クオンツ投資の基礎

• クオンツ投資の基本的な考え方と長所・短所
• ファクター（要因）を使った銘柄選定の流れと標準化の方法
• バックテストの設計手順とバイアス（歪み）を避けるコツ
• シャープ比、情報比、t値などの評価指標の読み方
• ポートフォリオ最適化（平均・分散アプローチ）の実務的な設定
• 取引コストやスリッページを加味した現実的な想定
• リスク管理（ボラティリティ・ターゲティング、ドローダウン管理、ポジションサイズ）の実装

クオンツ投資とは、データと数式を使って、投資判断を「定量的」に行う方法です。勘やニュースの印象に頼らず、数字で仮説を作り、検証し、改善します。例えるなら、料理の「目分量」ではなく、レシピと計量カップで再現性を高めるイメージです。

具体的には、銘柄の特徴（たとえば割安さ、成長性、値動きの勢いなど）を表す指標を「ファクター」と呼びます。ファクターを組み合わせてスコアを作り、スコアが高い銘柄を買い、低い銘柄を避ける（あるいは売る）というのが典型的な流れです。

クオンツ投資の強みは、再現性と規律です。一度ルールを定めれば、同じ手順で淡々と実行でき、感情に振り回されにくくなります。一方で、弱みは「過去のデータに合わせ過ぎるリスク（オーバーフィッティング）」や、データに潜む落とし穴（サバイバーシップ・バイアス、先読み）です。うまく設計しないと、机上では勝てても、実運用では崩れます。

クオンツ投資は「高度な数学」だけではありません。四則演算とエクセルでも十分に始められます。大切なのは、仮説→検証→改善のサイクルを丁寧に回すことです。

市場では、膨大な情報が常に行き交っています。人間の直感だけで判断すると、ノイズに惑わされたり、感情で売買時期を誤ったりしがちです。定量的なルールは、こうした「行動のブレ」を小さくし、長期での一貫性を高めてくれます。

また、学術・実務の世界では「割安株は長期で報われやすい」「勢いのある株はしばらく勢いが続く」といったパターン（ファクター効果）が数多く検証されています。これらを上手に組み合わせることで、より安定したリターンを狙えます。

ただし、競争は激しいです。誰もが使う単純なルールは利益が薄まりやすく、取引コストや税金を差し引くと優位性が消えることもあります。だからこそ、検証の正確さと、現実的な実装（売買単価・流動性・執行コスト）が重要になります。

• ステップ1：データを用意する

  • 株価（終値・出来高）、企業財務（PER、PBR、売上・利益成長など）、ベンチマーク指数、無リスク金利など。
  • サバイバーシップ・バイアスを避けるため、倒産・上場廃止銘柄も含む時点データを使います。

• ステップ2：ファクターを作る（例：バリュー、モメンタム、クオリティ）

  • バリュー例：低PBR、低PER。モメンタム例：12カ月リターン（直近1カ月は除外）。クオリティ例：高ROE、安定利益。
  • 異なる単位を混ぜると比較しにくいため、標準化します。
  z = (x - \mu) / \sigma

  ここで x は各銘柄の指標値、\mu は全銘柄平均、\sigma は標準偏差です。zが大きいほど「そのファクターで優れている」ことを示します。

• ステップ3：合成スコアを作る

  • 複数ファクターのzスコアを重み付け平均します。
  Score = w_1 z_{Value} + w_2 z_{Momentum} + w_3 z_{Quality}
  • 重みは等重みでも、相関が高いファクターの比重を下げる方法でもOKです。

• ステップ4：ポートフォリオを組む

  • スコア上位N銘柄を等金額で買う、または最適化で配分を決めます。
  • 平均・分散アプローチ（マルコビッツ）では、期待リターンベクトル \mu と共分散行列 \Sigma を推定し、次で配分 w を決めます。
  \min_w \; \tfrac{1}{2} w^\top \Sigma \, w - \lambda \, w^\top \mu \quad \text{s.t.} \; \mathbf{1}^\top w = 1,\; \ell \le w \le u
  • ここで \lambda はリスク許容度、\ell と u は各銘柄の下限・上限比率です。

• ステップ5：パフォーマンスを評価する

  • シャープ比（無リスク超過リターン/リスク）
  Sharpe = \frac{\mu_p - r_f}{\sigma_p}
  • 情報比（ベンチマーク超過/トラッキングエラー）
  IR = \frac{\mu_p - \mu_b}{\sigma(p-b)}
  • t値（平均の有意性）や勝率、最大ドローダウンも確認します。

