現代ポートフォリオ理論の結論:最適ポートフォリオは”市場平均”③


アイヤー!

現代ポートフォリオ理論の結論がなぜ”市場平均が最適ポートフォリオ”となるのか、その結論に至るまでの過程を解説します。

本当は一つの記事にまとめようと思ってたんですが、気づけば3回目になってましたw

前回の記事で接点ポートフォリオこそが最適ポートフォリオになることを説明しました。もしよければこちらも見てみてください。





現代ポートフォリオ理論の結論


ここからはかなり強引にも感じる理論なんですが、

接点ポートフォリオが最適なポートフォリオならば、全ての投資家は接点ポートフォリオを保有するだろう。その結果、接点ポートフォリオが市場平均となる。


ということになります。これがいわゆる現代ポートフォリオ理論の結論で、市場平均こそが最適ポートフォリオとなる理由です。

どうでしょう?なかなかファンキーな考え方ですよねw
かなり大胆な仮定を置いていて、現実世界とはかけ離れた印象を持ってしまいます。

実際、ここでは3つの仮定を置いてます。

  • 全ての投資家はリターンとリスクという2種類の情報のみを見て、投資判断を行う
  • 全ての投資家はそれぞれの資産のリターンとリスクについて同じ値を想定している(リターン、リスクは用いるデータの期間を変えれば変わります)
  • 全ての投資家は接点ポートフォリオに投資する


この仮定を置けば、市場平均が最適ポートフォリオという結論が導かれるわけですが、う〜ん、こんな状況あり得ないという感じがしてしまいます。

ただ、この疑問に対して、冨島 佑允さんの著書 ”投資と金融がわかりたい人のための ファイナンス理論入門” ではこのように言ってます。

「本当にこんな仮定を置いてしまっていいのか?」と心配に思われる方もいるでしょうが、現実世界の枝葉を取り除き、本質だけを残すことで明快な理論を構築するのが、学者の腕の見せ所なのです。

冨島 佑允. 投資と金融がわかりたい人のための ファイナンス理論入門 プライシング・ポートフォリオ・リスク管理


これって経済学とかでも同じだと思うんですけど、人間の行動って多種多様で不確実なものなので、複雑すぎてモデル化できないんですよ。そこでかなり大胆な仮定を置いて、いろんなものをバサッと切って、モデル化すると。

切り捨てるものが大きければ大きいほど、モデルの精度は下がりますが、それでも何も言えないよりは良いということですね。

注意すべき点


現実世界では、インデックス投資の優秀さは過去の実績から明らかにされています。ただ、接点ポートフォリオと市場平均は実際のところは乖離しているはずなので、現代ポートフォリオの話と結びつけていいのかはよくわかりませんw

現代ポートフォリオ理論の結論で勘違いしてはいけないところは、接点ポートフォリオが最適ということです。全ての投資家が接点ポートフォリオのみ保有するという仮定を置けば、接点ポートフォリオが市場平均になるというだけなので、あまり市場平均が最適ポートフォリオと言い過ぎるのもどうかとは思います。


なので、インデックス投資が優れているからと言って、現代ポートフォリオ理論の言う通りだ!と言うのは、違うのではと思ってます。現実世界では接点ポートフォリオと市場平均は乖離しているわけですからね。


はい、ということで、3回に渡って、現代ポートフォリオ理論について説明してみました。この知識が実際に役に立つかは別として、こういう理論を理解するというのは本当に楽しいものがありますね。


では!




現代ポートフォリオ理論の結論:最適ポートフォリオは”市場平均”②



どーもこんにちは!

現代ポートフォリオ理論の結論がなぜ”市場平均が最適ポートフォリオ”となるのか、その結論に至るまでの過程を解説します。

前回の記事では、理論上は効率的フロンティアからポートフォリオを選択すればいいことを説明しました。

難しい言葉を使ってますが、要はリスクが同じなら、リターンが高い方がいいでしょということです。同リスクに対して最もリターンが高いポートフォリオの集合を効率的フロンティアと呼んでいるだけのことですね。

https://ichimonjy.com/%e7%8f%be%e4%bb%a3%e3%83%9d%e3%83%bc%e3%83%88%e3%83%95%e3%82%a9%e3%83%aa%e3%82%aa%e7%90%86%e8%ab%96%e3%81%ae%e7%b5%90%e8%ab%96%ef%bc%9a%e6%9c%80%e9%81%a9%e3%83%9d%e3%83%bc%e3%83%88%e3%83%95%e3%82%a9/

さて、今回は、効率的ポートフォリオ上のどのポートフォリオが最も良いとされるかを考えてみたいと思います。

効率的フロンティアの中で最も良いポートフォリオは!?

