ボラティリティ・ターゲティング：リスクを調整してリターンを改善する

要点

ボラティリティ・ターゲティングは、投資家が利用できる最もシンプルかつ効果的なリスク管理手法の一つである。アイデアは明快だ：実現ボラティリティが上昇したらポートフォリオのエクスポージャーを減らし、低下したら増やす。MoreiraとMuir（2017）は、このアプローチがリターン予測能力なしに米国市場ポートフォリオのシャープレシオを約20〜40%改善することを実証した。この戦略が機能するのは、ボラティリティが非常に予測可能だからだ——今日のボラティリティは明日のボラティリティの強力な予測因子である——一方、ボラティリティと将来リターンの関係は驚くほど弱い。

核心的洞察：ボラティリティは予測可能、リターンは予測不能

すべての投資家は、株式リターンの予測が極めて困難であることを知っている。しかし、投資家はしばしば補完的な事実を見落とす：リターンは予測困難だが、そのリターンのリスクは比較的容易に予測できる。

実現ボラティリティは強い持続性を示す。先週市場が変動的だったなら、今週も変動的である可能性が非常に高い。このクラスタリングは、日次リターンの分散が集積するという観察によって捕捉される。

ボラティリティ・ターゲティングの核心的洞察は、リスクの予測可能性と、リスクと期待リターンの弱い関係が組み合わさって、無料の機会を生み出すということである。高ボラティリティ期間が比例的に高いリターンで投資家を補償しないなら、その期間にエクスポージャーを維持することは追加報酬なしにより多くのリスクを受け入れることを意味する。

ボラティリティ・ターゲティングの仕組み

基本公式

ボラティリティ管理ポートフォリオは、目標ボラティリティ水準に応じてリスク資産へのエクスポージャーをスケーリングする：

ウェイト = 目標ボラティリティ / 実現ボラティリティ

例えば、目標ボラティリティが年率15%で直近の実現ボラティリティが30%なら、リスク資産のウェイトは0.5（50%配分）に低下する。実現ボラティリティが10%に下がれば、ウェイトは1.5（150%、レバレッジ必要）に増加する。

実現ボラティリティの測定

最も一般的なアプローチは、短いルックバック期間の実現分散を使用する。MoreiraとMuirは前月の日次リターンを使用して実現分散を推定する。推定手法の選択は予想ほど重要ではない——すべての合理的推定手法がボラティリティクラスタリングという核心的統計特性を捕捉するためである。

資産クラス横断の証拠

MoreiraとMuirの研究は、ボラティリティ・ターゲティングが総合株式市場だけでなく、幅広い資産と戦略でリスク調整後リターンを改善することを示している。

改善は一貫しているがアセット間で均一ではない。ボラティリティが最も変動的な資産——株式とモメンタム——で最大であり、国債のようにボラティリティプロファイルが安定した資産ではより小さい。

なぜ機能するのか

事実1：ボラティリティはクラスタリングする

金融リターンのボラティリティは強い自己相関を示す。21日の実現分散推定値は、株式市場で約0.7〜0.8の一次自己相関を持つ。クラスタリングが起こるのは、ボラティリティの根底にあるドライバー——マクロ経済の不確実性、流動性条件、投資家心理——自体がゆっくり変化するためである。

事実2：リスク・リターンのトレードオフは弱い

古典的金融理論は、高いボラティリティに高い期待リターンが伴うべきだと示唆する。実証的には、この関係は弱いか、時にはマイナスである。

MoreiraとMuirは、非常に高いボラティリティの期間——危機エピソード、市場パニック——は、高いのではなくむしろ低い実現シャープレシオを持つ傾向があることを示す。この非対称性がボラティリティ・ターゲティングのエンジンである。

実践的な実装

ステップバイステップ

1. 実現ボラティリティを推定する。 過去21営業日の日次リターンの年率化標準偏差を計算する。

2. ポートフォリオウェイトを計算する。 目標ボラティリティを実現ボラティリティ推定値で割る。極端なレバレッジを防ぐためにウェイトに上限（1.5や2.0など）を設定する。

3. 配分する。 計算されたウェイトをリスク資産に投資し、残り（1マイナスウェイト）を現金または短期債券に配分する。

4. リバランスする。 日次または週次で繰り返す。

実装上の考慮事項

レバレッジ制限。 実現ボラティリティが目標を大幅に下回ると、公式は1.0以上のウェイトを処方し、レバレッジが必要になる。多くの投資家はノーレバレッジ実装のために最大ウェイトを1.0に制限するが、それでも大部分のベネフィットを獲得できる。

取引コスト。 目標ウェイト周辺にバンドを使用し、偏差が閾値を超えた場合のみリバランスすることで、ターンオーバーを大幅に削減しつつシャープレシオ改善の大部分を維持できる。

レジーム変化。 ボラティリティ・ターゲティングはボラティリティの変化に反応するのであって、予測するのではない。突発的なボラティリティスパイク時には、戦略はまだフルエクスポージャーの状態である。

トレンドフォローイングおよびリスクパリティとの関係

ボラティリティ・ターゲティングは、リターン予測ではなくポートフォリオリスクの管理という共通哲学を持つ動的リスク管理手法のファミリーに属する。

リスクパリティはボラティリティ推定値を使用してウェイトを設定する。ボラティリティ・ターゲティングはリスクパリティ配分の上に適用して、全体ポートフォリオのリスクを動的に管理できる。

トレンドフォローイングは価格下落時にエクスポージャーを減らし、上昇時に増やす。価格下落は通常ボラティリティ上昇と同時に起こるため、トレンドフォローイングは暗黙的にある程度のボラティリティ・ターゲティングを行う。

3つのアプローチは相互補完的である。配分にリスクパリティ、方向性シグナルにトレンドフォローイング、リスク管理にボラティリティ・ターゲティングを使用するポートフォリオは、異なる情報源を活用する。

ファクターポートフォリオへの応用

ボラティリティ・ターゲティングの最も実用的な応用の一つは、ファクター戦略のエクスポージャー管理である。ファクターリターン——特にモメンタム、バリュー、キャリー——は、総合市場ボラティリティよりも顕著な時変ボラティリティを示す。

例えば、モメンタムクラッシュはモメンタムポートフォリオのボラティリティの急増が先行する。ボラティリティ・ターゲティングされたモメンタム戦略は、クラッシュを予測するからではなく、それに先行する上昇するボラティリティに反応するため、自然と最悪の事態の前にエクスポージャーを減らす。

マルチファクター戦略で組み合わせる前に個別ファクターポートフォリオにボラティリティ・ターゲティングを適用することで、全体ポートフォリオのリスク調整後パフォーマンスを大幅に改善できる。

限界

ボラティリティ・ターゲティングは突発的な予期しないボラティリティスパイクによる損失を防げない。ボラティリティが上昇する前ではなく、上昇した後にエクスポージャーを減らす反応的戦略である。目標エクスポージャーを維持するためにレバレッジが必要な持続的な低ボラティリティ強気相場では、静的配分をアンダーパフォームする可能性がある。過去のシャープレシオ改善が将来も同じ規模で持続するとは限らない。最後に、ボラティリティ・ターゲティングはリターンを予測せず、ボラティリティが中程度のまま持続する長期弱気相場では役立たない。