毛糸ブログ

こんにちは、毛糸です。

【投信定点観測】2019年5月第2週（スタートから9週目）の損益の報告です。8週目はゴールデンウィークで市場が開いていませんでしたので飛ばしています。

今週末における投資総額は154万円、含み損益は-5,497円、損益率は-0.39%（年率-10.07％）です。

損益状況

損益率に直すとこんな感じです。今週末の損益率は-0.39%（年率換算で-10.07％）です。

インデックス投資信託の振り返り：株価暴落！！！

今週は米国トランプ大統領が対中国の関税引き上げに言及しリスク回避の流れとなったことで、新興国株式が前週比−5.66％、先進国株式−3.77％、日本株式−4.27％と大打撃を受けました。

今週の週次収益率がプラスだったのは日本債券のみです。

▼インデックス投信をコツコツ積み立て分散投資！

ロボアドバイザーの振り返り：WealthNavi（ウェルスナビ）もTHEO（テオ）もマイナス圏へ

WealthNavi（ウェルスナビ）もTHEO（テオ）も、金融工学を用いた最適ポートフォリオを志向した投資運用を行っていますが、全資産が連動して下がるような状況（システマティック・リスク）には対処するのは難しいようです。

今後の成績に期待です。

▼ロボアドバイザーWealthNavi（ウェルスナビ）の登録はこちらから！

▼ロボアドバイザーTHEO（テオ）は登録はこちらから！

アクティブファンドの振り返り：ひふみ、TOPIXに週次で負け

TOPIXの今週の下落幅が-4.27%であるのに対し、ひふみ投信は-4.37%と、週次ではインデックスを下回っています。

ひふみは週次リターンで見ればTOPIXに買ったり負けたりですが、累積リターンで考えた場合にはインデックスを大きくアウトパフォームしています。

個人的にはひふみ投信にはインデックスETFを超える信託報酬を支払うにたる「選別力」があると思っていますので、このまま資産を託したいと思います。
参考記事：ひふみ投信の対TOPIXの勝率を調べてみたら、統計的に有意に1/2より大きかった件

▼ひふみ投信はSBI証券で月々100円から積み立てできます

まとめ

こんにちは、毛糸です。

先日、会計×テクノロジーをテーマとした勉強会コミュニティPyCPAの『モンテカルロ法によるリアル・オプション分析』輪読会第1回が開催されました。

今回は20名近い参加者にお集まりいただきました。

本記事では今回の輪読会の振り返りをしてみたいと思います。

参加者には事前にアンケートにお答えいただいてますので、その結果もあわせて公開します。

PyCPAとは

PyCPAは、テクノロジーの進化を武器に次世代の担い手となる探求者たちのコミュニティです。

もともとは、プログラミング言語Pythonに関心のある公認会計士（CPA）の勉強会として発足しましたが、現在ではより広く、テクノロジー全般に興味を持ち、探求する意欲のある、会計士、経理財務人材、エンジニアなどがメンバーとなって活動しています。

PyCPAは毎月勉強会を開催しており、もくもく会やセミナー、参加型ワークショップを行っています。

現在のコミュニティメンバーはSlack登録者ベースで170名ほど、2019年5月現在の勉強会の累計参加者は250名を超えます。

PyCPAコミュニティと勉強会への参加は無料となっており、運営事務、会場確保、講師の登壇等はすべて、コミュニティのビジョンに共感していただいている組織・個人のボランティアでなりたっています。

PyCPAにコミュニティメンバーとして参加したい方はPyCPAのSlackにご登録ください。

ツイッターでのPyCPAコミュニティメンバーのやり取りは、こちらからご覧いただけます。

リアル・オプション輪読会の概要

今回の勉強会は初の輪読会となりました。

輪読会とは、複数人で同じ本を読み進め、集まって内容を共有し、理解を深める方法です。

今回の輪読会で取り組んだのは『モンテカルロ法によるリアル・オプション分析』という専門書です。

この本は、ファイナンス（金融工学）とプログラミング（ExcelVBA）を用いて、経営意思決定の柔軟性が創出する価値＝リアル・オプションを定量的に評価する手法が学べる本です。
参考記事：『モンテカルロ法によるリアル・オプション分析』内容の概説、こんな人におすすめ、いい点と注意点

