アクティブ運用の基本法則：大半のマネージャーが数学的に失敗する理由

要点

1989年にRichard Grinoldが導入したアクティブ運用の基本法則は、アクティブポートフォリオマネージャーのパフォーマンスをシンプルな公式に凝縮します：IR = IC x sqrt(BR)。インフォメーションレシオ（IR）は、予測スキルを測定するインフォメーション係数（IC）に、年間の独立したベット数であるブレス（BR）の平方根を掛けた値に等しくなります。その後、Clarke、de Silva、Thorleyは、マネージャーがシグナルをポートフォリオポジションにどれだけ効率的に変換できるかを捉えるトランスファー係数（TC）を追加して拡張しました。この公式は厳しい数学的現実を明らかにします：大半のアクティブマネージャーは手数料を正当化するだけの十分なスキルやブレスを生み出すことができません。

アクティブ運用を説明する公式

1989年、Richard Grinoldは投資業界に最も強力な分析フレームワークの一つを提供する論文を発表しました。アクティブ運用の基本法則は、マネージャーのリスク調整後パフォーマンスを2つの測定可能な要素の積に還元します：どれだけ正しいか、そして正しくなる機会がどれだけあるかです。

Grinold (1989)はこれを次のように表現しました：

IR = IC x sqrt(BR)

ここでIRはインフォメーションレシオ（年率換算アルファをトラッキングエラーで割ったもの）、ICはインフォメーション係数（予測リターンと実現リターンの相関）、BRはブレス（年間の独立した予測機会の数）です。

この公式の力は分解にあります。マネージャーのIRは一つの不可解な数値ではなく、スキルと機会の積です。この分解は、高いリスク調整後リターンへの2つの道筋を即座に示します：予測に非常に優れているか（高いIC）、多くの独立したベットを行うか（高いBR）です。

GrinoldとKahnの教科書的整理

GrinoldとKahnは1999年の教科書Active Portfolio Managementにおいてこのフレームワークを大幅に拡張しました。この著作は、アクティブマネージャーが予測生成からポートフォリオ構築、パフォーマンス測定に至る投資プロセス全体をどのように考えるべきかを体系化しました。

この教科書は基本法則とシャープレシオの関係を明確にしました。ベンチマークに対してアクティブポジションを取るポートフォリオの場合、IRはアクティブベットの効率性を測定します。高いIRは、マネージャーがアクティブリスク単位当たりより多くのアルファを生成していることを意味します。

Grinold and Kahn (1999)は、ICが大半の予測タスクで通常非常に低いことを強調しました。リターン予測が実際のその後のリターンと5%の相関を持つIC 0.05を達成する銘柄選択者は、十分に良好なパフォーマンスを示しています。IC 0.10は例外的な水準です。高額報酬を受ける専門家を含む大多数の予測者は、ゼロに近いICを達成しています。

ここでブレスが決定的に重要になります。ICが0.05に過ぎない場合、競争力のあるIRを生成するために膨大なブレスが必要です。計算は明快です：

適度なスキル（IC = 0.05）を持つ銘柄選択者が100銘柄をアクティブに運用すると、期待IR 0.50を達成します。はるかに高いスキル（IC = 0.15）を持つマクロトレーダーが年間4つの独立したベットしか行わない場合、IRはわずか0.30にとどまります。平方根関数はブレスを倍にしてもIRが約41%しか増加しないことを意味しますが、多くの独立したベットの累積効果は強力です。

Treynor-BlackからGrinoldへ

Grinoldのフレームワークは無から生まれたわけではありません。Treynor and Black (1973)はすでに最適なアクティブポートフォリオ構築の理論的基盤を確立していました。彼らのモデルは、パッシブ市場ポートフォリオとアルファおよび残差リスクに応じてサイジングされたアクティブポジションをどのように組み合わせるかを示しました。

Treynor-Blackモデルは、アクティブポジションの最適ウェイトが残差分散に対するアルファに比例するという原則を示し、これはGrinoldフレームワークのIC基準のウェイト付けを先取りするものでした。TreynorとBlackの核心的洞察は、適度な銘柄選択能力であっても多くのポジションにわたって適用すれば、意味のあるポートフォリオレベルの価値を創出できるということでした。

Grinoldの貢献は、この直感を明確な分解として公式化したことです。スキル（IC）と機会（BR）を分離することで、マネージャーが自身のパフォーマンスを診断し、改善への投資をどこに行うべきかを特定できるフレームワークを作り出しました。

トランスファー係数の拡張

元の基本法則は、マネージャーが予測を完璧に実行できると仮定していました。すべてのシグナルを制約なく最適なポートフォリオポジションに変換するということです。実際には、マネージャーは多くの制約に直面します：ロングオンリー制限、セクター制限、回転率制限、税務上の考慮、取引コストです。これらの制約はシグナル伝達の効率性を低下させます。

