資産運用

こんにちは、毛糸です。

「長期投資は安全」というイメージを抱いていませんか？

全国銀行協会のサイト（リンク）でも、長期投資の安全性に関して以下のように書いてあります。

一時的に価格が下がっても、長い目で見れば価格が上がることもあるため、長く保有すればするほど、リスクを軽減する効果があるといわれています。

しかし、この主張は極めて誤解しやすいもので、実際にはむしろ、投資収益のリスクは長期になればなるほど大きくなります。

本記事では「投資シミュレーションプログラム」を用いて、長期投資がリスクを高めることを証明します。
参考記事：>>「投資シミュレーションプログラム」サマリー

投資の「リスク」の定義

投資におけるリスクとは、投資収益の期待値からのブレを指すのが一般的です。

もう少し踏み込んで言えば、そのブレを測る尺度が、標準偏差や分散という統計量です。

投資において「リスクが高い」とは、将来の（額もしくは率ベースの）投資収益の標準偏差が高い、ということを意味します。

この意味において、投資が長期になればなるほど、リスクは高くなります。

つまり、他の条件を一定とすれば、短期と長期の投資収益は、後者のほうが高い標準偏差を持つということです。

本記事ではこのことを「投資シミュレーションプログラム」を用いて示します。

(function(b,c,f,g,a,d,e){b.MoshimoAffiliateObject=a;
b[a]=b[a]||function(){arguments.currentScript=c.currentScript
||c.scripts[c.scripts.length-2];(b[a].q=b[a].q||[]).push(arguments)};
c.getElementById(a)||(d=c.createElement(f),d.src=g,
d.id=a,e=c.getElementsByTagName(“body”)[0],e.appendChild(d))})
(window,document,”script”,”//dn.msmstatic.com/site/cardlink/bundle.js”,”msmaflink”);
msmaflink({“n”:”ウォール街のランダムウォーカー株式投資の不滅の真理”,”b”:””,”t”:””,”d”:”https://images-fe.ssl-images-amazon.com”,”c_p”:”/images/I”,”p”:[“/51j3XxuLcML.jpg”,”/51L5VguO16L.jpg”,”/51pXH1cT26L.jpg”,”/51qzhDA8N8L.jpg”,”/516KF7nD4ML.jpg”,”/51RqxJ5YdzL.jpg”,”/41Z4TQLguaL.jpg”,”/41RDCEkVSWL.jpg”,”/51ZC6wiROQL.jpg”,”/416UAK2gjbL.jpg”,”/51COLQfOYZL.jpg”,”/41wAkIpxalL.jpg”,”/517pu9qvoaL.jpg”,”/51Qd00xstPL.jpg”,”/41a6WwcjPUL.jpg”,”/41whOykxo9L.jpg”,”/51ZYk6jqWTL.jpg”,”/51JXyzvOypL.jpg”,”/51Cx1OLwZwL.jpg”],”u”:{“u”:”https://www.amazon.co.jp/%E3%82%A6%E3%82%A9%E3%83%BC%E3%83%AB%E8%A1%97%E3%81%AE%E3%83%A9%E3%83%B3%E3%83%80%E3%83%A0%E3%83%BB%E3%82%A6%E3%82%A9%E3%83%BC%E3%82%AB%E3%83%BC%E3%80%88%E5%8E%9F%E8%91%97%E7%AC%AC11%E7%89%88%E3%80%89-%E2%80%95%E6%A0%AA%E5%BC%8F%E6%8A%95%E8%B3%87%E3%81%AE%E4%B8%8D%E6%BB%85%E3%81%AE%E7%9C%9F%E7%90%86-%E3%83%90%E3%83%BC%E3%83%88%E3%83%B3%E3%83%BB%E3%83%9E%E3%83%AB%E3%82%AD%E3%83%BC%E3%83%AB/dp/4532356873″,”t”:”amazon”,”r_v”:””},”aid”:{“amazon”:”1251300″,”rakuten”:”1249750″,”yahoo”:”1251299″},”eid”:”azSuX”});

投資シミュレーションプログラム

「投資シミュレーションプログラム」は、確率論に基づくモンテカルロ・シミュレーションという手法を用いて、投資収益の将来予測をするプログラムです。
参考記事：>>「投資シミュレーションプログラム」サマリー

モンテカルロ・シミュレーションとは、コンピュータによって乱数を発生させ、将来を確率的にシミュレートし、大数の法則によって将来の期待値を算定する手法です。

「投資シミュレーションプログラム」を使えば、投資の期待リターンとリスクと投資期間を入力することで、将来の資産額を計算することが出来ます。

長期投資でリスクは低減されない

今回行うシミュレーションは、投資対象をFXとした場合（期待リターン0％、リスク10％と仮定）と、インデックス投信に分散投資した場合（期待リターン4.57%、リスク12.8％）の2つのケースについて、1年・10年・30年の各投資期間で、将来時点で確定する投資収益の期待値とリスクを計算してみます。