• ステップ6：現実的な調整

  • 取引コスト c、月間ターンオーバー Turn を見積もり、純期待リターンを修正します。
  \mu_{net} = \mu_{gross} - c \times Turn
  • ボラティリティ・ターゲティングでリスクを一定化します。
  w_{target} = w \times \frac{\sigma_{target}}{\hat{\sigma}_{p}}

前提：日本株のうち、流動性のある300銘柄を対象に、月次でリバランス。期間は過去5年。無リスク金利は年0.1%と仮定。数値は説明のための例示です。

• ファクター定義

  • Value：PBRの低さ（PBRが低いほど良い）。z化する際は「低いほど良い」を反転して使うため、PBRにマイナスを掛けてから標準化します。
  • Momentum：過去12カ月リターン（直近1カ月は除外）。
  • Quality：ROE（自己資本利益率）。

• 標準化の例（PBR）

  • 300銘柄のPBR平均が1.5、標準偏差が0.5、ある銘柄のPBRが0.8なら、反転値は -0.8。平均反転が -1.5、反転の標準偏差が0.5とすると、
  z_{Value} = \frac{(-0.8) - (-1.5)}{0.5} = 1.4

• 合成スコア

  • 等重みで合成：
  Score = \frac{1}{3} z_{Value} + \frac{1}{3} z_{Momentum} + \frac{1}{3} z_{Quality}
  • 上位30銘柄を等金額で採用。各銘柄の初期ウェイトは約3.33%。

• 期待リターンとリスクの見積もり

  • 過去60カ月の月次リターンから、銘柄別の平均（\mu）と共分散（\Sigma）を推定。
  • 仮にポートフォリオの年率期待リターンが8%、年率ボラティリティが15%なら、無リスク0.1%でのシャープ比は、
  Sharpe \approx \frac{0.08 - 0.001}{0.15} = 0.526

• 取引コストの調整

  • 片道コスト0.10%、月間ターンオーバーが20%なら、月次コストは0.04%（往復0.20% × 0.20）。年率で約0.5%前後。
  • 純期待リターンは 8% - 0.5% = 7.5% 程度に低下。

• ボラティリティ・ターゲティングの例

  • 実現ボラが年20%、目標を年12%にしたい場合、
  スケール比 = 12\% / 20\% = 0.6
  • ウェイトを0.6倍し、現金を40%残す（またはヘッジを併用）ことでリスクを整えます。

• 銘柄選定

  • スクリーニングで流動性・価格帯の条件を設定した上で、合成スコア上位を候補化。PBR<1 など単一条件に頼らず、複数ファクターを重ねると安定します。

• リバランス設計

  • 月次または四半期でリバランス。ターンオーバーが高いほどコスト増。スコアに「バンド（許容幅）」を設け、わずかな差では入替えしない工夫が有効です。

• ウェイト制御

  • セクター・業種の偏りを抑えるため、業種ごとに上限を設定。1銘柄あたり上限3-5%などの制約で集中リスクを抑制。

• リスク管理

  • ボラティリティ・ターゲティング、最大ドローダウン監視、テールリスク（極端な下落）の緩和として現金比率やヘッジの導入を検討。

• 実装・執行

  • 取引時間帯の出来高、板の厚み、スプレッドを考慮。成行より指値、開場直後の不安定時間を避ける等でスリッページを抑制。

• 継続的な検証

  • 新しいデータでロールフォワード検証を継続。パラメータが環境に適応し過ぎていないかを監視し、単純さと安定性を重視。

用語集

クオンツ投資: データと数式に基づいて投資判断を行う手法。感情や主観ではなく定量的ルールで売買する。

ファクター: 銘柄の特徴を表す要因。例：割安（バリュー）、勢い（モメンタム）、品質（クオリティ）など。

バックテスト: 過去データに戦略を適用し、成績を検証する作業。設計の良し悪しで結果が大きく変わる。

シャープ比: 無リスク超過リターンをリスク（標準偏差）で割った効率指標。高いほど効率的だが限界もある。

情報比: ベンチマーク超過リターンを追随誤差で割った指標。アクティブ戦略の有効性を測る。

オーバーフィッティング: 過去データに合わせ過ぎて、将来に再現できない状態。パラメータ調整のやり過ぎで起きる。

サバイバーシップ・バイアス: 生き残った銘柄だけを対象にして、成績を実際より良く見せてしまう歪み。

先読みによるバイアス: 将来の情報を誤って過去時点に使ってしまうこと。結果が水増しされる。

ボラティリティ: 価格の変動の大きさ。リスクの近似として使われる。

トランザクションコスト: 売買手数料やスプレッドなど、取引に伴うコスト。スリッページを含むこともある。