本書はリアル・オプションを学ぶとても良い題材である一方で、なかなか難易度の高い本だったので、輪読会の題材にしました。

今回は初回ということで、輪読会の目的や進め方について説明しました。
参考記事：【開催前夜】リアル・オプション輪読会の目的、理由、進め方

輪読は第1章を扱いました。

第1章はプログラミング言語ExcelVBAの基礎で、テキストに書かれたコードを入力しながら参加者全員で読み進めました。

VBAの始め方や、変数や関数の定義、for文やDoWhile文などの基本構文、配列の使いかたなどについて学びました。

途中、ファシリテーターから「このコードはモンテカルロ法のこんなシーンで役に立ちます」「この構文は株価シミュレーションの計算で使います」というような解説をはさみながら進めました。

感想とフィードバック

予習について

全員でコードを入力しながら、さくさくと読み進めたので、ちょっと駆け足気味になりました。

この点に関して、参加者から「次回は予習して来ようと思った」という声が上がりました。

事前に準備をしてくれば、輪読会をより意義深いものにできそうです。

バグについて

事前に予習してきた方も、その場でコードを入力した人も、みなさんバグ＝プログラムが動かない問題に悩まされていました。

しかし、参加者のひとり（エンジニア）の方から「バグは出るもの、人は完璧じゃない、能率的にバグがとれればOK」という前向きな意見が出て、参加者の気持ちも楽になったように思います。

プログラミングにはバグがつきものですので、輪読会のように他の人と助け合える環境で学習を進めるのがよいと思います。

練習と実践について

プログラミングは一度勉強しても、使わなければすぐ忘れてしまう、という感想が出ました。

たしかに、人は忘れる生き物ですから、どんなに勉強しても使わなければ忘れてしまいます。

もし勉強したことを忘れたくないのであれば、お仕事で使うなり、勉強会で披露するなりして、知識の維持に努める必要がありそうです。

参加者アンケート結果報告

参加者の所属

参加理由

リアル・オプション輪読会の参加理由は、金融工学、ファイナンスへの関心が首位、次いでリアル・オプション、企業価値評価への関心となっています。

みなさんお仕事で金融・ファイナンスに関わりがある方がほとんどで、その理解を深めたいという方が大多数でした。

リアル・オプションという経営意思決定のためのツールを学びたいという、このテキストの目的ど真ん中のかたもたくさんいらっしゃいました。

ファイナンスにせよ、VBAプログラミングにせよ、このテキストはとてもよい教材になりますので、是非チャレンジしてほしいと思います。

参考記事：『モンテカルロ法によるリアル・オプション分析』内容の概説、こんな人におすすめ、いい点と注意点

意見・感想・提案など

こんにちは、毛糸です。

この記事を書いている日の次の日（2019/5/11）に、『モンテカルロ法によるリアル・オプション分析』の輪読会を開催します。
→『モンテカルロ法によるリアル・オプション分析』輪読会第1回 

第1回開催に際して、この輪読会の目的、なぜ輪読会を開くのか、どんな風に進めるのかについて整理しておきたいと思います。

そもそも輪読会とは何か

輪読会とは、複数人で同じ本を読み進め、集まって内容を共有し、理解を深める方法です。

大学のゼミやエンジニアの勉強会の一環として行われています。

事前に内容をまとめ、当日にプレゼンテーションを行う方式がとられることが多いです。

本を独りですべて熟読する必要がないので、効率的に内容を理解できます。

『モンテカルロ法によるリアル・オプション分析』輪読会の目的

この輪読会の目的は『モンテカルロ法によるリアル・オプション分析』を読破することです。

第一目標は「読むこと」であり、完全な理解は敢えて目指しません。

理解度の目安でいうと、他の人に「この本はこういうことが書いてあるんだよ」と雰囲気を語れるレベルでOKです。

なぜ「理解すること」を第一目標にしないかというと、本書がとてもハイレベルな内容であるからです。

本書の内容は本ブログの記事『『モンテカルロ法によるリアル・オプション分析』内容の概説、こんな人におすすめ、いい点と注意点』にまとめてありますので、その難しさの雰囲気がわかると思います。

とてもハイレベルなので、もはやみんなで足並み揃えて理解しよう、というのが不可能です。

十分に理解している人が参加者に講義するスタイルのセミナーであれば可能かもしれませんが、今回はそういった形式にはしないので、とりあえず「読む」ことができればOKということにします。

