要点

アクティブとパッシブのファクター投資の間の議論は、現代のポートフォリオ運用における最も重要な配分決定の一つです。SPIVAスコアカード、学術研究、実際のファンドパフォーマンスから得られる数十年のデータは、一貫したパターンを示しています。アクティブファクターマネージャーの大多数は手数料控除後にベンチマークを下回り、アウトパフォームする少数もその成果が持続することは稀です。一方、ファクターETFとスマートベータ商品は、はるかに低いコストで体系的なファクターエクスポージャーを提供し、ダイレクトインデックスは税制上の利点を備えた最新の手段を提示します。本分析では、3つのアプローチ全体にわたってデータが実際に示すものを検証します。
アクティブ運用の成績表
S&P Indices Versus Active(SPIVA)スコアカードは、ベンチマークに対するアクティブファンドのパフォーマンスを最も包括的に継続測定しています。データの方向性メッセージは明確です。大多数のアクティブファンドはベンチマークを下回り、期間が長くなるほど結果は悪化します。
SPIVA ベンチマーク未達率:アクティブファンド対ベンチマーク
| カテゴリー | 5年 | 10年 | 15年 |
|---|---|---|---|
| 米国大型株 | 79% | 87% | 92% |
| 米国中型株 | 74% | 83% | 90% |
| 米国小型株 | 69% | 78% | 88% |
| 海外大型株 | 71% | 82% | 89% |
| 新興市場 | 68% | 76% | 84% |
これらの数値は生存者バイアスが調整されており、測定期間中に合併または清算されたファンドを含みます。この調整がなければ、パフォーマンスの悪いファンドが不均衡に閉鎖されるため、数値はアクティブマネージャーにとってさらに不利になります。
Fama and French(2010)は、運とスキルに関する画期的な研究でこの発見を公式化しました。1984年から2006年までの米国株式ミューチュアルファンド全体を対象にブートストラップシミュレーションを使用した結果、ファンドアルファの横断面分布がランダムな偶然から期待されるものとほぼ一致することを示しました。少数のマネージャーが真のスキルを持つように見えますが、アルファの分布はどのマネージャーも価値を付加しない世界とほぼ区別できません。
その含意は明白です。アクティブマネージャーの大多数は、特定の期間に単に運が悪いわけではありません。平均的に、手数料、取引コスト、不適切な銘柄選択の組み合わせを通じて価値を破壊しています。特定の5年間でアウトパフォームする約10-20%は、運だけでも予測される水準と概ね一致します。
アクティブマネージャーが苦戦する理由:手数料の算術
Berk and Green(2004)は、アクティブ運用のスキルが存在する場合でも投資家リターンに変換されない理由の理論的説明を提供しました。彼らの競争均衡モデルは、スキルのあるマネージャーが、アルファが手数料と規模に対する収益逓減によって完全に消費されるまで資金流入を引き寄せることを示しています。均衡状態では、アクティブファンドの投資家はパッシブ投資家と同じ期待リターンを得ますが、より高い手数料とより大きなリターンの変動性を負担します。
アクティブとパッシブのアプローチ間の手数料差は、相対的パフォーマンスの最も信頼できる単一予測因子です。
手数料比較:アクティブ対スマートベータETF対ダイレクトインデックス
| アプローチ | 一般的な経費率(bps) | 取引コスト(bps/年) | 税金ドラッグ(bps/年) | 総年間コスト |
|---|---|---|---|---|
| アクティブファクターファンド | 75-150 | 30-80 | 50-100 | 155-330 bps |
| スマートベータETF | 15-40 | 5-15 | 20-40 | 40-95 bps |
| ダイレクトインデックス | 0-30 | 10-25 | -50~0 | -40~55 bps |
アクティブとパッシブのファクター戦略間の手数料格差は、通常年間100~200ベーシスポイントです。20年の投資期間にわたり、これは劇的に複利効果を発揮します。年間200bp多く支払う100万ドルのポートフォリオは、7%の粗リターンを仮定すると、低コストの代替手段と比較して約48万ドルの最終資産を犠牲にします。
この算術は容赦ありません。アクティブマネージャーはパッシブの代替手段と同等になるためだけに、少なくとも100-200bpの粗アルファを創出しなければなりません。SPIVAデータによると、10年間でこのハードルを越えるのに約85-90%のマネージャーが失敗しています。