インデックス投信に分散投資、といってもアセット・アロケーションは無限にありますが、ここでは日本の年金運用の基本ポートフォリオと同じ資産配分で行うものと仮定します。

シミュレーション結果は以下のとおりです。

FX（期待リターン0％、リスク10％）に投資した場合

1年後

10年後

30年後

#FX
#投資年数（自由入力）
Year<-1
#シミュレーション回数（自由入力、多いほど正確だが時間がかかる）
sample<-10000
#シミュレーション数値を格納する行列
A<-matrix(0,sample,Year+1)
#初期投資額を入力（自由入力）
initial<-100
#シミュレーション数値に初期投資額を入力
A[,1]<-initial
#期待リターン（期待収益率μ、自由入力）
mu<-0/100
#リスク（標準偏差σ、自由入力）
sigma<-10/100
#シミュレーション開始
set.seed(123)
#sampleの計算は明示せずベクトル化
for ( t in 1:Year){
    #今年の資産額=前年の資産額*(1+収益率)
    A[,t+1]<-A[,t]*(1+rnorm(sample,mu,sigma))
}
#シミュレーション結果の期待値を表示
paste(Year,"年後の資産額の平均は",mean(A[,Year+1]),"万円")
paste(Year,"年後の累積リターンの平均は",(mean(A[,Year+1])/initial-1)*100,"%")
paste(Year,"年後の累積リターンの標準偏差は",sd(A[,Year+1])/initial*100,"%")
paste(Year,"年間の1年あたり　平均収益率は",((mean(A[,Year+1])/initial)^(1/Year)-1)*100,"%")

#インデックス
#投資年数（自由入力）
Year<-1
#シミュレーション回数（自由入力、多いほど正確だが時間がかかる）
sample<-10000
#シミュレーション数値を格納する行列
A<-matrix(0,sample,Year+1)
#初期投資額を入力（自由入力）
initial<-100
#シミュレーション数値に初期投資額を入力
A[,1]<-initial
#期待リターン（期待収益率μ、自由入力）
mu<-４．５７/100
#リスク（標準偏差σ、自由入力）
sigma<-12.8/100
#シミュレーション開始
set.seed(123)
#sampleの計算は明示せずベクトル化
for ( t in 1:Year){
    #今年の資産額=前年の資産額*(1+収益率)
    A[,t+1]<-A[,t]*(1+rnorm(sample,mu,sigma))
}
#シミュレーション結果の期待値を表示
paste(Year,"年後の資産額の平均は",mean(A[,Year+1]),"万円")
paste(Year,"年後の累積リターンの平均は",(mean(A[,Year+1])/initial-1)*100,"%")
paste(Year,"年後の累積リターンの標準偏差は",sd(A[,Year+1])/initial*100,"%")
paste(Year,"年間の1年あたり　平均収益率は",((mean(A[,Year+1])/initial)^(1/Year)-1)*100,"%")

まとめ

(function(b,c,f,g,a,d,e){b.MoshimoAffiliateObject=a;
b[a]=b[a]||function(){arguments.currentScript=c.currentScript
||c.scripts[c.scripts.length-2];(b[a].q=b[a].q||[]).push(arguments)};
c.getElementById(a)||(d=c.createElement(f),d.src=g,
d.id=a,e=c.getElementsByTagName(“body”)[0],e.appendChild(d))})
(window,document,”script”,”//dn.msmstatic.com/site/cardlink/bundle.js”,”msmaflink”);
msmaflink({“n”:”[参考文献]ファイナンスのためのRプログラミング証券投資理論の実践に向けて”,”b”:””,”t”:””,”d”:”https://images-fe.ssl-images-amazon.com”,”c_p”:””,”p”:[“/images/I/41UrHrQ9vlL.jpg”],”u”:{“u”:”https://www.amazon.co.jp/%E3%83%95%E3%82%A1%E3%82%A4%E3%83%8A%E3%83%B3%E3%82%B9%E3%81%AE%E3%81%9F%E3%82%81%E3%81%AER%E3%83%97%E3%83%AD%E3%82%B0%E3%83%A9%E3%83%9F%E3%83%B3%E3%82%B0-%E2%80%95%E8%A8%BC%E5%88%B8%E6%8A%95%E8%B3%87%E7%90%86%E8%AB%96%E3%81%AE%E5%AE%9F%E8%B7%B5%E3%81%AB%E5%90%91%E3%81%91%E3%81%A6%E2%80%95-%E5%A4%A7%E5%B4%8E-%E7%A7%80%E4%B8%80/dp/4320110447″,”t”:”amazon”,”r_v”:””},”aid”:{“amazon”:”1251300″,”rakuten”:”1249750″,”yahoo”:”1251299″},”eid”:”GI2A5″});

