QD Research EngineAI-Synthesised

イールドカーブの動学：ネルソン＝シーゲルから現代のターム・ストラクチャーへ

モデルとフレームワークディープダイブ
2026-03-09 · 16 min

レベル、スロープ、カーブの3つのファクターがイールドカーブの変動の99%以上を説明します。ディーボルド＝リーのフレームワークはこの洞察を実用的な予測・リスク管理ツールに変えます。

Yield CurveFixed IncomeNelson SiegelTerm StructureInterest RatesRecession Indicator
出典: Diebold & Li (2006), Journal of Econometrics ↗

個人投資家のための実踵的活用法

イールドカーブの傾きをアセットアロケーションのためのマクロレジーム指標として活用しましょう。10年-2年スプレッドが大きくマイナスの場合、歴史的に景気後退リスクが高まります——株式エクスポージャーを減らし、高い短期金利を確保するために債券デュレーションを延ばすことを検討してください。カーブが逆転から正常化する場合、利下げと景気回復の始まりを示すことが多いです。

編集者ノート

世界の中央銀行が異なる政策経路を模索する中——FRBの利下げ検討、日銀の正常化、ECBのユーロ圏非対称管理——イールドカーブは複雑で時に矛盾するシグナルを発しています。ディーボルド＝リーのフレームワークは、レベルシフト、スロープ変化、カーブのねじれを分離し、それらを解読する構造化されたレンズを提供します。

金融市場で最も注目される一本の線

2023年3月、米国10年物と2年物国債の利回りスプレッドは-107ベーシスポイントまで低下し、1981年以来最も深い逆転（インバージョン）を記録しました。ニューヨークから東京に至るトレーディングフロアでは、即座に反応が広がりました。イールドカーブの逆転は、1955年以降の米国の全ての景気後退に先行しており、誤ったシグナルはわずか一度だけでした。満期ごとの金利を結んだ線の傾き——このたった一つのデータポイントが、事実上他のどの経済指標よりも強力な景気後退予測力を持っています。その理由と、このカーブを生成するモデリング手法を理解することは、クオンツファイナンスにおける最も重要な課題の一つです。

イールドカーブは、国債の金利を残存期間（満期）に対してプロットしたものです。1年物国債の利回りが4.5パーセント、10年物が4.0パーセント、30年物が4.2パーセントということがあり得ます。これらの点をつなぐと、将来の金利、インフレーション、経済成長、リスクに対する市場の総合的な期待を反映したカーブが形成されます。経済全体の住宅ローン金利、社債スプレッド、スワップ価格は、最終的にはすべてこのカーブを基準にしています。その形状を正確に把握することは極めて重要です。

しかし、イールドカーブは単にチャート上の点の集合ではありません。数十の満期それぞれが固有の利回りを持つ高次元の対象であり、複雑かつ相関のある形で動きます。これを分析し、取引し、内在するリスクを管理するには、本質的なダイナミクスを扱いやすい少数のパラメータで捉えるモデルが必要です。これこそ、Francis DieboldとCanlin Liが2006年の論文で達成したことであり、その後一世代の研究者たちが拡張してきた内容です。

ネルソン＝シーゲル・モデルの基礎

この物語は2006年ではなく1987年に始まります。Charles NelsonとAndrew Siegelが、イールドカーブに対する簡潔なパラメトリック形式を提案しました（Nelson & Siegel, 1987）。彼らの核心的な洞察は、イールドカーブは一見複雑に見えるものの、3つの構成要素で記述できるというものでした。

レベル（水準） — カーブ全体の高さです。すべての金利が一斉に上昇または下落するとき、それはレベルの変動です。これは予想短期金利の長期平均に対応し、イールドカーブの変動の約85パーセントを説明する最も支配的な変動要因です。

スロープ（傾き） — 長期金利と短期金利の差です。カーブがスティープ化またはフラット化するとき、それはスロープの変動です。一般的に、日銀（日本銀行）やFRBなどの中央銀行による短期的な政策経路への期待を反映しています。逆転したカーブ（負のスロープ）は、市場が利下げを織り込んでいることを示しており、歴史的に景気後退の接近と関連付けられてきました。