株式のようなリスク性資産のみを考える場合、正直、どこが最も良いかというのは個人の好みということになります。例えば、ハイリスク・ハイリターンを好む人はポートフォリオAを選ぶでしょうし、なるべくリスクは取りたくないという人はポートフォリオBを選ぶと思います。もちろんその中間が一番満足度が高いという人もいるでしょう。

図1


このような個人個人の好みや満足度のことを”効用”と呼んだりします。この効用は人によって様々です。なので、ある人はポートフォリオAを選び、ある人はBを選んだりと、最適ポートフォリオは個人の好みに依存します。

つまり、リスク性資産のみを考えている限り、結論は”最も良いポートフォリオは効率的ポートフォリオ上の個人が好きなポートフォリオ”ということになります。

とても曖昧な結論ですねw

もうちょっと深掘りしてみます。

無リスク性資産の導入


ここまで、リスク資産の話だけしてきましたが、実際、保有している資産ってリスク資産だけじゃないですよね。現金のような無リスク資産も保有しているはずです。皆さんが保有している資産って、配分の違いはあれど下記のような感じですね。



なので、無リスク資産も先ほどのグラフに追加してみます。
無リスク資産のリスクは0なので、下図のようにリスク=0上の点として表されます。リターンは無リスク資産の利回り、例えば預金金利等になります。

図2


さて、無リスク資産とリスク資産を組み合わせたときのリスク・リターンはどうなるでしょうか。
無リスク資産を組み合わせても株を複数銘柄持ったときのようなリスク低減効果はないので、両者を結ぶ線は直線になります。

例えば、仮にポートフォリオCというものがあり、それと無リスク資産を保有した場合、取り得るリスク・リターンは下図のような直線になります。それぞれの保有配分によって、直線上のどこかの点を取るということです。

  • 点AはポートフォリオC :100%
  • 点BはポートフォリオC : 50%, 無リスク資産 : 50%
  • 点Cは無リスク資産 : 100%
図3



図3ではポートフォリオCというのを例に出しましたが、別のポートフォリオを選べば、別の傾きの直線が引けます。つまり、無リスク資産とリスク資産を組み合わせた場合、選択したポートフォリオによって、傾きの異なる様々な直線が引けます。イメージとしては下図のような感じになります。

図4


ところで、この傾きは大きい方がいいですか?それとも小さい方がいいですか?


傾きは大きい方が良いはずです。なぜなら、同リスクでのリターンは傾きが大きい方が高くなるからです。これは図4を見ても明らかですよね。
つまり、この直線の傾きが最大となるポートフォリオが最適ポートフォリオということになります。


では、傾きが最も大きくなるのはどういうときかというと、それは効率的フロンティアと直線が接するときです。このとき、接点に対応するポートフォリオを接点ポートフォリオと呼びます。つまり、接点ポートフォリオこそが最適ポートフォリオということですね。


ようやく、最適ポートフォリオが一意に定まりました。長い道のりですねw

今回はここまでにして、最適ポートフォリオが市場平均になる理由は次回解説します。



ところで、接点ポートフォリオより右に伸びた直線は何を意味しているでしょうか。接点に対応するのは、接点ポートフォリオを100%保有したときです。100%保有したら、それ以上何があるの?という感じですが、あるんですね、それ以上保有する選択肢が。

レバレッジです。要は借金して、元金の200%, 300%を投資に回していけば、接点ポートフォリオより右に伸びた直線部分のリスク・リターンも実現できるようになります。

以上!

現代ポートフォリオ理論の結論:最適ポートフォリオは”市場平均”①



こんにちは。

株式銘柄は世の中に無数にあります。それぞれをどのぐらい保有するか、保有割合も考慮すると、ポートフォリオの選択肢は無限にあると言っても過言ではないでしょう。世の中の投資家たちはポートフォリオ選択に頭を悩ませていると言ってもいいかもしれません。


そんな難しいポートフォリオ選択ですが、現代ポートフォリオ理論では、最適なポートフォリオは”市場平均”であるという結論になります。


まあ、あくまで現代ポートフォリオ理論という枠組みの中の話であって、この結論に至るまでいろいろな仮定を置いているので、現実世界との乖離は当然あると思います。でも、理論上、このような結論が出るということは非常に興味深いことでもあると思うので、なぜ、最適ポートフォリオが市場平均なのか、数回に分けて解説したいと思います。

今回は途中の効率的フロンティアの説明まで。

複数銘柄ポートフォリオのリスク・リターン


多数の銘柄を組み合わせたとき、実現可能なリスク・リターンの組み合わせは以下のような領域になります。左側に膨らんでいるのは、分散効果によるリスク低減効果を示してます。

このあたりは以下の記事でも説明しているので、よかったら見てください。よく分散投資でリスクを下げると言われてますが、それを理論的に説明したものになります。


効率的フロンティア



さて、投資家は斜線部のリスク・リターンの組み合わせから自由に選べるということなんですが、じゃあどのリスク・リターンの組み合わせが良いのでしょうか?
例えば以下の状況を考えます。株式AとBどっちの方がいいですか?




