市場リターンに対する証券リターンの感応度!?

前回のマネープラン・ガイダンスでは、分散投資によって消去できるリスクと分散投資によっても消去できないリスクについて、また、市場リターンの分散1単位との証券と市場リターンの共分散の比であるβの考え方などについて解説した。

今回は、実際の月間リターンデータを用いて実証分析を行った結果の解説からスタートする。

ただし、このような理屈を知ったからと言って、必ず投資が成功するわけではない。

金融ビジネスに携わる際の理論武装に過ぎない。

そのことを最初に申し上げておきます。

※想像以上の成果を得るために知るべきたった一つの秘密!?

ベーダ(β)の推定

リターン

日本FP協会CFPカリキュラムより抜粋

図表2-19は、2009 (平成21)年1月から2011 (平成23)年12月までの3年間の月次リターンデータを示したものだ。

横軸に市場リターン、縱軸にA社(旭硝子)のリターンをとり、その関係をプロットしている。

これらの月次リターンデータを用いて最小2乗法による回帰分析を行い、市場リターンに対する証券のリターンの感応度を示す尺度であるベーダを推定していこう。

分析には、多くの人が精通していると思われる表計算ソフト、マイクロソフト社のExcelを用いる。

ソフトのバージョンによって若干異なる場合もあるが、そこは個々に応用してほしい。

図表2-19を観察すると、プロットされた36個の点にはある種の傾向が見られる。

多くの点が市場リターンもA社のリターンともに正、もしくは負である場所に分布していることがわかる。

その因果関係はさておき、市場リターンが正であるとき、A社のリターンも正の値をとり、逆に市場リターンが負であったとき、A社も負の値をとる傾向があることが確認できる。

ここで、前回の投稿「慎重に選んで分散投資してもリスクは避けられない」の文中で紹介したシングルファクターモデルが成り立つと仮定する。

※ri,t=βirM,t+[αi+(誤差i,t)]

参考▼

rはリターン、iは旭硝子、Mは市場、tは月番号、αとβはこれから求める直線の切片と傾きを示す値であり、[ ]内は旭硝子の毎月のリターンがaとβ、そして市場リターンでは説明しきれない誤差を説明する項

そこから表計算ソフトを用いて回帰分析を行い、αとβの値の推定を試みよう。

まず、図表2-19で示した36個のデータを、図表2-20のように、縦に旭硝子のリターンと市場リターンを2列で時系列に並べてみる。

もしくは、横に2行にする。

図表2-20ではデータの該当年月を入力したが、データ分析上必要ではない。

また、データラベルはグラフを見やすくするために入力しておくといいだろう。

図表2-20 リターンデータの入力

旭硝子のリターン市場リターン
2009-0.5-7.5
-10.4-4.3
21.03.0
12.98.0
19.17.1

回帰分析結果は図表2-21(一部修正)のようになる。

回帰分析結果

図表2-21:日本FP協会CFPカリキュラムより抜粋

上記の例から仮定した単一ファクターモデルの※ri,t=βirM,t+[αi+(誤差i,t)]式のαとβの推定結果が得られる。

①によって示された表に、「切片」が1.5957、「市場リターン」が1.8019という値が示されている。

これらの値がそれぞれ、αとβの推定値になる。

要するに、※ri,t=βirM,t+[αi+(誤差i,t)]式は、i=1として次のように推定される。

推定された^ri,t=1.5957+1.8019rM,t式が、図表2-21に示されるグラフ上の直線で、この回帰直線の切片が1.5957、傾き(市場リターン)が1.8019。

ここで、特にベーダの値が正の値を示している意味は、A社の月次リターンの変動が、月次市場リターンの変動の方向(平均値からの上下)と同じ変動の方向を持つ傾向がある、ということだ。

さらに、1.8019という値の意味は、ベーダが1以上であることがわかる。

つまり、旭硝子の変動は市場リターンの変動と同じ方向に、しかも1.8019倍の変動幅で変動する傾向がある。

図表2-21の②によって示される[t値]および「P値」は、①で得たa = 1.5957、β= 1.8019という値がどの程度信頼性があるかを示したものだ。

もし、「P値」が0.05をこえていれば、係数として得られた値の信頼性があまり高くない。

したがって、係数はゼロと見なすべきだろう。

もしも0.05以下であれば、推定された係数が高い確率で信頼できることになる。

このように一般的に使用される判断基準を利用すると、βについての「P値」は0.00であり、十分に小さいため、信頼性の高い推定結果であることがわかる。

逆にαこついては、0.0786という値となっており、0.05よりも大きく、あまり信頼性は高くない。

したがって、a=0と見なすべき、という判断ができる(詳細については、統計学のテキストなどを参照)。

また、図表2-21のグラフを見てわかるとおり、この回帰直線とプロットされたリターンとの間には乖離(かいり)がある。

これは、推定された回帰直線がA社のリターンと市場リターンの関係を完全には説明できていないことを意味する。

ここで、前回の投稿で証券iのリターンのリスクを定義した「※1証券iのリスク=システマティック・リスク+非システマティック・リスク」という式を使う。

つまり、A社のリスクは、市場の変動であるシステマティック・リスクと、A社固有の非システマティック・リスクとに分けられる。

図表2-21の③によって示された「決定係数R2」という統計量は、A社のリターンの変動のうち市場リターンの変動で説明できる割合(右辺第1項)を示す。

この場合、A社の変動の74.8 %は全体に占める「システマティック・リスク」の割合を示す。

残り25.2%はA社固有の変動であり、全体に占める「非システマティック・リスクの割合を示す」と解釈できる。

もし、これと同じ手順でポートフォリオのリターンと市場リターンの回帰分析を行うとすると、決定係数はポートフォリオの分散投資の程度を示すことになる。

参考▼

※2ポートフォリオの総リスク=ポートフォリオのシステマティック・リスク+(1/k)各銘柄の非システマティック・リスクの平均

という式から、ポートフォリオを構成する証券数が増加すると、非システマティック・リスクは減少し、ポートフォリオの合計リスクがポートフォリオのシステマティック・リスクに近くなる、つまり決定係数は1に近づくという関係から理解することができる。

このように、多くの専門家が日常的に使用する表計算ソフトを使用すれば、市場感応度としてのリスク尺度であるベーダ(β)を簡単に推定できる。

さいごに

1つの推定結果の絶対的な値から評価を行うことは難しい。

しかし、いくつかの個別証券、ポートフォリオについて推定を行い、比較すれば、個別証券やポートフォリオの特性をより理解するのは可能だ。

なお、以上の分析には、日本証券経済研究所のデータを用いたが、このリターンデータは配当が含まれたトータルリターンであり、分析するのに適している。

また、Yahoo ! ファイナンスの時系列データによっても同様の分析が可能だが、「調整後終値」には配当が含まれていない点に注意する必要がある。

次回は「価格決定モデルの考え方と運用成果評価の手法を学んで投資家の仲間入りをする」です。

ではまた。CFP® Masao Saiki
※この投稿はNPO法人日本FP協会CFP®カリキュラムに即して作成しています。

お試しカウンセリング
初回カウンセリング

あなたの所得増・資産形成プロセスを確りサポート!

私があなたに提供できること、それは・・・・

  • 支出を最適化する。
  • わずかな時間で収入を増やす。
  • 10%にも満たない小さな改善を10倍以上の成果につなげる。
  • FIRE、そしてその向こう側へ導く。

まだまだありますが、それらを実現するための方法と経験です。

この記事が気に入ったら
フォローしよう

最新情報をお届けします