カーベチャー（曲率） — 短期と長期の両端に対する中期金利の相対的な高さです。カーブの中間部分が両端に比べて上に膨らんだり下に凹んだりするとき、それはカーベチャーの変動です。これは政策変更のタイミングに関する不確実性やタームプレミアムのダイナミクスを反映することが多いです。

ネルソン＝シーゲル・モデルは、満期τにおける利回りを次のように表します：

y(τ) = β₁ + β₂ × [(1 - e^(-λτ)) / (λτ)] + β₃ × [(1 - e^(-λτ)) / (λτ) - e^(-λτ)]

ここで、β₁はレベルを、β₂はスロープを、β₃はカーベチャーを決定し、λは指数関数的減衰の速度を制御して、満期スペクトル上でスロープファクターとカーベチャーファクターの最大ローディング位置を決定します。

この3ファクター・モデルは驚くほど強力です。実際に観測される最も一般的なイールドカーブの形状——右上がり（正常）、右下がり（逆転）、ハンプ型、U字型——をすべて再現できます。わずか4つのパラメータで、本来ならば数十のデータポイントを必要とする対象を簡潔に要約することができます。

ディーボルド＝リ・モデル：カーブに動きを与える

ネルソンとシーゲルのモデルは静的でした——特定の時点におけるカーブのみを記述していました。DieboldとLiが2006年にJournal of Econometricsに発表した「Forecasting the Term Structure of Government Bond Yields」（Diebold & Li, 2006）は、これを動的なものにしました。彼らは3つのパラメータ（β₁、β₂、β₃）を時変ファクターとして再解釈し、時間的な変化をモデル化しました。

核心的な洞察は、この3つのファクターが、主成分分析（PCA）によってイールドカーブ・データから抽出されるレベル、スロープ、カーベチャーのファクターとほぼ完全に対応するという点でした。これは偶然ではなく、イールドカーブの動きに関する深い経験的規則性を反映したものです。数十年にわたる多くの国での研究により、3つの主成分がイールドカーブの変動の99パーセント以上を説明することが確認されてきました。ディーボルド＝リの貢献は、その主成分に経済的に解釈可能なパラメトリック構造を与えたことでした。

動的モデルの設定

ディーボルド＝リのフレームワークでは、各ファクターは固有の時系列過程に従います。最も単純な設定では自己回帰モデルを使用します：

  • β₁ₜ = c₁ + φ₁β₁,ₜ₋₁ + ε₁ₜ　（レベルはゆっくり変化、高い持続性）
  • β₂ₜ = c₂ + φ₂β₂,ₜ₋₁ + ε₂ₜ　（スロープは政策サイクルに反応）
  • β₃ₜ = c₃ + φ₃β₃,ₜ₋₁ + ε₃ₜ　（カーベチャーは中期ダイナミクスを捕捉）

ファクターは毎月のクロスセクション回帰によって推定され、推定されたファクターの経路に時系列モデルが当てはめられます。イールドカーブの予測は、3つの一変量時系列を予測する問題に帰着します。これは各満期の利回りを個別に予測するよりもはるかに単純な問題です。

予測パフォーマンス

ディーボルドとリは、このシンプルなフレームワークが、ランダムウォーク・モデル、VARシステム、アフィン期間構造モデルなど、はるかに複雑な代替手法と同等かそれ以上の予測を生み出すことを示しました。モデルの予測優位性は、経済的な意義が最も大きい長期予測区間（6〜12ヶ月）で最も顕著でした。

レベルファクターの予測が長期満期利回りの予測を主導しました。景気循環と密接に関連するスロープファクターの予測がカーブ形状の予測を主導しました。カーベチャーファクターの寄与は限定的でしたが、他の2つのファクターが捉えられない中期満期のダイナミクスの把握に役立ちました。

イールドカーブが景気後退を予測する理由

イールドカーブのスロープ——長期金利から短期金利を差し引いたもの——は、驚くべき正確さで景気後退を予測してきました。ディーボルド＝リのフレームワークは、その理由を理解するための構造的な視点を提供します。

