各国仕入れ原価（日本版の優位性）
全部「税抜」で揃える。日本の実質仕入れ = 税込定価 ÷ 1.1。米国の定価は元々税抜表示。香港は消費税自体が無い。
買値 − 原価 = その国のプレミアム。
為替レート取得中…
| 機種 / 容量 |
日本（税抜） |
米国 |
香港 |
最安値からの差額 |
世界の定価（どの国が一番安いか）
全部「税抜・円」に揃えて並べる。税込表示の国は 表示価格 ÷ (1+税率)、
米国・カナダ・香港のように税が別途の国はそのまま。
為替は60秒ごとに取り直すので、円の列と順位はその場で動く。
円建てで固定なのは日本だけなので、円安になると日本の順位が上がる。
※要確認 ＝ 税率の根拠がAppleのページに無い国（一般に言われている税率で計算している）。
分析データを読み込み中...
データの読み込みに失敗しました
この分析について
買取価格は時間帯・曜日・モデル・容量によって変動します。この分析はその傾向を数値化したものです。
計算式: 予測プレミアム = ベース + 時間効果 + 曜日効果 + モデル効果 + 容量効果
プレミアム: 買取価格 − 定価（Apple価格）。プラスなら定価より高く売れる。
ベース: 基準時点の予測プレミアム。全体の平均水準を表す。
基準: 月曜 / 最初のデータ時間 / iPhone 17 / 256GB
各効果: 基準からのずれ。例えば金曜 +907円 なら、月曜より907円高い傾向がある。
グラフの値は回帰分析で算出しており、4つの要因の影響を分離しています。
例: 「金曜はたまたま20時のデータが多いから高く見える」という偏りを除去した純粋な効果です。
暴落初期の日内ドロップ時刻 (実験)
狙い: 日次の大きな下げ(暴落)が始まる初期の数日で、「日内のどの時刻」に下げが起きやすいかを見る。
方法: 全SKUのdaily中央値にZigZagをかけ、drop≥5%の下げ(暴落)を抽出。暴落の peak日〜+2日 を「初期」、それ以外(±7日除外)を「平時」とし、各日の30分窓スライドで「その日の最大下げ局面」を1点抽出 (0.3%以上のものを有意とする)。
指標: 各スロットの期待下げ% = (そのスロットで下げが起きた日数 ÷ 群全体の日数) × そのときの平均下げ幅 = 頻度 × 幅。
頻度だけ見ると平時と似ているが「下げが深い」スロットも、期待下げ%なら拾える (= 幅を勘案した「サイン強度」)。
スロットごとの期待下げ%(縦軸)を、暴落初期(赤)と平時(灰)で並べる。
バーの差が大きいスロット = 暴落のサイン。マウスオーバーで「頻度 × 平均下げ幅」の内訳が見える。
反転初期の日内アップ時刻 (実験)
狙い: 暴落のあと底打ちから上昇に転じる初期の数日で、「日内のどの時刻」に上げが起きやすいかを見る (暴落セクションの鏡像)。
方法: ZigZagで low→high の rise≥5% を反転として抽出。反転の trough日〜+2日 を「初期」、それ以外(±7日除外)を「平時」とし、各日の30分窓スライドで「その日の最大上げ局面」を1点抽出 (0.3%以上を有意)。
指標: 期待上げ% = (そのスロットで上げが起きた日数 ÷ 群全体の日数) × そのときの平均上げ幅。
スロットごとの期待上げ%(縦軸)を、反転初期(緑)と平時(灰)で並べる。
バーの差が大きいスロット = 反転のサイン。