AI-generated15 10月 20261 min read
市場ベータとグローバル分散投資:あらゆる戦略が超えるべきベースライン
低コストでグローバルに分散された株式指数は株式プレミアムを捉え、多くのアクティブ運用手法がコスト考慮後に打ち負かすことができないベンチマークとなる。
この記事は、「出典」に記載されたデータからAIによって生成され、そのデータに対して自動的に検証されました。
概要
個人投資家向けの基礎的なアプローチは、低コストでグローバルに分散された株式指数を保有することである。この戦略は、現金や債券に対して株式を保有することで得られる超過リターンである株式プレミアムを捉えることを目的としている。このパッシブなベースラインが、ほとんどのアクティブ運用手法の評価基準となるという前提が核心である。実際には、現実的なコストを考慮すると、多くのアクティブ戦略はこのシンプルな指数を上回るパフォーマンスを達成できない。これらのコストには、手数料、スプレッド、為替換算手数料、および税負担が含まれる。厳選された銘柄選択ではなく広範な市場へのエクスポージャーに焦点を当てることで、投資家はポートフォリオをグローバル株式の総体的なパフォーマンスと一致させる。この手法は、複数の経済圏における企業収益の長期的な成長に依存しており、単一の企業や特定のセクターに関連する個別リスクの影響を軽減する。これは、純リターンをしばしば毀損させる頻繁な取引や高い経費率の落とし穴を避け、長期間にわたって市場効率を活用するように設計された構造的なアプローチである。
証拠が示すもの
歴史的データによれば、世界株式は1900年以降、インフレ率を上回る実質リターンとして年間約5%を獲得してきた。しかし、この平均値には大きな変動が隠されている。日本では1989年以降、米国では2000年から2012年にかけて、実質リターンがほぼゼロに近い長期の低迷期が見られた。38の先進国を対象とした調査によると、深く長い損失は米国以外でより一般的である。開始時のバリュエーションも重要な役割を果たす。17市場における調査では、CAPE比率が10未満の場合、その後の10年間で年間約11.7%のリターンが得られた一方、CAPE比率が30を超える場合は年間約0.5%にとどまった(Keimling, 2016)。これらの結果は開始時のバリュエーションに大きく依存しており、長期の投資期間においてのみ関連性を持つ。
証拠の等級
証拠の等級はAである。この評価は、調査結果が数十年、複数の国、そして多くの場合複数の資産クラスにおいて再現されていることを意味する。現実的なコスト控除後も結果は有効だが、グロスリターンと比較すると優位性は弱まる可能性がある。この等級は特に長期の投資期間に適用される。
機能しない場合
この基本的な戦略であっても、特定の課題に直面します。主な問題の一つは、実質リターンがほぼ横ばいの状態が10年間にわたって続くことです。投資家は、名目上の利益がインフレによって完全に相殺され、購買力の成長がほぼゼロとなる長い期間を経験する可能性があります。この停滞は10年以上続くこともあり、投資家の忍耐と規律を試すことになります。
もう一つの重要な要因は、開始時のバリュエーションへの依存です。以前の証拠で指摘したように、初期のCAPE比率は将来のリターンに大きな影響を与えます。バリュエーションが非常に高い時期に市場へ参入すると、市場全体の方向性に関わらず、その後の10年間の年率換算リターンが最小限にとどまる可能性があります。したがって、バリュエーションサイクルとのタイミングは、パッシブ戦略であっても依然として重要です。
最後に、単一国のポートフォリオは、その国特有の低迷リスクを伴います。グローバルな分散投資はこのリスクを軽減しますが、保有資産を自国に集中させている投資家は、その特定の経済が不振に陥った場合、長期間のパフォーマンス低迷に直面する可能性があります。38の先進国を対象とした調査によると、米国以外では大幅な損失が発生するケースがより多く見られることが明らかになっており、ホームバイアスを持つポートフォリオは局所的な経済停滞に対して特に脆弱であることが示唆されています。これらの要因は、この戦略が堅牢であるものの、構造的な市場サイクルや極端なバリュエーションの影響を完全に免れるわけではないことを示しています。
AI-Stock Investによる活用方法
AI-Stock Investは、このベースラインを厳格な評価基準として採用しています。すべてのスクリーナーおよびモデルポートフォリオは、MSCI World、S&P 500、IMOEX、Euro Stoxx 50などの対応する指数と直接比較されます。この比較により、アクティブ戦略は単純な市場エクスポージャーを超える価値を実証する必要があります。さらに、プラットフォームでは学術的な発見に対して具体的な調整を適用します。McLeanとPontiffの研究では、97の予測因子において公表後にリターンが平均58%低下することが明らかになりました。これに基づき、AI-Stock Investでは学術的なバックテストのリターンを半分に調整します。この調整は、公表された戦略が実際の取引でパフォーマンスが低下する傾向を考慮したものです。さらに、独立した観察数が30未満の戦略は統計的な信頼性を確保するため、「不明」として扱われます。すべてのシミュレーション結果は、現実的な純粋な成果を反映するために、手数料、スプレッド、通貨コスト、税務上の負担を差し引いた後に提示されます。
主なポイント
- グローバル株式指数は、1900年以降、歴史的に年間約5%の実質リターンを提供してきました。
- 開始時のバリュエーションは10年間のリターンに大きな影響を与え、低いCAPE比率はより高い成果につながります。
- 現実的な取引コストを考慮すると、アクティブ戦略はパッシブ指数を上回ることがしばしばできません。
- 国内バイアスを持つポートフォリオは、グローバルな分散投資と比較して、長期間のパフォーマンス低下リスクが高くなります。
過去のパフォーマンスは将来の結果を保証するものではありません。バックテストは仮想的であり、通常は実際の結果よりも良好に見えます。
Source: AI-Stock Invest methods review (W2), summarising the cited academic and industry studies