スロープファクター（β₂）は、金融政策のスタンスと密接に関連しています。中央銀行がインフレーション対策として短期金利を積極的に引き上げると、カーブの短期部分が長期部分よりも速く上昇し、カーブがフラット化または逆転します。長期部分の反応が小さいのは、より長い期間にわたる平均予想金利を反映しているためです——市場が引き締め政策によって経済が減速すると判断すれば、将来の金利低下を予想し、長期金利が抑制されます。

したがって、逆転したカーブは特定のナラティブを内包しています：中央銀行が、市場が弱体化を予想する経済に対して引き締めを行っている、ということです。歴史的に、このナラティブは間違いよりも正解である場合の方が多くありました。2000年、2006年、2019年の逆転は、それぞれ12〜18ヶ月以内に景気後退に至りました。

2022〜2023年の逆転は40年ぶりの深さでしたが、広く予想された景気後退は遅延しました。いくつかの説明が提示されています：パンデミック期の過剰貯蓄が消費のバッファーとなった点、異例なほど堅調な労働市場、そして長年にわたる量的緩和によってタームプレミアム——投資家が長いデュレーションの債券保有に対して要求する対価——が歪められ、シグナルが不明瞭になった可能性です。この事例は重要な限界を浮き彫りにしています：イールドカーブの景気後退シグナルは経済メカニズム（引き締め政策が成長を鈍化させる）を通じて機能するため、他の力が作用している場合、シグナルは遅延したり弱まったりする可能性があります。

ネルソン＝シーゲルを超えて：現代的な拡張

ディーボルド＝リのフレームワークは、元のモデルの特定の限界に対処する豊富な拡張研究を生み出しました。

スヴェンソン拡張

Lars Svensson（1994）はネルソン＝シーゲル・モデルに4番目のファクターを追加し、カーブの長期部分における柔軟性を高めました。スヴェンソン・モデルは、独自の減衰パラメータを持つ2番目のカーベチャー項を追加することで、二重ハンプ型カーブやより複雑な長期部分の挙動を捕捉することを可能にします。欧州中央銀行（ECB）、日本銀行（日銀）、ドイツ連邦銀行など多くの中央銀行が、公式のイールドカーブ推定にスヴェンソン・モデルを採用しています。

裁定フリー・ネルソン＝シーゲル・モデル

Christensen、Diebold、Rudebusch（2011）は、ネルソン＝シーゲル・モデルの裁定機会を排除したバージョンを開発しました。元のモデルは、特定のパラメータ構成において裁定取引——均衡状態では存在し得ないリスクフリーの利益機会——を許容するイールドカーブを導出する可能性がありました。裁定フリー・バージョンは、この可能性を排除する交差方程式制約を課しつつ、モデルの簡潔性と予測力を維持しています。このバージョンはサンフランシスコ連邦準備銀行がイールドカーブ分析に使用しています。

機械学習による拡張

近年の研究では、機械学習の手法がイールドカーブ・モデリングに適用されています。ニューラルネットワーク・ベースのモデルは、線形のディーボルド＝リ・フレームワークでは捉えられない非線形のファクターダイナミクスを捕捉できます。しかし、サンプル内適合度の向上が常にサンプル外予測の改善につながるわけではなく、線形の3ファクター構造が本質的なダイナミクスを驚くほどうまく捉えていることを示唆しています。

実務への応用

債券ポートフォリオ運用

債券ポートフォリオ・マネージャーにとって、ディーボルド＝リのフレームワークはポートフォリオ・リスクを分解する自然な方法を提供します。レベルファクターに対するポートフォリオのエクスポージャーが、利回りのパラレルシフトに対する感応度を決定します。スロープファクターに対するエクスポージャーが、フラットニングおよびスティープニングに対する感応度を決定します。そしてカーベチャーへのエクスポージャーは、バタフライ・トレード——カーブの両端をロングし中央をショートする、またはその逆——に対する感応度を捕捉します。

これらのエクスポージャーを理解することで、マネージャーは特定のイールドカーブ・シナリオに意図的にポジショニングしたポートフォリオを構築できます。JGB（日本国債）市場でカーブのスティープ化を予想する（例えば日銀の利下げを期待する）マネージャーは、長期デュレーション債のウエイトを引き上げ、短期債のウエイトを引き下げることで、スロープファクターのエクスポージャーを高めることができます。