こんにちは、毛糸です。

先日、投資の将来予測を行うためのRプログラム「投資シミュレーションプログラム」を公開しました。
>>投資シミュレーションプログラムを作ってみた【Rでプログラミング】

このプログラムを用いて、年金の将来予測を行ったり、FXで億り人になれる確率を計算したりしました。

>>将来の年金積立金の状況と損失確率をシミュレーションしてみた【モンテカルロ・シミュレーション】

>>FXの期待リターン、億り人になれる確率、破産する確率【モンテカルロ・シミュレーション】

「投資シミュレーションプログラム」を使ってみる中で、より「速く」計算するための改善策を思いついたのでメモしておきます。

本記事では投資シミュレーションプログラム1.1（2019年5月29日現在の最新版）の内容を説明します。

Rプログラムを速くするための方法：ベクトル化

統計プログラミング言語Rは、ベクトル演算を高速で行える言語として知られています。

ここではベクトルを「数値やモノ（オブジェクト）を並べたもの」と理解しておけば十分です。

ベクトル演算が高速で行える、とは、具体的には、for文などを用いて一つ一つの対象（オブジェクト）を順繰りに処理していくよりも、ベクトルというまとまりに対して一括で処理を行うほうが速い、ということです。

投資シミュレーションプログラムでは、乱数をサンプル数×年数の数だけ発生させ、

1. あるサンプルについて、各年の資産額をfor文で計算して
2. その処理をサンプル数の数だけfor文で繰り返す

投資シミュレーションプログラムのベクトル化

下記に示す投資シミュレーションプログラム1.1は資産額をベクトル化して計算することで、サンプルの繰り返し計算を回避しています。

#投資年数（自由入力）
Year<-40
#シミュレーション回数（自由入力、多いほど正確だが時間がかかる）
sample<-100000
#シミュレーション数値を格納する行列
A<-matrix(0,sample,Year+1)
#初期投資額を入力（自由入力）
initial<-2000
#シミュレーション数値に初期投資額を入力
A[,1]<-initial
#期待リターン（期待収益率μ、自由入力）
mu<-7/100
#リスク（標準偏差σ、自由入力）
sigma<-12.88/100
#シミュレーション開始
#sampleの計算は明示せずベクトル化
for ( t in 1:Year){
    #今年の資産額=前年の資産額*(1+収益率)
    A[,t+1]<-A[,t]*(1+rnorm(sample,mu,sigma))
}
#シミュレーション結果の期待値を表示
paste(Year,"年後の資産額の期待値は",mean(A[,Year+1]))

投資シミュレーションプログラム1.0と1.1の処理時間の比較

まとめ

(function(b,c,f,g,a,d,e){b.MoshimoAffiliateObject=a;
b[a]=b[a]||function(){arguments.currentScript=c.currentScript
||c.scripts[c.scripts.length-2];(b[a].q=b[a].q||[]).push(arguments)};
c.getElementById(a)||(d=c.createElement(f),d.src=g,
d.id=a,e=c.getElementsByTagName(“body”)[0],e.appendChild(d))})
(window,document,”script”,”//dn.msmstatic.com/site/cardlink/bundle.js”,”msmaflink”);
msmaflink({“n”:”ファイナンスのためのRプログラミング証券投資理論の実践に向けて”,”b”:””,”t”:””,”d”:”https://images-fe.ssl-images-amazon.com”,”c_p”:””,”p”:[“/images/I/41UrHrQ9vlL.jpg”],”u”:{“u”:”https://www.amazon.co.jp/%E3%83%95%E3%82%A1%E3%82%A4%E3%83%8A%E3%83%B3%E3%82%B9%E3%81%AE%E3%81%9F%E3%82%81%E3%81%AER%E3%83%97%E3%83%AD%E3%82%B0%E3%83%A9%E3%83%9F%E3%83%B3%E3%82%B0-%E2%80%95%E8%A8%BC%E5%88%B8%E6%8A%95%E8%B3%87%E7%90%86%E8%AB%96%E3%81%AE%E5%AE%9F%E8%B7%B5%E3%81%AB%E5%90%91%E3%81%91%E3%81%A6%E2%80%95-%E5%A4%A7%E5%B4%8E-%E7%A7%80%E4%B8%80/dp/4320110447″,”t”:”amazon”,”r_v”:””},”aid”:{“amazon”:”1251300″,”rakuten”:”1249750″,”yahoo”:”1251299″},”eid”:”mcwYY”});