当然株式Aですよね。なぜかというと、リスクが同じなのであれば、リターンが高い方が好ましいからです。そう考えると、下記太線部分が最も良いポートフォリオと言えるはずです。

この部分を、効率的フロンティアと呼びます。効率的、つまりリスクに対してリターンが最も高いポートフォリオの集合、最前線という意味です。



はい、このように効率的フロンティアからポートフォリオを選択すればいいことが分かりました。

次に、気になるのは、じゃあ効率的フロンティアの中でどこが一番いいの?ということです。考慮する資産が株式のみの場合、正直、これは投資家の好みによるということになってしまうのですが、無リスク資産を導入することで、最適ポートフォリオは一意に定まるのです。

これについてはまた次回。


N銘柄ポートフォリオ:線から面へ(現代ポートフォリオ理論の基礎)


以前、2銘柄ポートフォリオによってなぜリスクが下がるか説明しました。

1銘柄の場合、選択できるリスク・リターンの組み合わせはとなります(A社だけ、もしくはB社だけ)。2名柄の場合、選択できるリスク・リターンの組み合わせは線に拡大されます。A社、B社の組み入れ比率を変えることで、下記曲線状のリスク・リターンを自由に選択するすることができるようになります。



では、銘柄数をさらに増やしていくとどうなるのか。これが今日のテーマです。

3銘柄ポートフォリオ

銘柄を3つに増やしたときのリスク・リターンの関係はどうなるのか。組み入れ比率を変化させたときのシミュレーション結果は下記のようになります。(3銘柄ポートフォリオのリスクとリターンの式は書くのがめんどうなので割愛しますw平均と分散の定義から導けます。)

それぞれのリターン・リスク、相関係数は下記としました。

リターンリスク
A社12%18%
B社7%14%
C社3%12%
相関係数
AとB-0.4
AとC-0.8
BとC-0.2

3銘柄になると変数が多くなるので、例えばA:B = 50 : 50のポートフォリオを一つの銘柄と考えて、Cとこの銘柄の2銘柄ポートフォリオの曲線を描く、ということをしています。

それぞれの曲線がどの2銘柄の曲線かを示したのが下記です。6パターンの組み合わせで曲線を描いてます。



A:Bの比率をもっと細かく変えていけば、次第に内側が塗りつぶされた面になるでしょう。つまり、3銘柄ポートフォリオでは、面上の点からリスク・リターンを自由に選択できるようになります。




N銘柄ポートフォリオ



さらに銘柄数を増やしていくと、3銘柄のときよりも選択できる面の大きさが広がっていきます。そして、その中に全ての銘柄が含まれることになります。


したがって、ポートフォリオの銘柄数を増やしていけば、様々なリターン・リスクの組み合わせを実現することができるのです。

さて、このように銘柄数を増やせば選択肢を増やせるのですが、どの組み合わせが最も良いのでしょうか。

これはまた別の機会に。

ポートフォリオ効果によってリスクを下げることの理論的説明




私はリスクが嫌いです。

横断歩道を渡るときに、信号無視して突っ込んでくる車がいないか何度も確認するほどビビりです。あと、道を歩いているときに背後に人がいるのも嫌ですね。このご時世いきなり刺される可能性もなきにしもあらずなわけですし。


一般的にもリスクは小さい方が好まれるでしょう。ただし、株式において個別の銘柄のリスクとリターンはトレードオフの関係で、ハイリスク・ハイリターン、ローリスク・ローリターンなのです。なので、リスクを小さくしようとすれば、リターンも小さくなってしまう。


悩ましい問題ですね。


これを解決してくれるのがポートフォリオ効果です。ポートフォリオとは複数の銘柄を保有するだけのことですが、これにによって、下記のようなリターン、リスクの組み合わせが実現できるようになります。

