クオンツ運用とは?新しい資産運用を取り巻く変遷

クオンツ運用とは?新しい資産運用を取り巻く変遷

クオンツ運用とは?新しい資産運用を取り巻く変遷

資産運用において現在主流となったクオンツ運用についてとどういった出来事から影響を受けたのかについてまとめました。是非ご一読ください。

クオンツ運用とは?

本記事では、資産運用ビジネスの中でも「クオンツ運用」という運用スタイルに焦点をあてて、近年の動向を紹介します。クオンツ運用(quantitative ivesina)は、データを定量的(quantitative)な手法を用いて分析し、その結果に差づいて投資判断を行うという特色があります。

この運用スタイルは、年金基金など多くの機関投資家に受け入れられており、資産運用ビジネスにおいて、大変重要な役割を担っています。さらに、クオンツ運用はトレンドであるビッグデータを取り込みながら、その存在感を高めつつあります。通常の資産運用のイメージは、専門家が自らの判断に基づいて、株式や債券の売買を決定するというものだと思われます。このような投資スタイルはジャッジメンタル運用と呼ばれ、運用成果は専門家のその時々の判断に依存します。

一方で、クオンツ運用は、データ分析に基づいた運用モデルで、人間の判断に頼らずに売買を決定します。実際には、モデルを利用しつつも人間の判断も加味する運用プロセスが多いですが、基本的にはモデルの性能が運用成果に大きな影響を与えます。

クオンツ運用において運用モデルの役割はどのようなものでしょうか?運用会社によってモデルの役割は異なりますが、ここでは典型的な事例を紹介します。

資産運用モデルの1つの役割は、投資対象資産の将来のリターンがどのように振舞うのか、もしくは資産間のリターンにどのような関係があるのかを推定することです。モデルの出力は、必ずしも将来リターンの形式をとらない場合もあります。例えば、A社とB社でどちらのリターンが高そうかといった順番だけを予想する場合も株式運用では比較的多いです。いずれにせよ、投資対象資産の将来リターンの同時分布に関する情報を何らかの形式で出力することがモデルの重要な役割の1つです。

2つ目の役割は、前述のモデルの出力を利用して、最適な資産の組み合わせ(ポートフォリオ)や売買案を提示することです。この際、予想されるリスクの水準や資産の組み入れ比率など様々な制約条件を加味します。これら2つの役割を持つモデルを構築すれば、基本的には人間の判断を介さずに機械的に売買案を得ることができます。

クオンツ運用のメリットクオンツ運用により得られる様々なメリットは、資産運用のプロセスをモデルの形で明確に表現できることに起因します。過去のデータを利用したシミュレーンで、モデルの有効性を事前に評価することができます。また、運用プロセスが明確であるため、事後的なパフォーマンス分析も行いやすいです。

クオンツ運用の弱点

一方で、クオンツ運用は過去のデータに存在しない事象に対して弱いといわれることがあります。そのような事象は人間とて判断が難しいでしょう。また、モデル構造に利用できる過去のデータは限られており、しかも過去と現在では経済構造や市場構造も異なるため、単純に過去のデータから機械学習でパターンを抽出すればよいというわけにはいきません。

実際のモデル構築においては、シミュレーションの結果だけでなく、金融市場の将来動向を人間が判断し、その判断も取り込みながらモデルを仕上げていくことが多いです。ビッグデータが普及してきた現在においてもこの状況に変わりはなく、モデルを構築する際に人間が果たすベき役割は大きいです。

次に資産運用、特にクオンツ運用に対して影響を与えた、近年の重要イベントを3つ取り上げます。これらのイベントから得られた教訓を通して、クオンツ運用の現在を考えてみましょう。

クオンツ運用における重要イベント

クオンツ·ショック

2007年8月8日から9日、株式市場は堅調であったが多くのクオンツファンドは大きな危機に直面していました。クオンツのモデルで割安と判断した銘柄群が大きく下落し、逆に割高と判断した銘柄群が急上昇しました。一部のクオンツファンドだけでなく、多くのクオンツファンドでパフォーマンスが急激に悪化したことから、クオンツ·ショックと呼ばれるようになりました。なぜこのような事態が発生したのでしょうか。

きっかけは、一部のヘッジファンドによる大規模なポジション解消と言われています。当時、そのヘッジファンドと同じようなポジションを保有していたクオンツファンドが多数存在したため混乱が拡大しました。ヘッジファンドが売却した銘柄のリターンは下落し、逆に買い戻した銘柄のリターンは上昇しました。そのためヘッジファンドと同じようなポジションを保有していた他のクオンツファンドのパフォーマンスが劇的に悪化することとなりました。

ポイントは、どのクオンツファンドも、同じような銘柄を割安もしくは機稿と判断し、実際のボジションも類似したものになっていたことにあります。クオンツ運用という投資スタイルは本来特定の戦略を指すものではなく、各ファンドが始の切り口で銘柄を評価すれば、ポジションも自ずと異なるものになるはずでした。

ただし、クオンツ·ショックが発生して分かったことは、多くのクオンツファンドが将来の予想利益や純資産額に対して株価が相対的に割安な企業に投資するという類似の戦略を採用していたことです。実際、企業の割安性に着目した戦略は2000年初頭から 2006年末までは絶好調でした。もちろん運用会社ごとにそれぞれ独自の工夫を施し、より適切な企業価値評価を目指していたものの、モデルの出力に大きな違いはありませんでした。