アクティブシェア:クローゼットインデクサーと真のアクティブマネージャーの区別
Cremers and Petajisto(2009)は、ポートフォリオの保有銘柄がベンチマークからどの程度乖離しているかを測定するアクティブシェアの概念を導入しました。重要な発見は、非常に高いアクティブシェア(80%以上)を持つファンドのみが手数料控除後に意味のあるアウトパフォーマンスの可能性を持つということでした。低いアクティブシェア(60%未満)のファンドは事実上クローゼットインデクサーであり、ほぼパッシブなパフォーマンスに対してアクティブな手数料を請求していました。
この発見はアクティブ対パッシブの議論を大幅に精緻化しました。問題はアクティブ運用が機能しないということではなく、中央値のアクティブファンドが手数料を正当化するのに十分なアクティブリスクを取っていないということです。高度にアクティブなマネージャーのサブセットの中では、状況はより微妙です。一部は持続的なアルファを創出しますが、事前にそれらを特定することは依然として極めて困難です。
Petajisto(2013)は追跡調査で、高いアクティブシェアと低いトラッキングエラーを組み合わせたストックピッカー型ファンドが最も強いアウトパフォーマンスの持続性を示すという証拠を提示しました。しかし、このグループはアクティブファンド全体の小さな割合を占めており、事後ではなく事前にそれらを選択することが中心的な課題です。
ファクターETFとスマートベータ:低コストの体系的エクスポージャー
2010年以降のファクターETFとスマートベータ商品の台頭は、投資環境を一変させました。これらの商品は、透明でルールベースの方法論を通じて、よく文書化されたファクター(バリュー、モメンタム、クオリティ、低ボラティリティ、サイズ)へのエクスポージャーを、アクティブ運用よりもはるかに低いコストで提供します。
Frazzini, Israel, and Moskowitz(2018)は、機関レベルでのファクター戦略の取引コストを調査しました。AQR Capital Managementの実際の執行データに基づく分析の結果、分散されたファクターポートフォリオの実際の実装コストは学術的な推定値よりも大幅に低いことが判明しました。分散ファクターポートフォリオの取引コストは年間約10-20bpで、文献で時に引用される100bp以上を大きく下回りました。
この発見はファクターETFの経済的実行可能性を検証するため重要です。取引コストが法外に高ければ、粗ファクタープレミアムは実装の摩擦で消費されてしまいます。Frazziniらのデータは、コスト控除後も意味のある税引後リターンを提供するのに十分なプレミアムが残ることを示しました。
ファクターETFのパフォーマンス対アクティブファクターファンド(10年年率)
| ファクター | アクティブファンド中央値 | ファクターETF中央値 | ファクタープレミアム(学術) |
|---|---|---|---|
| バリュー | 7.2% | 8.1% | 3-5% |
| モメンタム | 9.1% | 10.4% | 4-8% |
| クオリティ | 9.8% | 10.6% | 3-4% |
| 低ボラティリティ | 7.5% | 8.3% | 2-4% |
| サイズ(小型株) | 8.4% | 8.9% | 2-3% |
ファクターETFの体系的な利点はその一貫性にあります。マンデートから逸脱せず、スタイルベットを行わず、成功報酬を請求しません。ターゲットファクターエクスポージャーに対するトラッキングエラーは一般的に低く、手数料構造は透明で低下傾向にあります。
ダイレクトインデックス:税効率のフロンティア
ダイレクトインデックスは、ファクター投資への最新のアプローチです。ファクターティルトされた銘柄バスケットを保有するETFを購入する代わりに、投資家が個別銘柄を直接保有します。この構造により、体系的なタックスロス・ハーベスティングが可能になります。下落した個別ポジションを売却して、ポートフォリオの他の部分で発生した利益を相殺する損失を実現します。
ダイレクトインデックスの税制上の利点は大きい場合があります。学術および業界の推定では、タックスロス・ハーベスティングは年間税引後リターンに50~150bpを追加し、損失収穫の機会が最大となるポートフォリオの初期数年間に特に効果が大きくなります。完全な市場サイクルにわたって、利点は下限に収束しますが、依然としてプラスを維持します。
ダイレクトインデックスの総コストは劇的に低下しています。複数のプラットフォームが現在、0~30bpの経費率でダイレクトインデックスを提供しており、多くのETFと競争力があります。税制上の利点を含めると、実効コストがマイナスになる可能性があり、投資家がETF保有と比較して実際にコストを節約できることを意味します。