もちろん、「読む」ことから理解は始まりますし、輪読会への参加でかなりの理解が得られるので、決して「理解」を放棄しているわけではありません。

なぜ輪読会を開くのか、独りではいけないのか

本書を輪読会で読む理由は3つあります。

1.難しいから

本書はファイナンス（金融工学）とプログラミング（VBA）の理解がなければ読めません。

独りでこの本に取り組むとなると、かなり気合を入れて取り組む必要があります。

しかし、忙しいビジネスマンが、難解な数学やプログラミングにじっくり取り組むのはなかなか厳しいものがあります。

輪読会で読むことで、ファシリテーターや他の参加者の理解を共有でき、意見を聞きながら読むことが出来るので、理解が深まります。

2.甘えてしまうから

独りでは「わかったつもり」になったり、テキストに書いてあるプログラミング・コードを眺めるだけで入力しなかったりと、甘えが出ます。

本書はプログラミング・コードを実際に打ち込み、手を動かしながら読み進めることを前提としているので、甘えると何も身につきません。

同じ目標を持つ人で集まって、みんなで読み進めることで動機づけを図ります。

3.実務的だから

輪読会の進め方

まとめ

こんにちは、毛糸です。

最近、数学を学びなおす社会人が増えているそうです。

ビッグデータやAIといった新しいテクノロジーを理解するに当たり、数学が重要であるというのがあるようです。

私も、大学院で金融工学を研究し、その後も趣味で勉強を続ける中で、数学をいつも身近に感じています。

今回は、私の生活において数学がどんなふうに役立っているのかを振り返ってみたいと思います。

続きを読む

こんにちは、毛糸です。

先日、会計士の方がTwitterでこういった趣旨の発言をしていらっしゃいました。

「去年はこうでした」は通用しない。1年前と何も変わっていないと思っているのか。

このつぶやきに関して、私はこうツイートしました。

去年はこうだった、というのは個人的には間違った考え方ではないと思うんですよね。去年が○で、今年も前提と手続きが変わっていなければ、今年も○と判断して良いはずなので。

論点は「前提が変わっていないか？」という点であって、前例踏襲が悪いわけではない。

— 毛糸=会計士×ファイナンス×IT (@keito_oz) 2019年5月8日

今回は「去年はこうだった」という発言が通用するための条件について考えてみたいと思います。

前例踏襲は悪いことか？

「去年はこうだった」という発言の趣旨は、「去年はこういう手順で仕事をして、特に問題にならなかった。今年も同じようにやっているのだから、問題ないはずだ」ということでしょう。

この「去年はこうだった」という考え方、前例踏襲の姿勢というのは、個人的には間違った考え方ではないと思います。

なぜなら、去年の作業結果が妥当で、今年も去年と同じ前提と手続きを踏襲しているのなら、今年も同様の結果になる蓋然性が高いからです。

もし、去年の作業内容と結果を完全に忘れ去り、毎年「スクラップ・アンド・ビルド」でゼロから作業を組み立て、結論を導くようなやり方をしていたら、同じ作業と判断を毎年繰り返すことになり、非効率です。

同じ手続き、同じ判断を繰り返したところで大きな意味はなく、単純に手間が増えるだけですから、既に得た結論（去年はこうだった）に依拠できるならしたほうが、負担が少なくて済みます。

疑うことのコスト

前例踏襲は、最近よく目にする「疑うことはコスト」にも通じる考え方です。

「疑うことはコスト」というのはGoogleに浸透している価値観であるとされ、現代のビジネスマンのあり方に指針を与えてくれる良書『どこでも誰とでも働ける――12の会社で学んだ“これから”の仕事と転職のルール』のなかで「ハイパー性善説」として紹介されている考え方です。

