1. この論文は何を検証したのか

この論文は、大阪公立大学・東京大学・みずほ第一フィナンシャルテクノロジーなどに所属する研究者4名（中川慧・竹本悠城・久保健治・加藤真大）が執筆したものである。

ひとことで言えば、「アメリカの業種別の株価の動きを手がかりにして、翌日の日本の業種別の株価を予測する」という戦略を、統計学の手法（主成分分析）を使って構築し、過去のデータで検証した研究である。

2. なぜアメリカの株価が日本に影響するのか — 「時差」のしくみ

株式市場の「リレー」

世界の株式市場は、地球の自転に合わせてリレーのように順番に開いていく。東京証券取引所は日本時間の午前9時〜午後3時に取引が行われ、ニューヨーク証券取引所は日本時間の午後10時30分〜翌午前5時（夏時間の場合）に取引される。つまり、日本市場が閉まった後にアメリカ市場が開き、アメリカ市場が閉まった後に翌日の日本市場が開くという関係にある。

「リードラグ効果」とは

この時差のおかげで、アメリカ市場で「今日」起きた出来事（決算発表、経済指標の発表、政策変更など）は、アメリカの株価にはその日のうちに反映される。しかし、日本市場はすでに閉まっているため、その情報が日本の株価に反映されるのは「翌日」以降になる。

この「先に動く市場」と「後から追いかける市場」の関係を、金融の世界では「リードラグ効果」（lead-lag effect、先行・追随効果）と呼ぶ。この論文は、このリードラグ効果を「業種単位」で利用できるかどうかを検証している。

「業種単位」で見ることの意味

市場全体の上げ下げだけでなく、「どの業種が強くてどの業種が弱いか」という情報も翌日の日本市場に伝わると考えるのが、この論文のポイントである。例えば、アメリカで半導体セクターが大きく上がった日は、翌日の日本でも電機・精密セクターが上がりやすい、といったパターンを数学的に捉えようとしている。

ただし、日米の業種区分は一対一で対応しているわけではない（アメリカは11業種、日本は17業種）。そこで、「共通のパターン（ファクター）」を統計的に抽出する手法が必要になる。それが次のセクションで紹介する「主成分分析（PCA）」である。

3. 主成分分析（PCA）— 大量の情報を少数のパターンにまとめる技術

テストの点数にたとえると

主成分分析（PCA = Principal Component Analysis）は、たくさんのデータから「本質的なパターン」を少数だけ取り出す統計手法である。身近な例でたとえてみよう。

中学校のテストで、国語・数学・英語・理科・社会の5科目があるとする。クラス全員の成績を見ると、「全体的に点数が高い生徒」と「文系科目だけ強い生徒」と「理系科目だけ強い生徒」がいることに気づくだろう。PCAは、5科目分のデータを分析して、このような隠れたパターン（「総合力」「文系力」「理系力」など）を自動的に見つけ出す技術である。

株式市場でのPCA

株式市場に当てはめると、日米合計28業種の毎日の値動きデータから、「世界全体のリスクオン・オフ（投資家がリスクを取りたいか、避けたいか）」「日米の相対的な強弱」「景気敏感セクターとディフェンシブ（守り）セクターの差」といった、少数の「共通パターン」を抽出できる。

この論文では、28業種の動きから3つの主要パターンを取り出している。

1. グローバルファクター — 世界中の株が一斉に上がる／下がるパターン（リスクオン・オフ）
2. 国スプレッドファクター — アメリカが強くて日本が弱い（またはその逆）パターン
3. シクリカル・ディフェンシブファクター — 景気敏感株（素材・エネルギー・金融など）とディフェンシブ株（食品・医薬品・電力など）の強弱パターン

この3つのパターンがわかれば、「今日のアメリカ市場で何が起きたか」を3つの数字に要約し、それを使って「明日の日本市場ではどの業種が上がりやすいか」を予測できるという発想である。

4. 部分空間正則化 — PCAのパターン推定を安定させる工夫

普通のPCAの弱点

PCA自体は古くからある手法だが、株式市場のデータに適用する場合、大きな弱点がある。株価の動きは日々変化するため、分析に使うデータの期間（ウィンドウ）を短く取ると、ノイズ（偶然の変動）に振り回されて、抽出されるパターンが不安定になってしまう。