金融政策分析

中央銀行は政策分析にイールドカーブ・モデルを広範に活用しています。レベル、スロープ、カーベチャーへの分解は、市場の期待をリアルタイムで読み取る手段を提供します。スロープファクターの急速なフラット化は、市場が引き締め政策を織り込んでいることを示します。レベルファクターの上昇は、予想長期金利やインフレ期待の上昇を示唆します。カーベチャーファクターの変化は、中期的な政策見通しに関する不確実性の変化を明らかにすることがあります。

デリバティブの価格決定

金利デリバティブ——スワップ、スワップション、キャップ、フロア——は、イールドカーブ・モデルを用いて価格が決定されます。ネルソン＝シーゲルのファクターは、ヘッジおよび価格決定のフレームワークに組み込むことができる低次元のカーブ表現を提供し、本質的なダイナミクスを捕捉しつつ計算の複雑性を低減します。

クロスカントリー分析

このモデルの強みの一つは、国を超えた適用可能性です。レベル、スロープ、カーベチャーの3ファクター構造は、先進国および新興国の債券市場を通じて驚くほど一貫しています。研究者たちはディーボルド＝リのフレームワークを米国債、ドイツ連邦債（ブント）、日本国債（JGB）、英国国債（ギルト）、韓国国債などに適用し、同一の3ファクター分解が各市場のイールドカーブ変動の大部分を説明することを確認しています。

限界

ディーボルド＝リ・モデルは、その優雅さにもかかわらず、重要な限界があります。

定常性の仮定。 自己回帰ファクターダイナミクスは、ファクターが長期平均に回帰すると仮定しています。実際には、金利は構造的な変化を経験し得ます——たとえば1980年代から2020年代にかけての30年にわたる金利低下は、定常モデルでは捕捉が困難なレジームチェンジを示しています。

2段階推定。 標準的なアプローチでは、ファクターをクロスセクションで推定した後、ダイナミクスを別途モデル化します。この2段階の手続きは統計的に非効率であり、推定誤差を生じさせる可能性があります。カルマンフィルターを用いてファクターとダイナミクスを同時に推定する状態空間モデルがこの問題に対処しますが、実装はより複雑です。

信用リスクの未考慮。 このモデルはリスクフリーと仮定される国債のイールドカーブ向けに設計されています。社債への拡張には、クレジットスプレッドのダイナミクスやデフォルトリスクを捕捉する追加ファクターが必要となります。

線形ダイナミクス。 ファクターが線形自己回帰過程に従うという仮定は、特に政策レジームの変更前後において重要な非線形性を見逃す可能性があります。ゼロ金利下限の期間（2008〜2015年）は特に困難な課題を提示しました。通常であれば平均回帰するはずのファクターが、名目金利の実効的な下限によって制約されたためです。

現在の市場におけるイールドカーブ

2026年初頭の時点で、イールドカーブは依然としてグローバル市場で最も注視されている指標の一つです。FRBの政策経路、日銀の段階的な正常化、ユーロ圏内での成長経路の乖離に対する欧州中央銀行の対応が、各国のカーブの形状に——時に矛盾する形で——反映されています。

個人投資家にとっての実践的な要点は明快です。イールドカーブは債券トレーダーだけのための抽象概念ではありません。住宅ローン金利、預金利回り、債券と株式の相対的な魅力度に影響を及ぼします。カーブが急な右上がりのとき、長期デュレーション債はより高い利回りを提供しますが、リスクも大きくなります。カーブがフラットまたは逆転しているとき、短期金融商品は同等の利回りをより少ないデュレーションリスクで提供します——これは長期債よりも現金や短期債が有利な環境です。

レベル、スロープ、カーベチャーの3ファクター分解を理解することで、イールドカーブの変化をリアルタイムで解釈するフレームワークが得られ、市場の動きをノイズとしてではなく、経済ファンダメンタルズと結びつけて捉えることができるようになります。

本記事は教育目的のみで作成されたものであり、金融アドバイスを構成するものではありません。過去の実績は将来の結果を保証するものではありません。

関連

この分析は Diebold & Li (2006), Journal of Econometrics を基に QD Research Engine — 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

教育目的。投資助言ではありません。