平均分散最適化の実務上の問題とブラック・リッターマンの解決策

マーコウィッツの平均分散最適化は理論的には美しいものの、実務で使うと極端な資産配分が算出されるという深刻な問題を抱えています。期待リターンの推定値をわずかに変えるだけで、最適ポートフォリオの構成が劇的に変化し、特定の資産クラスに 100% 集中するような非現実的な結果が出ることも珍しくありません。1990 年にゴールドマン・サックスのフィッシャー・ブラックとロバート・リッターマンが開発したブラック・リッターマンモデル (BL モデル) は、この問題を市場均衡リターンという出発点を導入することで解決しました。

BL モデルの核心的なアイデアは、CAPM から導かれる市場均衡リターン (インプライド・リターン) を事前分布として使い、そこに投資家の主観的な見通し (ビュー) をベイズ推定で統合するという点にあります。市場均衡リターンとは、現在の市場の時価総額加重ポートフォリオが最適ポートフォリオであると仮定した場合に逆算される各資産の期待リターンです。この出発点を使うことで、投資家が何も見通しを持たない場合は市場ポートフォリオが推奨され、見通しを持つ場合にのみそこからの乖離が生じるという直感的な結果が得られます。

ビューの設定とその確信度の表現方法

BL モデルの実践で最も重要なステップは、投資家のビュー (見通し) を定量的に表現することです。ビューには「絶対ビュー」と「相対ビュー」の 2 種類があります。絶対ビューは「日本株は今後 1 年で 8% 上昇する」のように特定の資産クラスのリターンを予測するものです。相対ビューは「米国株は欧州株を 3% アウトパフォームする」のように 2 つの資産クラスの相対的なリターン差を予測するものです。相対ビューのほうが絶対水準の予測よりも精度が高い傾向があり、実務では多用されます。ベイズ推定と投資予測の関連書籍でも解説されているように、ビューの確信度を適切に設定することがモデルの出力品質を左右します。

各ビューには確信度 (コンフィデンス) を設定します。確信度が高いビューほど、最終的なポートフォリオに大きな影響を与えます。確信度が低いビューは市場均衡リターンにわずかな修正を加えるにとどまります。この仕組みにより、投資家は「強い確信がある見通し」と「なんとなくそう思う程度の見通し」を区別してモデルに反映できます。確信度の設定には、過去の予測精度の実績や、見通しの根拠となるデータの質を考慮します。

個人投資家が BL モデルの考え方を活用する方法

BL モデルの数学的な実装は複雑ですが、その背後にある考え方は個人投資家にも十分に活用できます。まず、出発点として市場ポートフォリオ (全世界株式インデックスなど) を採用します。次に、自分が確信を持てる見通しがある場合にのみ、その見通しに基づいてポートフォリオを調整します。たとえば「新興国の成長率が先進国を上回る」という見通しに高い確信があれば、新興国株式の比率を市場ウェイトよりやや高めに設定します。

重要なのは、見通しがない資産クラスについては市場ウェイトをそのまま維持するという規律です。市場ポートフォリオとインデックス投資の書籍で強調されているように、根拠のない偏りを排除し、確信のある領域でのみ市場から乖離するというアプローチは、過度な集中投資のリスクを抑えながらアクティブな見通しを反映する合理的な方法です。BL モデルの思想は「謙虚さと確信のバランス」を投資に持ち込むことにあります。

BL モデルの思想を投資に活かすネクストアクション

BL モデルの考え方を実践に移すには、まず自分の現在のポートフォリオが市場ポートフォリオからどれだけ乖離しているかを確認することから始めましょう。全世界株式インデックスの地域別構成比 (米国約 60%、欧州約 15%、日本約 5%、新興国約 10% など) と自分のポートフォリオを比較し、意図的な乖離なのか無意識の偏りなのかを判別します。意図的な乖離がある場合は、その根拠となるビュー (見通し) を文書化し、確信度を 1-5 段階で自己評価してみてください。

確信度の低いビューに基づく大きな乖離が見つかった場合は、市場ウェイトに近づける方向でポートフォリオを調整することを検討しましょう。当サイトの複利計算ツールで、市場ウェイトに近いポートフォリオと現在のポートフォリオの長期リターンを比較シミュレーションすると、乖離の影響を定量的に把握できます。半年に 1 回、自分のビューと確信度を見直し、変化があればポートフォリオに反映するサイクルを確立してください。