実際、この論文でも検証期間中に、正則化なしのPCA（PCA_PLAIN）は年率リターン6.24%にとどまっている。パターン自体はあるのに、推定がブレてうまく拾えていない、ということだろう。

「正則化」＝お手本に近づける工夫

そこで登場するのが「部分空間正則化」（subspace regularization）という工夫である。これは、データから計算したパターンを、あらかじめ用意した「お手本」に引き寄せることで安定させる技術である。

具体的には以下のような手順をとる。

1. まず、経済学の知識にもとづいて「こういうパターンがあるはずだ」という3つのお手本（グローバル・国スプレッド・シクリカル/ディフェンシブ）を人間が設定する
2. 次に、直近60営業日（約3カ月分）のデータからPCAでパターンを計算する
3. 最後に、データから得たパターンとお手本を混ぜ合わせる（この論文ではお手本を90%、データを10%の割合で混合）

これは料理にたとえると、「レシピ（お手本）をベースにしつつ、その日の食材の状態（データ）に合わせて微調整する」ようなイメージだ。レシピなしに毎回ゼロから味付けすると不安定になるが、レシピに100%従うと食材の個性を活かせない。両者のバランスを取るのが正則化の役割である。

なぜ「部分空間」なのか

通常の正則化では、抽出した3本のパターンを1本ずつ個別にお手本へ近づける。一方、この論文の「部分空間正則化」では、3本のパターンが張る空間全体をお手本の空間に近づける。これにより、パターン同士の独立性（互いに重複しないこと）を保ちながら安定化できるという利点がある。

5. 投資戦略の組み立て方 — シグナルからポートフォリオへ

ステップ1: アメリカ市場の「今日の動き」を読み取る

毎日、アメリカ市場が閉まった後（日本時間の早朝）に、アメリカ11業種のETF（上場投資信託＝特定の業種や指数に連動する投資商品）の値動きを確認する。各業種が平均と比べてどれだけ上がったか・下がったかを計算する（標準化リターン）。

ステップ2: 3つの共通パターンに分解する

部分空間正則化PCAで抽出した3つのパターンを使って、アメリカ11業種の動きを3つの数字（ファクタースコア）に要約する。たとえば「今日はリスクオン（+）で、アメリカ優位（+）で、景気敏感株が強い（+）」のように読み取る。

ステップ3: 日本の業種別の予測値を計算する

ステップ2で得た3つの数字を、日本17業種のパターン（各業種が3つの数字にどう反応するかの対応表）を使って「復元」する。すると、日本の各業種について「明日はどれくらい上がりそうか・下がりそうか」という予測値（シグナル）が17個得られる。

ステップ4: ロングショートポートフォリオを組む

予測値が高い上位30%の業種を買い（ロング）、低い下位30%の業種を売り（ショート）にする。翌日の日本市場の寄付き（朝の取引開始時）に売買を実行し、大引け（取引終了時）に決済する。つまり毎日、朝買って夕方売る（または朝売って夕方買い戻す）という超短期の戦略である。

ロングショート戦略とは、「上がると予想するものを買い、下がると予想するものを売る」ことで、市場全体の方向に関係なく利益を狙う手法である。市場全体が下がっても、ショート（売り）のポジションが利益を出してくれるため、値動きの方向ではなく「業種間の相対的な差」から収益を得ることができる。

6. 検証結果 — 年率23.8%のリターン

バックテスト結果の比較

論文では、提案手法（PCA_SUB）を含む4つの戦略を、2015年頃から2025年末にかけてのデータで比較している。結果は以下のとおりだ。

結果の読み方

各指標の意味は以下のとおりである。

• 年率リターン（AR） — 1年間に平均でどれだけ増えたか。PCA_SUBの23.79%は、100万円を運用すると1年後に約123.8万円になる計算だ
• 年率リスク（RISK） — リターンのばらつき（標準偏差）。値が小さいほど安定している。PCA_SUBは10.70%で、他の戦略と同程度のリスク水準にとどまっている
• R/R（リターン÷リスク） — リスク1単位あたりのリターン。シャープレシオ（運用の効率を測る代表的な指標）に近い概念で、値が大きいほど「効率よく稼いでいる」ことを示す。PCA_SUBの2.22は非常に高い値である
• 最大ドローダウン（MDD） — 資産が直近の高値から最大で何%下がったか。PCA_SUBの9.58%は4戦略中で最も小さく、大きな損失が抑えられていることを示す

