- 投資判断を歪める主要な認知バイアスの仕組み
- 損失回避やアンカリングがポートフォリオに与える影響
- プロスペクト理論の考え方と、期待値との違い
- バイアスを検出するためのチェックリストと記録術
- 損失限定・ポジションサイジングにおける定量的ルール
- ベイズ更新やケリー基準を使った合理的な意思決定の枠組み
- 実務の運用フローに組み込むための具体的なステップ
行動ファイナンスは、人が完全に合理的ではないという現実から出発します。理論上は同じ価値の1000円の損と得を同等に評価するはずですが、実際には損の痛みのほうが強く感じられます。こうした心理の偏りが、売買のタイミングやリスク管理を狂わせます。
たとえば、買値にこだわって下がった銘柄を手放せないのは、アンカリングと呼ばれる現象です。最初に見た数字が頭に残り、意思決定を支配します。さらに、人は勝っているポジションを早く利確し、負けているポジションを長く持ちがちです。これはディスポジション効果と呼ばれ、長期のリターンを損ねます。
また、ニュースを見た直後に売買したくなるのは利用可能性ヒューリスティックの影響です。思い出しやすい情報を過大評価する癖が、短絡的なトレードにつながります。群集に合わせたくなるハーディングも、バブルや暴落を加速させます。
行動ファイナンスは、こうした偏りを名前だけでなく、数字と手順で是正する学問です。ルール化、記録、確率思考で、心理のノイズを抑えます。
相場は確率の世界です。理想的には、投資家は期待値が正の取引を繰り返し、リスク当たりのリターンを最大化すべきです。しかし、損失回避や過信が入ると、期待値の高いが変動の大きい戦略を避け、逆に期待値の低いが心理的に心地よい選択へ流れます。
さらに、機関投資家でさえ評価期間や組織的制約がバイアスを助長します。短期損失を恐れて長期の最適解を回避する、評価指標に最適化し過ぎる、といった行動は日常茶飯事です。個人投資家は、明確なルールと記録を持たない場合、これらの力学により一層流されやすくなります。
行動バイアスを把握し、数式と運用ルールで補正できれば、同じ情報でも意思決定の質が安定します。長期の複利に最も効くのは、圧倒的な一撃ではなく、バイアス低減によるミスの削減です。
期待値は意思決定の基礎。行動バイアスの補正は、期待値と主観のズレを数式で測るところから始まります。
-
期待値の基礎
- ある取引で、勝率を p、勝ったときの利益を G、負けたときの損失を L とします。
- 期待値 E は次のとおりです。
E = p \times G - (1 - p) \times L
-
プロスペクト理論の損失回避
- 人は損失を約2倍強く感じる傾向が観測されています。単純化すると、主観的な価値 U は以下のように近似できます。
U = p \times G - \lambda \times (1 - p) \times L
- \lambda は損失回避係数で、おおむね 2 前後の推定が有名です。
- U と E の差が、主観と合理のギャップです。
-
ベイズ更新（新情報で確率を更新）
- 初期確率を事前確率、ニュース後の確率を事後確率とします。観測 O が起きたとき、
P(H\mid O) = \dfrac{P(O\mid H) P(H)}{P(O\mid H) P(H) + P(O\mid \neg H) (1 - P(H))}
- 判断のアンカリングを避けるため、買値ではなく事前確率 P(H) を更新する手順に固定します。
-
ケリー基準（資金配分の上限）
- 破滅リスクを抑えつつ成長を最大化する理論上の資金配分比率 f* は、
f^* = \dfrac{p \times b - (1 - p)}{b}
- b は利益倍率。実務では半分以下に抑えるのが一般的です。
-
例1: 期待値と損失回避のズレ
- 勝率 p = 0.55、勝てば +10%、負ければ -9% とします。
- 期待値:
- E = 0.55 × 10 - 0.45 × 9 = 5.5 - 4.05 = 1.45 (% / 取引)
- 損失回避係数 \lambda = 2 を仮に採用すると、主観価値:
- U = 0.55 × 10 - 2 × 0.45 × 9 = 5.5 - 8.1 = -2.6