変化の激しい現代において、人を疑いスピード感を害するのは、大きな損失になりえます。

今回の「去年はこうだった」に関しても、去年の手続きと結果をいちいち疑うことで、追加的な負担が生じます。

毎回前年の結論を疑ってかかるのはコストがかかり、効果も大きくないでしょう。

むしろ、毎期踏襲しても問題が出ないように、しっかり作り込んで確実に引き継ぐべきで、私がコンサルを行っている大企業の経理では、そういう仕事の仕方をしています。

「去年はこうでした」が通用するための条件

「去年はこうでした」という前例踏襲のマインドは、同じ作業を繰り返すことを回避し、仕事を効率化するために一役買っています。

しかし、どんな場合でもこうした考え方が通用するわけではありません。

「去年はこうでした」が通用するための条件、それは、

去年と比べて作業の前提や手順に変更がない

ということです。

「去年はこうでした」というのは、去年と今年とで作業が同じならば結論も同じである、という仮説に基づいた判断です。

この判断が妥当であるためには、去年と今年の作業の前提条件が同じである必要があります。

去年と今年とで作業環境が様変わりしているなら、同じ手続きをとったとしても、同じ判断が行えるとは限りません。

したがって、「去年はこうでした」が通用するためには、「去年から前提に大きな変更はない」ということをきちんと確かめる必要があるのです。

冒頭の会計士さんも、「去年はこうでした」は変化の激しい状況においては通用しない、だから言ってはいけないのだ、という主張であると推察します。

前提が変わっていないかどうかをきちんと判定した上で、前例踏襲を行う分には、大きな問題は発生しないのではないかと思います。

前提の変化は、業務に組み込まれた仕組み（内部統制）でクリアできる問題ですので、安易に「去年はこうでした」と言わせないためのルールや仕組みをきちんと整えたいものです。

まとめ

「去年はこうでした」という前例踏襲は、仕事の無駄を省き効率化するのに役立ちます。

「疑うことはコスト」という考えにも通じるものがありますが、いつも妥当であるとは限りません。

「去年はこうでした」という主張が通用するためには、去年から前提に大きな変更がないことを、きちんと確認する必要があります。

こんにちは、毛糸です。

先日こういった呟きをしました。

監査法人の長時間労働に嫌気がさしてホワイトな弊社に転職してくる人たくさんいますが、中には「張り合いがない」「ここにいたらダメになる」と言ってすぐ辞めてしまう人もいますね。
仕事は与えられるものというマインドを変えられなかったんでしょう。
張り合いがないなら自分で仕事とればいいのに。

— 毛糸=会計士×ファイナンス×IT (@keito_oz) 2019年5月7日

私はいわゆる「ホワイト企業」に勤めていますが、ときどき転職してすぐに「こんなはずではなかった」と失望して会社を去る人がいます。

今回はそんな人の思考とその理由について考えてみたいと思います。

続きを読む

こんにちは、毛糸です。

私は【投信定点観測】と題して、投資を行っています。
参考記事：【投信定点観測】インデックス投資信託8つ・ロボアドバイザー2つ・アクティブファンド3つにドルコスト平均法で積立投資してみる

しかし、私のように投資をしていない人でも、日本人はほぼ全員、金融リスクをとっている、ということをご存知でしょうか。

それは「年金」です。

私たちが加入している国民年金は、年金積立金管理運用独立行政法人（GPIF）という機関によって運用されており、株や債券といったリスク資産に投資が行われています。

リスク資産に投資が行われているということは、ある程度のリターンを期待して、リスクをとっているということです。

今回は、私たちの年金がどれくらいのリスクを負い、リターンを求めているのかを、プログラミング言語Rを用いて計算してみたいと思います。

統計プログラミング言語Rと、オンラインでの利用

統計プログラミング言語Rは、データサイエンスで頻繁に用いられるプログラミング言語です。

統計解析や計算を簡単に行うことができ、計算機としても使えます。

本記事ではプログラミング言語Rを用いて、年金ポートフォリオのリターンとリスクを計算します。

Rを使うには、本来RというソフトウェアをPCにインストールする必要がありますが、今回はちょっとした計算に使うのみなので、ブラウザ上で完結するR onlineを利用します。
参考記事：ブラウザ上でRプログラミング（R online、Rオンラインを使う方法）

R onlineのサイト（リンク）でコードを打ち込めば、すぐにRによる計算が実行できます。

試しにサイト上で
1+1
と入力し、[Run it]してみると、すぐに下の方に計算結果が表示されます。

以下、このR onlineを使って、年金ポートフォリオのリターンとリスクを計算します。

すでに打ち込んである内容は、すべて削除して構いません。

GPIFの基本ポートフォリオ

年金はリスク資産に投資を行って運用されています。

年金運用を行っている年金積立金管理運用独立行政法人（GPIF）は、リスク資産への投資に関して、「基本ポートフォリオの考え方」（外部リンク）という指針を示しています。

GPIFは「基本ポートフォリオの考え方」のなかで、年金ポートフォリオとして

• 国内債券
• 国内株式
• 外国債券
• 外国株式

（出典：https://www.gpif.go.jp/gpif/portfolio.html）

早速、この基本ポートフォリオをRでコーディングしてみましょう、以下のように入力して、[Run it]してください。

#基本ポートフォリオ（各資産クラスのウエイト）
weight<-c(0.35,0.25,0.15,0.25,0)

