"

{
  "data": [
    {
      "date": "2024-04-02",
      "noncommercial_long": 28341,
      "noncommercial_short": 198076,
      "noncommercial_net": -169735,
      "commercial_long": 213540,
      "commercial_short": 47832,
      "open_interest": 287450
    }
  ]
}

JPYにおける非商業的な純ポジションは−169,735契約で,歴史的指標では大きい.この連続を時間とともにプロットすると,過去極限と比較して現在のポジションがどのくらいの位置にあるか,そして群衆はさらに拡大する余地があるのか,それとも構造的逆転リスクゾーンに近づいているのかすぐに明らかになる.

2. 傾向 の 確認 と 悪化 を 追跡 する

COTデータはタイミングツールではありません. 混雑した取引は逆転する前に数ヶ月間混雑し続けることができます. しかし,それは優れた体制識別子です. 非商業的なポジショニングが一貫して1つの方向にトレンドしているとき,マクロマネーがトレンドの後ろに並んでいることを確認します. 価格が同じ方向に進んでいても,そのトレンドがプラトーになり,または逆転し始めるとき,それはしばしば信念が衰退する早期警告です.

価格とポジションの差は,FXで最も信頼できるCOTベースのシグナルの一つです. EUR/USDが上昇していますが,EUR先物における非商業的な純ロングは週ごとに縮小している場合,大型投機家は強度への露出を減少させ,その分布パターンはしばしばトップを先行します.

3. マクロビューを市場ポジショニングと結びつける

COTデータはマクロファンドメンタルと組み合わせると最も強力になります.レート差は1つの通貨を強く有利にすることがあります.しかし,そのテシスがすでに極端な純ロングポジションに価格化されている場合,増幅的な上向きは制限される可能性があります.逆に,非常に混雑したショートポジションを持つマクロファンダメンタルに対する通貨取引は,注意深く見守る価値のある設定です.熊のテシスに挑戦する基本的な驚きは,スケールでショートカバーを強制します.

スイス・ナショナル・銀行の政策決定が 金融市場での影響を受けます CHFの政策金利の最終値はマクロデータでは,CHFの正率差が拡大しているが,非商業的なCHF先物投資は依然として短縮している.この状況では,基本的ケースが最終的に否定できない状況になる場合,追いつくラリーが起こる.この組み合わせは,最大かつ最も速いFX動きが発生する場所である.

COTレポートを読む: 追跡する重要な指標

契約数値は情報的にありますが,次の派生指標は信号を大幅に鋭くします.

公開利息の割合として 純金

オープン・インテレスト総額に対する純非商業ポジションの正規化により,方向性偏差の標準化測定が得られる. 50,000契約の純長さは,10万契約のオープン・インタレストと50万契約のある通貨で非常に異なることを意味する. オープン=インテレスで純ポジションを分割すると,1と+1の比率が生み出され,通貨と時間を通して直接比較可能である.

import requests

BASE = "https://fxmacrodata.com/api/v1"
KEY  = "YOUR_API_KEY"

def cot_series(currency: str, start: str = "2020-01-01") -> list[dict]:
    r = requests.get(
        f"{BASE}/cot/{currency}",
        params={"api_key": KEY, "start": start}
    )
    r.raise_for_status()
    return r.json()["data"]

def net_oi_ratio(record: dict) -> float:
    """Net non-commercial position as fraction of open interest."""
    if record.get("open_interest", 0) == 0:
        return 0.0
    return record["noncommercial_net"] / record["open_interest"]

eur_cot = cot_series("eur")
ratios  = [(r["date"], net_oi_ratio(r)) for r in eur_cot]
print(ratios[-5:])  # most recent five weeks

ネットワークの位置付けのZスコア

Zスコアは,現在のポジショニングが歴史的な平均値からどのくらい標準偏差しているかを測定する. +2以上のzスコアまたは-2以下のスコアは統計的に極端な条件を表示する.FXでは,ベンチマークが10年前のポジショনিং体制ではなく,現在の市場構造を反映するように,ローリング 52週間のウィンドウを使用することが一般的慣例である.