ただし、ダイレクトインデックスには重要な制約があります。課税口座で最も効果的であり、退職口座では税制上の利点がありません。最低投資額は一般的に高く($100,000-$250,000)、この閾値は低下傾向にあります。数百の個別ポジションを管理する複雑さは、高度なソフトウェアと監視を必要とします。
容量制約と収益逓減
アクティブマネージャーが理論的な優位性を持つ一つの側面は、容量制約のある戦略にあります。小型株やマイクロキャップ、非流動的なクレジット市場、ニッチな体系的戦略におけるファクタープレミアムは、ETFが効率的に捕捉するには小さすぎる場合があります。
Berk and Green(2004)は、容量が均衡調整メカニズムであることを示しました。戦略が資本を引き寄せるにつれ、限界投資家がアクティブ戦略とパッシブの代替手段の間で無差別になるまでリターンは低下します。これは、アクティブアルファの最も信頼できる源泉が、ファンドサイズが小さく保たれなければならない場所に正確に存在することを意味します。
データはこれを裏付けています。Fung, Hsieh, Naik, and Ramadorai(2008)のヘッジファンドパフォーマンスの研究では、アルファは小規模で若いファンドに集中し、ファンドが成長するにつれて減衰することが判明しました。アクティブであれパッシブであれ、最大のファクターファンドは、すべて流動的な大型株で類似のポジションを保有しているため、類似のリターンに収束する傾向があります。
容量とパフォーマンスの関係
| ファンド規模 | 平均年間アルファ | 一般的な容量 | ETFでアクセス可能か |
|---|---|---|---|
| 1億ドル未満 | +1.2% | 低い | 稀 |
| 1億-10億ドル | +0.4% | 中程度 | 時々 |
| 10億-100億ドル | -0.1% | 高い | 通常 |
| 100億ドル超 | -0.5% | 非常に高い | ほぼ常に |
このパターンは投資家にパラドックスを生み出します。アルファを創出する可能性が最も高い戦略は、まさに容量が最も少ない戦略であり、大規模な配分を吸収できないことを意味します。戦略が大多数の投資家にとって十分に大きくアクセス可能になる頃には、アルファは通常、競争的に消費されています。
トラッキングエラー:アクティブ乖離の隠れたコスト
トラッキングエラーは、ファンドとベンチマーク間のリターン差の変動性を測定します。アクティブファクターマネージャーにとって、トラッキングエラーは潜在的なアウトパフォーマンスの源泉であると同時に、投資家の苦痛の重要な源泉でもあります。
中央値のアクティブファクターファンドは、ベンチマークに対して年間4-8%のトラッキングエラーを伴います。これは、特定の年に4-8パーセントポイント以上ベンチマークを下回る可能性があることを意味します。5年間で10-20パーセントポイントの累積的な乖離が一般的です。この規模のアンダーパフォーマンスは、相当な投資家の離反を引き起こします。Kinnel(2014)は、高いトラッキングエラーを持つミューチュアルファンドの投資家が、パフォーマンス低下後に売却する可能性が高いことを発見しました。これは体系的に高値で買い、安値で売ることを意味します。
対照的に、ファクターETFは一般的にターゲットファクター指数に対して0.5-2%のトラッキングエラーを持ちます。このより厳格なマンデートの遵守は、投資家が何を得ているかを把握でき、最悪のタイミングで戦略を放棄する可能性が低くなることを意味します。
パフォーマンスの持続性の問題
アクティブ運用にとって最も致命的な発見は、おそらくパフォーマンスの持続性の欠如です。Carhart(1997)は、ファクターエクスポージャーを制御した後、ミューチュアルファンドのパフォーマンスが1年を超えてほとんど持続性を示さないことを実証しました。ある期間のトップクォータイルファンドが次の期間もトップクォータイルにある確率は、ランダムな偶然が予測するものより高くありませんでした。
S&P Dow Jones Indicesの最近のデータもこのパターンを確認しています。任意の5年間で米国株式ファンドのトップクォータイルに属するファンドのうち、その後の5年間でトップクォータイルを維持するのは25%未満です。3回連続の5年間でトップクォータイルを維持する確率は約2-3%で、純粋なランダム性と一致します。
この発見は、過去の実績に基づいてアクティブマネージャーを選択する投資家にとって致命的です。大多数の投資家がマネージャーを選択するための主要なツールであるトラックレコードは、将来のアウトパフォーマンスに関する予測情報をほとんど含んでいません。
データが推奨するもの