図1

ポートフォリオ効果の理論的説明

なぜこのようなことが可能か、ガチガチの理論面から説明したいと思います。

X株とY株の二つの株式からなるポートフォリオを考えます。
X株の保有割をaとし、このポートフォリオをZとすると、

$$Z = aX + (1-a)Y $$

ポートフォリオの平均\(\mu_{Z} \)と分散\(\sigma_{Z}^2 \)は、相関係数をrとして

$$ \begin{eqnarray}
\mu_{Z} &=& a\mu_{X} + (1-a)\mu_{Y} \\ \\
\sigma_{Z}^2 &=& \frac{1}{n} \sum (Z-\mu_{Z})^2 \\
&=& \frac{1}{n} \sum (aX+(1-a)Y – (a\mu_{X}+(1-a)\mu_{Y}))^2 \\
&=& …\\
&=& a^2\sigma_{X}^2 + (1-a)^2\sigma_{Y}^2 + 2a(1-a)r\sigma_{X} \sigma_{Y}\\

\end{eqnarray}$$

途中かなり端折ってしまいましたが(数式入力けっこうしんどい、、、)、このように平均と分散はaの媒介変数表示で表すことができます。

ここで平均(\(\mu_{Z} \))はリターン、分散の平方根、つまり標準偏差(\(\sigma_{Z} \))はリスクを意味してます。

なので、この2式からリターン・リスクの関係が分かるということですね。

リターンはX,Yの単純な加重平均ですが、リスクは何やら複雑な式になってます。。
増減表を書けばリターン-リスクのグラフの全体像が分かりますが、めんどくさいのでそこまでは書きません。一応自分ではやってみました(暇人w)

数式のシミュレーション

増減表は書きませんが、エクセルでシミュレーションを行なってみたので、その結果を載せたいと思います。条件として、下記のように設定し、Xの保有割合aと相関係数rを変えたときのリターン・リスクの関係を見てみます。

  • X株:リターン 7%, リスク 20%
  • Y株:リターン 2%, リスク 11%

点AはX株のみ保有している状態(つまりa: 100%)、そこからaを変化させて点B(Y株のみ保有)に至るまでの軌跡を示してます。色は相関係数rの違いを表してます。

これらの軌跡は左側に膨らんでいる、つまりリスクが低減されていることが分かります。
このときポイントは三つあって、

  1. リターンはX,Yの加重平均である
  2. リスクはX,Yの加重平均よりも小さくなる
  3. リスク低減は相関係数が小さいほど効果が強い


1,2はリスクのみが低減されることを意味していて、「ローリスク・ローリターン」の原則を覆したことになります。たしかに点Bから出発すると、リスクは下がっているにもかかわらずリターンは上がっていることが分かります!図1に示した部分を実現できていますね。

3については、逆の値動きをする2銘柄を組み合わせた方がリスク低減効果が大きいことを示してます。たしかに相関係数-0.8の場合が最も左に膨れています。逆に、相関係数が0.8の場合を見れば分かる通り、1に近いほど効果は薄れます。まあ直感的にもそうですよね。逆の値動きをするもの同士は相殺してリスクは小さくなる。それが理論的にも示されたということです。

まとめ

ということで、ポートフォリオ効果によってなぜリスクが低減するのか理論的に説明してみました。

ここで気になるのが、リスク・リターン曲線上のどの点を買うのがいいのか?ということです。
たしかに、X, Yを組み合わせればリスクを低減できますが、リターンが最も高いのはXのみ保有した場合です。ハイリスク・ハイリターンを好む人はXのみを保有するでしょう。

最適なポートフォリオは何か?これはとても興味深い問題です。

また別のときに書きたいと思います。

では。

相関係数って何者?: 共分散のスケーリング



相関係数の性質を理解していても、その本質を理解している人は意外と少ないんじゃないでしょうか。
*かくいう私も最近まで理解してませんでした。

相関係数の性質


相関係数は2種類のデータの関連性を示すものです。
-1~1の値を取り、下記のような性質を持つことが知られてます。

  • 相関係数が1に近い:同傾向が強い
  • 相関係数が-1に近い:反対傾向が強い
  • 相関係数が0に近い:(直線的な)関連がない

この辺りは知ってる人も多いと思います。

今回考えたいのは、よく知られた性質の話ではなく、一体どこからこのようなものが出てきたのかということです。

相関係数とは何者


まず相関係数の定義を見てみます。2種類のデータ列X, Yがあったとき、

$$ 相関係数= \frac{共分散}{Xの標準偏差\times Yの標準偏差}$$

共分散をX, Yの標準偏差の積で割ったものですね。なぜこのような式になるのか。前回の記事で書いたように、共分散は二つのデータ列の傾向を示してます。

しかし、共分散の値の大きさから傾向の程度を判断する基準がありません。例えば共分散が100だから同傾向の度合いが大きいとか、30だから小さいとか言えないわけです。なぜかというと、傾向の程度はX,Yの分散との比で決まる相対的なものだからです。