- 合理的には取るべき取引でも、主観では「嫌だ」と感じます。ここでルールが必要です。
-
例2: ベイズ更新でニュースを評価
- 仮説 H: 来期の増益確率が高い。
- 事前 P(H) = 0.4。強い受注のニュース O が出たとします。
- 過去データから、P(O\mid H) = 0.7、P(O\mid ¬H) = 0.3。
- 事後:
- P(H\mid O) = (0.7 × 0.4) / (0.7 × 0.4 + 0.3 × 0.6) = 0.28 / 0.46 ≈ 0.6087
- 感覚では「すごく良さそう」でも、確率は約61%。過信を抑えられます。
-
例3: ケリー基準で上限を決める
- p = 0.55、利益倍率 b = 0.9/0.09 ≈ 10（9%のリスクで10%取りに行く単純化）
- f* = (0.55 × 10 - 0.45) / 10 = (5.5 - 0.45) / 10 = 0.505
- 実務は安全側で半ケリー: 約25%。ドローダウン耐性を高めます。
-
例4: ディスポジション効果の可視化
- 売買記録を集計し、含み益ポジションの平均保有日数と、含み損ポジションの平均保有日数を比較。
- 含み益: 平均8日、含み損: 平均21日 → 利益を早売り、損を抱える傾向が明確。
- ルール: 損切りは-7%で機械的、利確はリスクリワード2以上で分割に変更、など。
-
事前ルール化（トリガーとサイズをセット）
- エントリー条件、想定優位性の根拠、損切り水準、リスクリワード、最大保有比率を事前に記入。
- 例: 期待値 E が正、事後確率が一定以上、半ケリー以下のサイズで建てる。
-
アンカリング対策
- 買値や日中高値は非表示にする設定に変更。モニターに基準価額ではなく、想定シナリオと無効化条件を固定表示。
-
過信の抑制
- 予想と実績の差分を月次でレビュー。予想レンジ外の頻度を計測し、自信過剰であればポジション上限を自動的に10-30%縮小。
-
損失回避の緩和
- 定率損切り（例: -7%）と時間損切り（例: 10営業日で進展なければ縮小）を併用。トレーリングストップで利を伸ばす。
-
群集行動のブレーキ
- 騰落率上位ランキングでの衝動買いは、事後確率と出来高の持続性指標を併用して確認。シグナルが単発なら見送るルール。
-
記録とフィードバック
- 取引日誌に、意思決定の根拠、代替案、感情の強度を10段階で記録。月次で統計化し、バイアスの癖を定量で把握。
ルールは事前、裁量は事後。建てる前に条件を定量化し、終了後に裁量で学びを抽出します。
- 「経験を積めばバイアスは消える」: 経験で別のバイアス（過信）が強まることも。仕組みと記録が必要。
- 「損切りは根性の問題」: 損失回避は人の標準設定。機械的なトリガーとサイズ管理でしか安定しない。
- 「ニュースが多いほど精度が上がる」: 情報過多は雑音を増やし、後講釈バイアスを誘発。ベイズ更新で重み付けを。
- 「勝率さえ高ければよい」: リスクリワードが悪ければ期待値はマイナス。勝率とサイズの同時管理が必要。
- 「他人も買っているから安全」: 群集は安全ではなく相関リスクを増やす。エグジットの狭さに注意。
- 行動バイアスは標準装備。名前を知るだけでなく、期待値とルールで補正する。
- 損失回避は主観を歪める。U と E の差を意識し、機械的な損切りとサイズ管理を導入。
- ベイズ更新でニュースの重みを再計算。買値ではなく確率をアンカーにする。
- ケリー基準は上限の目安。実務は半ケリー以下でドローダウン耐性を確保。
- 記録とレビューで過信・ディスポジションを可視化し、ルールを微調整。
- ルールは事前、裁量は事後。プロセスを固定し、感情の揺れを最小化。
損失回避: 同じ金額でも、損失の痛みを利益の喜びより強く感じる傾向。
アンカリング: 最初に見た数字や基準に判断が引きずられる現象。
ディスポジション効果: 含み益を早く売り、含み損を抱えがちな行動パターン。
プロスペクト理論: 人の意思決定が期待効用から体系的に逸脱することを説明する理論。
ベイズ更新: 新情報を得たときに確率を再計算する手法。事前確率を事後確率に更新する。
ケリー基準: 資金の最適配分比率を与える式。実務では安全側に抑えて使う。
ハーディング: 多くの人と同じ行動を取ろうとする群集行動の傾向。