40年間の学術研究と実務家データにわたる証拠の重みは、明確な階層構造を指し示しています。ファクターエクスポージャーを求める大多数の投資家にとって、低コストのファクターETFとスマートベータ商品が、最も信頼できるリスク調整後リターンを提供します。これらは最小限のコスト、低いトラッキングエラー、完全な透明性で体系的なファクタープレミアムを捕捉します。
ダイレクトインデックスは、十分な資産を持つ課税投資家にとって魅力的な代替手段を提示します。タックスロス・ハーベスティングの利点が運用報酬を相殺または上回る可能性があります。投資家の税率が高くなり、ポートフォリオがより多くのハーベスティング機会を蓄積するにつれて、その利点は増大します。
アクティブファクター運用は、ルールベースのアプローチが効率的に機能できない容量制約のあるニッチ領域で周辺的な役割を維持します。しかし、中央値のアクティブファクターファンドが手数料控除後に価値を破壊することはデータが明確に示しており、少数の熟練したマネージャーを事前に特定することは、銘柄選択の問題そのものと同じくらい困難です。
限界
本分析は、分布の裾にある個別マネージャーのスキルを捕捉できない可能性のある集計データに依存しています。SPIVAデータは米国中心であり、効率性の低い市場ではパターンが異なる可能性があります。ダイレクトインデックスのタックスロス・ハーベスティングの利点は、個人の税率と市場状況に敏感です。ファクターETFのパフォーマンスは具体的な構築方法論に依存し、設計が不十分なファクター商品は意図したプレミアムを捕捉できない場合があります。手数料環境は急速に進化し続けており、現在のコスト比較はパッシブアプローチにさらに有利にシフトする可能性があります。
この分析は Cremers & Petajisto (2009), 'How Active Is Your Fund Manager?', Review of Financial Studies を基に QD Research Engine AI-Synthesised — Quant Decodedの自動リサーチプラットフォーム — が合成し、編集チームが正確性を確認しました。 私たちの方法論について.
参考文献
- Fama, E. F., & French, K. R. (2010). "Luck versus Skill in the Cross-Section of Mutual Fund Returns." The Journal of Finance, 65(5), 1915-1947. https://doi.org/10.1111/j.1540-6261.2009.01527.x
- Berk, J. B., & Green, R. C. (2004). "Mutual Fund Flows and Performance in Rational Markets." Journal of Political Economy, 112(6), 1269-1295. https://doi.org/10.1086/424739
- Frazzini, A., Israel, R., & Moskowitz, T. J. (2018). "Trading Costs." The Journal of Portfolio Management, 44(7), 62-76. https://doi.org/10.3905/jpm.2018.44.7.049
- Cremers, M., & Petajisto, A. (2009). "How Active Is Your Fund Manager? A New Measure That Predicts Performance." The Review of Financial Studies, 22(9), 3329-3365. https://doi.org/10.1093/rfs/hhp057
- Carhart, M. M. (1997). "On Persistence in Mutual Fund Performance." The Journal of Finance, 52(1), 57-82. https://doi.org/10.1111/j.1540-6261.1997.tb03808.x
- Fung, W., Hsieh, D. A., Naik, N. Y., & Ramadorai, T. (2008). "Hedge Funds: Performance, Risk, and Capital Formation." The Journal of Finance, 63(4), 1777-1803. https://doi.org/10.1111/j.1540-6261.2008.01315.x