import statistics

def rolling_zscore(series: list[dict], window: int = 52) -> list[dict]:
    """Compute z-score of net non-commercial positioning on a rolling window."""
    results = []
    values  = [r["noncommercial_net"] for r in series]
    for i, record in enumerate(series):
        start_i = max(0, i - window + 1)
        window_vals = values[start_i : i + 1]
        if len(window_vals) < 4:
            results.append({**record, "zscore": None})
            continue
        mu  = statistics.mean(window_vals)
        sig = statistics.stdev(window_vals)
        z   = (record["noncommercial_net"] - mu) / sig if sig > 0 else 0.0
        results.append({**record, "zscore": round(z, 2)})
    return results

gbp_cot    = cot_series("gbp", start="2018-01-01")
gbp_scored = rolling_zscore(gbp_cot)
extremes   = [r for r in gbp_scored if r["zscore"] is not None and abs(r["zscore"]) > 2.0]
print(f"Extreme positioning weeks in GBP: {len(extremes)}")

純金庫の週間の変化

ポジション変化の速度は絶対値と同じくらい重要です.通貨が4週間で20,000純長から80,000純長に移動すると,確信が加速することを示す.同じ期間中に120,000から60,000に逆転すると,ネットポジショニングが快適にポジティブのままであっても,アクティブディストリビューションがであることを示す.

FXMacroData を使って COT データにアクセスする

FXMacroDataは,クリーンRESTエンドポイントを通じて,すべての8つの主要通貨先物契約のCFTCCOTデータを週に1回配信しています.各記録には,非商業ロング,ショート,ネット,プラス商業ロント,ショートの総オープン利息の完全な分解が含まれています.

サポートされる通貨: AUD,CAD,CHF,EUR,GBP,JPY,NZD,USDわかった

# EUR net positioning since 2023
curl "https://fxmacrodata.com/api/v1/cot/eur?api_key=YOUR_API_KEY&start=2023-01-01"

# GBP full history
curl "https://fxmacrodata.com/api/v1/cot/gbp?api_key=YOUR_API_KEY"

# AUD recent 12 months
curl "https://fxmacrodata.com/api/v1/cot/aud?api_key=YOUR_API_KEY&start=2024-01-01"

回答は,最も最近のデータで最初に日付を並べて,すべての通貨で一貫したフィールド名を使用します. したがって,単一の分析スクリプトは8つのペアすべてで変更なしに動作します.

実践的な多通貨COTスキャン

COTデータの最も有用な応用の一つは,すべての主要通貨をZスコア位置付けによってランク付けする週間のクロス通貨スキャンである.これは,どの通貨が最も長い延長,最も短い延長,そして中性に近い位置にあるかをすぐに表し,一方の位置付けが他の一方に対して極端な位置にあるペアを特定するための基盤を提供します.

import requests, statistics
from datetime import datetime, timedelta

BASE      = "https://fxmacrodata.com/api/v1"
KEY       = "YOUR_API_KEY"
CURRENCIES = ["aud", "cad", "chf", "eur", "gbp", "jpy", "nzd"]

def cot_series(ccy: str) -> list[dict]:
    r = requests.get(f"{BASE}/cot/{ccy}", params={"api_key": KEY, "start": "2019-01-01"})
    r.raise_for_status()
    return r.json()["data"]

def zscore_latest(records: list[dict], window: int = 52) -> dict:
    vals   = [r["noncommercial_net"] for r in records]
    latest = vals[0]
    sample = vals[:window]
    mu  = statistics.mean(sample)
    sig = statistics.stdev(sample) if len(sample) > 1 else 1.0
    z   = (latest - mu) / sig if sig > 0 else 0.0
    return {
        "net"        : latest,
        "zscore"     : round(z, 2),
        "oi_ratio"   : round(latest / records[0]["open_interest"], 3) if records[0].get("open_interest") else None,
        "date"       : records[0]["date"],
    }

results = {}
for ccy in CURRENCIES:
    data = cot_series(ccy)
    results[ccy.upper()] = zscore_latest(data)

# Rank by z-score
ranked = sorted(results.items(), key=lambda x: x[1]["zscore"], reverse=True)
print(f"{'CCY':<6} {'Net':>12} {'Z-Score':>9} {'OI Ratio':>10}  {'Date'}")
print("-" * 56)
for ccy, r in ranked:
    flag = "  ← EXTREME" if abs(r["zscore"]) > 2.0 else ""
    print(f"{ccy:<6} {r['net']:>12,} {r['zscore']:>9.2f} {str(r['oi_ratio']):>10}  {r['date']}{flag}")

輸出は次のようなスナップショット (例値) を提供します.