Clarke, de Silva, and Thorley (2002)は、この実装上の摩擦を捉えるためにトランスファー係数（TC）を導入しました。拡張された基本法則は次のようになります：

IR = TC x IC x sqrt(BR)

TCは0から1の範囲で、1は制約のない実装を、より低い値はマネージャーのシグナルを希釈する制約の程度を反映します。ロングオンリー制約だけでも一般的な株式ポートフォリオのTCを約0.6に低下させる可能性があり、期待IRを即座に40%削減します。

トランスファー係数の拡張は、アクティブ運用の多くの観察者が気づいていた一つの謎を説明します：明らかなスキルを持つ一部のマネージャーがなお平凡なリターンを生み出す理由です。問題はしばしばシグナルではなく実装にあります。30%のセクター制限と年50%の回転率が課されたロングオンリーポートフォリオに制約された優秀なアナリストは、予測シグナルの40%しかポートフォリオウェイトに伝達していない可能性があります。

大半のアクティブマネージャーが数学的に失敗する理由

基本法則は、実証ファイナンスにおける最も堅牢な発見の一つに対する厳密な説明を提供します：大多数のアクティブマネージャーが手数料控除後にベンチマークを下回るということです。数学は容赦ありません。

一般的なアクティブ運用の大型株ファンドを考えてみます。マネージャーは適度な予測能力（IC = 0.05）で100銘柄をカバーできますが、四半期ごとのリバランスとポジション間の相関により有効ブレスは年間約50の独立したベットに減少します。ロングオンリー制約とその他のポートフォリオ制限によりTCは約0.60に低下します。期待IRは次のようになります：

IR = 0.60 x 0.05 x sqrt(50) = 0.21

IR 0.21と一般的なトラッキングエラー4%では、年間期待アルファはわずか0.84%です。運用報酬0.80%と取引コスト0.20%を差し引くと、ネットアルファはマイナスになります。マネージャーは真の、しかし適度な、スキルを持っているにもかかわらず価値を破壊します。

この算術がパッシブ投資の論拠を支えます。アクティブマネージャーがプラスのネットアルファを達成するには、高いIC、高いBR、高いTC、そして低い手数料の組み合わせが必要です。これらすべてを同時に達成することは稀です。

実務でのIC測定

ICは理論的にはシンプルに見えますが、測定は微妙です。ICはマネージャーの予測リターン（アルファ）とそれに続く実現リターンの相関として定義されます。いくつかの実務的な課題が生じます。

第一に、ICは通常クロスセクションで測定されます：各時点で、すべての証券にわたるマネージャーの予測をその後のリターンに対してランク付けします。これらのクロスセクション相関の時系列平均がマネージャーのICを提供します。熟練したクオンツマネージャーの場合、0.02から0.08が一般的な値です。

第二に、ICは市場レジームによって大きく変動する可能性があります。バリュー志向の予測は通常の市場ではIC 0.08を示す可能性がありますが、モメンタム主導のラリーではマイナスのICを示す可能性があります。短期間でICを測定するとノイズの多い推定値が得られ、マネージャーはシグナルが回復する直前に放棄してしまう可能性があります。

第三に、ICは予測と評価期間の両方のホライズンに依存します。1ヶ月の予測を1ヶ月のリターンに対して評価したICは、同じシグナルを3ヶ月のリターンに対して評価したものとは異なるICを示します。GrinoldとKahnは、ICとBRが一貫して定義される必要があると強調しました：月次予測を使用してICを測定する場合、BRは月次リバランス回数に独立したポジション数を掛けた値であるべきです。

ブレスは思っているものと異なります

ブレスは基本法則で最も一般的に誤解される要素です。ブレスは単にポートフォリオの証券数ではありません。ブレスは年間に活用される独立した予測機会の数を測定します。

2つの重要な区別があります。第一に、相関のあるベットは有効ブレスを減少させます。200銘柄を保有するが主にセクターレベルでベットを行うマネージャーの独立したベット数は200よりはるかに少なくなります。各セクター内のポジションが高い相関を持つ場合、有効ブレスはセクターベット数に近くなる可能性があります。

第二に、リバランス頻度がブレスに影響します。月次で予測を更新し取引するマネージャーは、同じユニバースで年次更新するマネージャーの12倍のブレスを持ちます。これは付加価値の真の源泉です：他の条件が同じであれば、より頻繁な更新は予測スキルを活用する機会を増やします。

Buckle（2004）は、ポジションが相関している場合、ブレスの単純な計算が期待IRを2倍以上過大評価する可能性があることを示しました。有効ブレス調整にはアクティブポジションの平均クロスセクション相関の推定が必要であり、この作業自体が推定誤差を導入します。