ここではweightという変数に、各資産クラスのウエイトを代入しています。c()というのは、数字を並べてひとくくりにします、というときに使う決まり文句です。

5つの数字はそれぞれ、図の中の資産構成割合を示しています（最後の0は短期資産ですが、表にはありません）。

資産構成割合をすべて足すと1(100%)になることが確認できます。

#足すと1になることを確認
(sum(weight))

基本ポートフォリオのリターン

2014年10月31日に公表された「【参考資料】年金積立金管理運用独立行政法人の中期計画（基本ポートフォリオ）の変更」（PDFリンク）では、各資産クラスの期待リターンが記載されています。

これら期待リターンをもちいて、年金ポートフォリオのリターンを計算してみます。

まず、各資産の期待リターンをRでコーディングしてみましょう、以下のように入力して、[Run it]してください。

#各資産クラスの期待リターン（名目、経済中位）
mu<-c(2.6/100, 6.0/100, 3.7/100, 6.4/100, 1.1/100)

金融工学では期待リターンを\( \mu\)（ミュー、mu）と表すことが多いので、muとしています。

基本ポートフォリオのリターンは、各資産クラスのリターンに、前述の基本ポートフォリオのウエイトをかけることで求められます。

#ポートフォリオのリターンを計算
(mu_PF<-weight%*%mu)

テクニカルな話ですが、weightとmuはどちらも「ベクトル」なので、その掛け算には%*%という記号を使います。

結果は0.04565(4.57%)となりました。これが年金の基本ポートフォリオの期待リターンです。

「【参考資料】年金積立金管理運用独立行政法人の中期計画（基本ポートフォリオ）の変更」（PDFリンク）の9ページ目に、これと全く同じ数字が記載されています。

これをRに入力しましょう、以下のように入力したら、[Run it]してください。

#各資産クラスの分散（標準偏差の２乗）
sigma<-c(0.047,0.251,0.126,0.273,0.005)
#相関行列
Rho<-rbind(
    c(1,-0.16,0.25,0.09,0.12),
    c(-0.16,1,0.04,0.64,-0.1),
    c(0.25,0.04,1,0.57,0.15),
    c(0.09,0.64,0.57,1,-0.14),
    c(0.12,-0.1,-0.15,-0.14,1))

rbind()というのは、c()でまとめた数値（ベクトル）を縦に並べる、という意味の関数です。

これら情報だけでは、基本ポートフォリオのリスクは計算できません。

基本ポートフォリオのリスクを計算する前に、各資産クラスの分散と相関行列から、分散共分散行列というものを作る必要があります。

以下のように入力したら、[Run it]してください。

#分散対角行列
sigma_diag<-diag(sigma)
#分散共分散行列
Sigma<-sigma_diag%*%Rho%*%sigma_diag

分散共分散行列にウエイトをかけることで、基本ポートフォリオの分散を計算することが出来ます。

なぜこういう計算になるのかという疑問がわきますが、「線形代数」という数学を勉強するとわかるようになります（記事の末尾に参考文献を挙げます）。

R onlineに以下のように入力したら、[Run it]してください。

#ポートフォリオの分散
Var_PF<-weight%*%Sigma%*%weight

分散の2乗根（ルートのこと、0.5乗も同じ）が標準偏差（リスク）になります。

#ポートフォリオのリスク（標準偏差）
(sigma_PF<-Var_PF^0.5)

結果は0.1276…(12.8%)となりました。これが年金の基本ポートフォリオのリスクです。

「【参考資料】年金積立金管理運用独立行政法人の中期計画（基本ポートフォリオ）の変更」（PDFリンク）の9ページ目に、これと全く同じ数字が記載されています。

まとめ

本記事では、年金運用の基本ポートフォリオのウエイトと期待リターン、分散等の情報から、年金ポートフォリオのリターンとリスクを計算しました。

私たちの年金の原資となっている資産は、リスク12.8%を追うことで、期待リターン4.57%の獲得を目指しています。

こうした分析は、統計や数学を少し勉強すれば簡単に行なえますので、是非ご自分でも興味を深めてみてください。

参考文献等

投資分析に必要な数学は、高校数学が基本となっていますので、復習してみることをおすすめします。

一歩進んだ投資分析には、行列や線形代数の知識が必要になりますが、金融データ分析を扱うテキストではそういった分野を解説してくれているものもあります。