クオンツ·ショックを経て、他社と類似した戦略やポジションを取ることが非常に危険であるということが強く認識されるようになりました。運用会社がそれぞれ独自性のある切り口を改めて模索し始め、その1つの手段がビッグデータから新たな切り口を見つけることでした。

スマートベータ

近年、スマートベータと呼ばれる運用商品が関心を集めています。伝統的には、運用商品は、市場を代表するベンチマーク指数(TOPIX や S&P500 など)に追随することを目指すパッシブ運用と、それを上回るパフォーマンスを目指すアクティブ運用の2つに分類されてきました。

スマートベータはパッシブ運用と同じ発想で何らかの指数に追随することを目指すが、TOPIX などの代表的な指数ではなく、より賢い(スマートな)指数に追随することを目指します。

スマートベータ指数には様々なバリエーションがあり、例えばボラティリティ(リターンの変動)の低い銘柄を集めた指数や直近数ヵ月間のパフォーマンスが良い銘柄を集めた指数、高配当株を集めた指数などがあります。企業規模が小さいなど何らかのリスクを内包した銘柄を多く含んでいるスマートベータ指数は、そのリスク対するプレミアムが得られるという説明をしています。

また、スマートペータ指数の中には、TOPIX など市場を代表すると考えられている指数の多くが企業の時価総額(=株価×発行済株式数)に比例するように株式を組み入れていることに注目し、時価総額に比例するのとは異なる組み入れ方で作成されているものもあります。実際、株式時価総額(=株価)の高い銘柄群には一時的に価格が切り上がった銘柄、割高な銘柄が含まれているため、時価総額加重指数が非効率であると指摘する研究も多いです。

これらのスマートベータ指数の多くは、10年程度の長い期間で見ると代表的な指数を上回るリターンが得られることが様々な研究で報告されています。容易に入手できる情報を利用したシンプルな運用手法で、アクティブ運用が目指してきたベンチマークに対する超過リターンが得られる可能性が示されました。

スマートベータの運用報酬はアクティブファンドと比較して低く、アクティブファンドはその高い運用報酬に見合う付加価値をより意識しなければならなくなります。そして、パフォーマンス面でも、リターンの水準もしくは安定性において、スマートベータとの違いを明確に示すことが必要になっています。

取引スピードの高速化

マイケル·ルイス氏が2014年に「フラッシュ·ボーイズ」を出版しました。テクノロジーを駆使して取引スピードを追求し、貪欲に利益を得ようとするトレーダーやエンジニアの姿が描かれています。この本で描かれているような高頻度取引(HFT)の隆盛は近年の最大のトピックかもしれません。従来のクオンツ運用が重視してきた、資産選択のための洗練された方法論ではなく、単純にテクノロジーの強さ、IT を駆使した取引スピードの速さで勝敗が決まっていました。クオンツ運用への教訓は ITの重要性、もしくは重視すべきテクノロジーの変化ではないかと思います。

従来、クオンツ運用が重視してきたテクノロジーとは、洗練された数理モデルや高度な統計モデルを指すことが多かったです。このようなテクノロジーは依然重要ではあるものの、高頻度取引の隆盛が示唆したのは、IT インフラの強さやITを駆使してビジネスを展開する能力の重要性でした。これら3つのイベントは、現在の資産運用にどのような影響をもたらしてきたのでしょうか?本記事のテーマであるビッグデータとそれを駆使するクオンツ運用への影響を中心に考えてみます。

まず、クオンツ·ショックが再発するリスクについてはどうでしょうか。ビッグデータを活用しても、多くの運用会社の戦略が、同じような情報や分析の切り口を採用しているのであれば、運用戦略も似てしまいクオンツ·ショックが再発するリスクは残るでしょう。クオンツ運用にとって、スマートベータという新たなライバルが出現したことはどのような影響をもたらしているのでしょうか。スマートベータは財務データや株働など簡単に手に入るデータだけを利用しているという点も1つの特徴と考えられます。ロジックも公開されているため、誰でも簡単に複製できます。

つまり、誰もが間単に手に入れることができるデータ、もしくは簡単に加工·処理できるデータだけを利用した運用戦略は、スマートベータとの差別化が難しくなっている価値とは呼べないため、運用会社は各社が得意とする切り口で、一般には入手・加工が難しいデータを利用しながら、高度な付加価値を提供しようと模索しています。

その意味では、運用戦略が同質化してしまうリスクは、以前よりも小さく最後に、取引スピードの高速化が示唆したIT の重要性ですが、これは今後ますます重要度を増していくでしょう。本書で取り上げているビッグデータは、大量というよりも多様なデータです。大量のデータを高速に処理するためのインフラも重要であるが、加えて、多様なデータソースから収集した形式の異なるデータを整え、維持管理するためのノウハウや人的リソースの確保も非常に重要なっていると考えられます。

ビッグデータやそれを活用するためのテクノロジーの重要度が増してくるに従い、運用会社の経営判断が、より直接的に運用商品の付加価値に結びつく状況になりつつあります。例えば、データ、IT インフラ、エンジニアへの経営資源の配分や、特定の分野に技術を有する他社との提携戦略などによって、取りうる運用略が変わってきます。社内で有益な投資アイディアが出てくるだけでなく、それを実現するためのデータやITリソースが不可欠なものとなっています。もしくは、データやIT リソースの面でのアドバンテージが、運用商品のアドバンテージに直結しやすい状況にあるのです。

 

フィンテックカテゴリの最新記事