なぜ提案手法だけが突出しているのか

リスク水準（約10〜11%）はどの戦略もほぼ同じだ。なのに、リターンには大きな差がついた。正則化なしのPCAは、短い期間のデータからパターンを取り出すときにノイズに振り回されて、予測の精度が落ちる。正則化を入れるとパターンの推定が安定し、予測が当たりやすくなる。この違いが、そのままリターンの差になって表れている。

ファクターモデルによるリスク調整

ただ、このリターンはバリューやモメンタムといった、よく知られた稼ぎ方の焼き直しではないのか。論文はその疑問を、Fama-French 3ファクターモデルとCarhart 4ファクターモデルで確かめている。どちらも、バリュー・会社規模・モメンタムなどよく知られた要因でリターンを説明できるかを調べる、学術的な定番モデルである。

結果として、PCA_SUBの年率アルファ（リスク調整後の超過リターン＝既知の要因で説明しきれない上乗せ分）は約22.2%だった。偶然でこの数字が出る可能性はほぼゼロである（t値 = 6.69〜6.73。t値は統計的な確からしさを表す数字で、2を超えれば偶然とは考えにくいとされる）。つまりこの戦略は、バリューやモメンタムといった従来の投資スタイルとは別の場所から稼いでいる可能性が高い。

面白いことに、PCA_SUBのモメンタムファクターへの係数はマイナスだった。つまり、この戦略はモメンタム（上がっている銘柄をさらに買う）とは異なるメカニズムで収益を上げており、「情報の伝播」という別の現象を捉えていることがわかる。

7. この研究の意義と注意点

研究としての貢献

この論文の新しかった点は3つある。

1. 時差による市場のずれを、はっきりした投資戦略の形にまとめた — 「アメリカが上がったら日本も上がる」という漠然とした経験則を、数学的に厳密なモデルに落とし込んだ
2. 経済的に意味のある事前情報を組み込んだ — 「グローバル」「国スプレッド」「シクリカル/ディフェンシブ」という3つのパターンを人間が設定し、データだけに頼らない安定した推定を実現した
3. 既知のスタイルファクターでは説明できない収益の源を見つけた — 情報の「時差伝播」という、バリューやモメンタムとは異なる稼ぎ方を示した

注意すべき点・限界

個人的な見解

いちばん面白いのは、正則化の有無でここまで大きな差が出ることだ。PCA_PLAIN（正則化なし）の年率6.24%に対して、PCA_SUB（正則化あり）は23.79%と約4倍の差がある。しかもリスクの大きさはほぼ同じだ。

要するに、日米間の情報伝播パターンは確かに存在するが、それを安定して推定できるかどうかで成否が分かれる。投資戦略では「何を予測するか」だけでなく「どう推定するか」が決定的に重要なのだ。自分が自前のデータで戦略を検証するときにも、いつも痛感する点である。

一方で、年率23.8%・R/R 2.22という数字はバックテストとしては非常に良い結果であり、実運用ではここまでの成績は期待しにくいのが現実だと見ている。取引コスト、マーケットインパクト（自分の売買が価格を動かしてしまう影響）、そして戦略が広く知られることによる効果の減衰を考えると、実際のリターンは大幅に低下する可能性が高い。それでも、「時差を利用した業種間の情報伝播」というアイデア自体は面白く、今後の研究の発展も追っていきたい。

8. まとめ

「アメリカが上がったから日本も上がるだろう」という直感は、誰もが漠然と持っているものだ。この論文はその直感を数学的に裏付け、「どの業種がどれだけ影響を受けるか」まで数字で示した。ここまで数字で詰めた研究は珍しいと思う。投資戦略としての実用性については今後の検証が必要だが、「時差を利用した情報伝播」という着眼点は、グローバルに投資を考えるうえで知っておいて損はないと思う。