戦略設計への示唆

基本法則はクオンツ戦略がどのように設計されるべきかについて直接的な示唆を提供します。研究リソースの配分と異なる戦略的アプローチ間の選択のためのフレームワークを提供します。

集中グローバルマクロ戦略と分散統計裁定戦略の間で決定するチームは、このフレームワークを使用して最低スキル要件を設定できます。マクロ戦略がBR = 10で手数料控除後に生き残るためにIR 0.50が必要な場合、要求されるICは次のようになります：

IC = IR / sqrt(BR) = 0.50 / sqrt(10) = 0.16

これは例外的に高い基準です。IC 0.16はマネージャーの予測が実現結果と16%の相関を持つ必要があることを意味し、ごく少数のマクロトレーダーしか長期間にわたって維持できない方向性精度の水準です。

BR = 1,000の統計裁定戦略に対する同じIR目標は次を要求します：

IC = 0.50 / sqrt(1000) = 0.016

IC 0.016ははるかに達成可能です。この非対称性は過去20年間のクオンツ、高ブレス戦略の成長を説明します。数学は高いスキルで少数の大きなベットを行う戦略よりも、適度なスキルで多くの小さな独立したベットを行う戦略に有利です。

クラウディング問題

基本法則の重要な限界の一つは、ICとBRを静的パラメータとして扱うことです。実際には両方とも動的であり、クラウディングによって侵食される可能性があります。

複数のマネージャーが同じシグナルを追求すると、それらのシグナルから得られるアルファは減少します。バリューのようなファクターが1980年代にIC = 0.05を提供していた可能性がありますが、数千億ドルがバリュー戦略に流入するにつれて、個々のマネージャーが利用可能なICは低下しました。これがクラウディングによるアルファ減衰であり、基本法則はこれを直接捉えることができません。

同様に、より多くのマネージャーが同じブレスを巡って競争すると、各マネージャーが利用可能な有効ブレスは縮小します。同じ3,000銘柄を取引する200人のクオンツ株式マネージャーは、集合的に一人の200倍のブレスを持つわけではありません；彼らは同じ予測機会のプールを巡って競争しています。

McLean and Pontiff (2016)は、アノマリーリターンが学術論文発表後に約32%減少することを記録し、既知のシグナルから利用可能なICがより多くの資本がそれらを追求するにつれて減少することを示唆しました。発表後のIC 0.03の公開ファクターに依存するマネージャーの場合、IR 0.50を達成するために必要なブレスは約280の独立したベットに増加します。

実践的な分解演習

このフレームワークを説明するために、仮想のロングショート株式ファンドのパフォーマンスを分解してみます。

このファンドは150のロングポジションと100のショートポジションを保有し、月次でリバランスします。5年間の実現IRは0.65です。基本法則を使用して、この結果と整合するIC、BR、TCの組み合わせを推定できます。

TC = 0.80（適度な制約のあるロングショートファンドに合理的な仮定）を仮定すると、IC x sqrt(BR)の暗示される積は次のようになります：

IC x sqrt(BR) = 0.65 / 0.80 = 0.81

有効ブレスが年間200の独立したベット（250ポジションの相関と月次リバランスを考慮）であれば、暗示されるICは次のようになります：

IC = 0.81 / sqrt(200) = 0.057

IC 0.057は熟練したクオンツ株式マネージャーと整合します。この分解は、ファンドの好パフォーマンスが非凡な予測スキルよりも主にブレス（月次リバランスが適用された多くの独立したポジション）から生じていることを示します。ファンドの回転率制約が厳しくなるかポジション数が半分になれば、期待IRは相当に低下するでしょう。

基本公式を超えて

基本法則はその優雅さにもかかわらず、実務家が理解すべきいくつかの単純化仮定を含みます。予測が証券と時間期間にわたって独立であること、ICが一定であること、マネージャーが制約の下でポジションを最適に配分できることを仮定します。

実際には、予測相関が有効ブレスを減少させ、ICはレジームによって変化し、取引コストが希望するポジションと実際のポジションの間にくさびを生じさせます。QianとHua（2004）、Ding（2010）によるより精緻な研究はこれらの仮定の一部を緩和した一般化版を開発しましたが、基本フレームワークはアクティブ運用について考えるための最も有用な出発点として残っています。

基本法則の最大の貢献は、公式的というよりも哲学的なものかもしれません。マネージャーと投資家にパフォーマンスの源泉について厳密に考えることを強制します。会話の焦点を「このマネージャーは優秀か？」から「このマネージャーはどのようにリターンを生み出しており、その源泉は持続可能か？」に転換させます。銘柄選択者、マクロトレーダー、または体系的クオンツファンドに適用されるにせよ、この分解は投資管理において最も明確化をもたらす演習の一つとして残っています。

参考文献