これは共分散の役割から考えると分かります。

合計(X+Y)の分散 = Xの分散+Yの分散+共分散

上式のように共分散はX、Yの傾向から合計の分散の値を調整するものです。
分散はXとYの単純な足しあわせにならず、共分散項による調整を受けるということです。

なので、例えば下記二つの例では同じ共分散100でも意味が異なるわけです。

  • Xの分散, Yの分散 = 110, 130のときの共分散100
  • Xの分散, Yの分散 = 1000, 800のときの共分散100

当然前者の方が合計の分散に与える影響が大きいため、前者の場合の方が同傾向の度合いは大きいと考えられます。

絶対的な判断基準を作る

「共分散の傾向の程度はX,Yの分散との比で決まる相対的なもの」です。

じゃあ、共分散をX, Yの分散で割ってあげれば絶対的な判断基準ができますよね。実際には分散ではなく、分散の平方根、つまり標準偏差で割ります。なので、下記の定義になるわけですね。

$$ 相関係数= \frac{共分散}{Xの標準偏差\times Yの標準偏差}$$

そして、この式の右辺は必ず-1 ~ 1となります。
この証明はググればいろいろ出てくるので割愛します。

まとめ

はい、ということで、共分散のままでは傾向の度合いに対する判断基準がないので、

標準偏差で割ることで絶対的な判断基準を作ったと、

そしてそれが相関係数と名付けられたということですね。

では。

ブラウン運動の奥深さ


ブラウン運動って聞いたことありますか?

多分中学、高校の理科とかで言葉ぐらい聞いたことがある人は多いんじゃないかなと。

これですね。

出典: Wikipedia

微粒子が水中で動き回るやつです。

ブラウン運動の発見

植物学者ブラウンが花粉中の粒子が水中で動き回ることを発見したことからブラウン運動と呼ばれてます。

これって今でこそ熱運動をする水分子が衝突することが原因だと分かっているわけですが、発見当時(1827年)はさっぱりだったわけです。

そもそも原子の存在も仮説レベルでしか語られていなかった時代です。

ブラウンは当初生き物だと思ったそうです。

まあ最初はそう思いますよね。その後彼は様々な物質で実験し、この運動が生命に起因するものではないことまでは突き止めています。

アインシュタインの功績


その後結果的にブラウン運動の仕組みを解明したのはアインシュタイン(1905年)なんですが、面白いのがブラウン運動自体が原子の存在証明になったということですね。この当時はまだ原子/分子の存在は仮説でしかなく、原子反対派が根強くいたそうです。そこで、アインシュタインが原子の存在を証明すべく、思いついた仮説が下記でした。


もし仮に熱運動する分子が存在するなら、液体中の微粒子は分子の影響を受けて何かしらの運動をするであろうということです。つまり、大きすぎる粒子は分子が衝突しても加わる力が平衡となり動きませんが、粒子のサイズを小さくしていけばどこかで分子の衝突の影響を受けて何かしらの運動をすることになるだろうと。


分子そのものは見えないけど、微粒子の運動を通じて間接的に分子の動きを捉えられるんじゃないかということですね。そしてアインシュタインはその微粒子がどんな運動をするかについて理論を打ち立てました。その理論によると、微粒子の運動のx方向の平均二乗変位\( \langle x^2\rangle \)が以下の式になると。


$$\langle x^2\rangle = 2Dt = \frac{RT}{3\pi\eta aN_{A}}t$$



原子の存在を証明するためにこのような仮説を立てたわけですが、実際この微粒子の運動は現実世界では既に観察されていたんです。

それがブラウン運動ですね。すごい!


ということで3年後にぺランがブラウン運動の精密な実験を行い、上式が正しいことを実証し、アインシュタインの理論が正しいことを証明したわけです。

これによって原子の存在が確実なものになったんですね。
それと同時にブラウン運動の原理も解明されたと。

アインシュタインすごいですね。。
もちろんぺランも。
彼もこの功績でノーベル物理学賞を受賞してます。

やっぱり科学は理論と実験で成り立っている、そんなことを改めて実感しましたね。

また、その後ブラウン運動は数学的に確率過程として定式化され、今は株価変動のモデルなんかにも使われてますね。

いやーブラウン運動奥が深い。

今日もよく眠れそうです。
では。