CCY         Net     Z-Score   OI Ratio  Date
--------------------------------------------------------
EUR       +94,320     +2.31      +0.31  2024-04-02  ← EXTREME
GBP       +38,150     +1.45      +0.22  2024-04-02
AUD        -4,200     -0.18      -0.03  2024-04-02
NZD        -8,900     -0.62      -0.15  2024-04-02
CAD       -21,300     -1.08      -0.18  2024-04-02
CHF       -44,100     -1.95      -0.38  2024-04-02
JPY      -172,400     -2.64      -0.60  2024-04-02  ← EXTREME

EURが2標準偏差極長でJPYが2基準偏差极短であるとき,EUR/JPY対は一方の群衆としっかりと位置づけられる.EURの上昇論またはJPYの下落論を混乱させるマクロショックは,迅速で大規模な解約を強要し,EUR / JPYは34%を移動することができます.

COT と マクロ 基本 を 組み合わせる

回答は,次の質問です. 攻撃的な立場にあるのか? 基本データに答えられるのは 通貨の価値は インフレ率や成長率に基づいて どれくらいになるべきですか? 最も強力なFXフレームワークは両方を使います

単純な4つの四角形のモデルで 相互作用を明確に構成します

マクロコラムを運用するには,COTデータと共に,関連する中央銀行のエンドポイントから政策金利履歴を抽出します. ローナンス・レート ほら オーストラリアインフレ AUD COTの位置付けは,投機家のコミュニティがマクロストーリーに一致しているか,それとも先を行っているのかを完全に把握できる.

考慮 する べき 限界

COTデータには力がありますが,不間違いではありません.COTベースの取引枠組みを構築する前に明示的に認識されるべき5つの制限があります.

• 出版遅延 CFTCは,火曜日の閉店時点でのポジションを測定し,金曜日に公表する.データが公開されるまでに,取引が3〜4日経過している.測定と公開の間には,重要なポジション変化が起こり得る.
• 期貨は,現金為替で 機関外為流は主に,はるかに大きく,完全に規制されていないOTCスポットおよび先物市場で発生する.COTは,取引所取引先層のみを把握する.
• 混雑した取引は混雑し続けることができます 値が2以上のzスコアは,差し迫った逆転ではなく,統計的極端性を示している.日本銀行は政策を極度に緩やかにしたため,JPYのショートトレードは数四半期にわたって極端に残った.極端なポジショニングはリスク・リワウンドを狭める.ターンとなる日付を保証しない.
• 広告は間違いない反逆者ではありません ヘッジは,通貨が落ちると考えるためではなく,保護すべき請求事項があるときにショートポジションを増やす.逆の信号として商業的ポジショニングを使用するには,ヘッジ活動を推進する基礎的なビジネスフローについての注意深い文脈が必要です.
• 公開利害は契約数値を歪める 増加する純ポジションの横に開いている利息の大きな増加は,新しい資金の入力を示す可能性があるが,上昇する純率の横で安定したまたは減少する開いている利益は,単にショートサイドカバーを反映する可能性があります.常に開いた利息傾向の横の純ポジ션을参照してください.

週1回の COT ダッシュボードを構築

FXMacroData API で,個人COT監視ダッシュボードを構築することは週末のプロジェクトです.主要コンポーネントは:

1. G10の7つの通貨先物に関する過去52週間のCOTデータを取得する
2. ローリング 52 週間の窓で,ネットポジショニング z-スコアを計算する
3. 最長から最短までランク付け
4. 反対極限があるペアを特定する (例えば,EURの極限長値 +JPYの極度の短値 →焦点にあるEUR/JPY)
5. 政策金利の差を 総規模から抽出する 関連利回りエンドポイント ポジショニングが基本的背景と一致するか,または異なるかを判断する
6. 位置付けが1つ以上の標準偏差で移動した週を表示する

金融機関が COT ダッシュボードページ このビューは,CFTCのリリース後に毎週更新されるすべてのサポートされた通貨で視覚的に提供されます.定量またはプログラミング用途では,APIエンドポイントは,Python,R,または任意の分析環境に直接フィードする形式で基礎データを返します.

結論

COTレポートは,FXトレーダーに,ほとんど他の何ものでも提供できない窓を与えます.世界の最大の投機口座が通貨先物取引にどのように位置しているかについての週毎の監査された測定です.孤立して使用すると,その情報は示唆的ですが不完全です.中央銀行の政策金利,インフレ値読解,FXMacroData APIを通じて浮上した経済サプライズとの組み合わせで,それは本物の分析的利口になります.

最も危険なFX取引は,基本的なケースが間違っているものではなく,基本的な事例が正しいものですが,取引が非常に混雑しているため,単一のデータサプライズは強制的な出口の連続を誘発します. COTデータは,これらの条件のための早期警告システムです.

マクロカレンダーに沿って位置を把握し 群衆が伸びたときを知って 基本が変わるとき 出口の方向を把握する