こんにちは、毛糸です。

投資にはリスクがあります。

自分の資産が将来どれくらいの金額になるのか、リタイアまでにどれくらいの資産を築けるのか、といった疑問に、現時点で確定した答えを出すのは不可能です。

しかし、投資データと統計学を用いて、将来をシミュレーションすることは可能です。

私は大学院で金融工学を専攻し、公認会計士として日々数字と向き合う仕事をしながら、プログラミングを勉強して投資意思決定に使えるツールを開発して遊んでいます。

今回はそんな日々の勉強の成果として「投資シミュレーションプログラム」を作ってみました。

将来に渡って投資を行っていった場合に、数年・数十年後にいくらの資産が築けるかをシミュレーションするプログラムです。

この記事では「投資シミュレーションプログラム」のコードをすべて公開し、その使いかたを解説します。

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、投資シミュレーションプレミアムを作成します。

Rを使うには、本来Rのソフトウェアを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、「投資シミュレーションプログラム」作成します。

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。

投資シミュレーションプログラムの流れとモンテカルロ・シミュレーション

モンテカルロ・シミュレーションは金融実務において非常に重要な手法として認知されており、金融機関においてデリバティブの価格計算やリスク管理などに用いられています。

「投資シミュレーションプログラム」はモンテカルロ・シミュレーションを使って、将来の資産額がどれくらいになるかを予測するプログラムです。

「投資シミュレーションプログラム」のコードは以下にすべて記しており、コードをR onlineにコピー＆ペーストするだけでシミュレーションを行うことが出来ます。

モンテカルロ法は統計学・確率論を基礎として、プログラミング言語を用いながら、ファイナンスの知識をフル活用する高度な手法です。下記書籍はそんなモンテカルロ法を基礎から学べる良書ですので、気になる方は是非手にとってみてください（本書が理解できれば投資シミュレーションプログラムはゼロから自作できます）。

リンク

インプット情報の入力

まず、シミュレーションに必要な情報を入力します。

投資年数を入力します。以下では年単位で入力することとし、40年間の投資をシミュレーションしてみますが、自由に変更して構いません。

#投資年数（自由入力）
Year<-40

シミュレーション回数を入力します。今回シミュレーションに使用するのは金融工学で用いられる「モンテカルロ法」という手法で、統計学の「大数の法則」に従っています。シミュレーション回数が多いほど「正確な」計算ができますが、計算に時間がかかるようになります。100回や1000回程度だと、シミュレーションの都度、結果がばらつきます。

#シミュレーション回数（自由入力、多いほど正確だが時間がかかる）
sample<-10000

「投資シミュレーションプログラム」では毎年のリターンが確率的に決まるような状況で、資産額がどのように変化するかをシミュレーションするものです。そのために、シミュレーションの数値を格納する「箱」を用意し、ここに数値を格納します。「箱」は数学用語でいうところの行列にあたります。

#シミュレーション数値を格納する行列
A<-matrix(0,sample,Year+1)

初期投資額を入力します。投資元本（元手）は自由に決めて構いません。単位も問いません（今回は2000万円のつもりで2000を入力します）。

#初期投資額を入力（自由入力）
initial<-2000

先ほど作成したシミュレーション数値格納用の「箱」に初期投資額を代入します。

#シミュレーション数値に初期投資額を入力
A[,1]<-initial

投資の期待リターンを入力します。ここでは一年あたりの期待収益率を入力します。今回は投資の年あたり期待リターンを7%として計算します。

#期待リターン（期待収益率μ、自由入力）
mu<-7/100

投資のリスクを入力します。今回は米国株式に連動して値動きする投資信託VTIのリスク（標準偏差）としての概算値12.88%(12.88/100)を入力します（参考ページリンク）。

#リスク（標準偏差σ、自由入力）
sigma<-12.88/100

「投資シミュレーションプログラム」では、各年の投資収益率が既に入力したリターンとリスクに基づいた正規分布に従うと仮定し、正規分布に従う確率変数（乱数）を多数発生させて将来を予測します。Rではrnorm()で正規分布に従う乱数を生成することが出来ます。この正規乱数を、投資年数×シミュレーション回数の分だけ作ります。

#乱数を生成（ランダムな投資収益率）
x<-rnorm(sample*Year,mu,sigma)

次に、生成した乱数を計算に適した行列形式に整えます。

#乱数（ランダムな収益率）を行列形式に変換
z<-matrix(x,sample,Year)

ではシミュレーションを初めましょう。シミュレーションはsample回行います。各シミュレーションにおいて、1年ごとに資産額を算出します。今年の資産額=前年の資産額×(1+収益率)で計算できます。この計算をRのfor文（繰り返し文）を用いて行います。

#シミュレーション開始
for (s in 1:sample){
        for ( t in 1:Year){
            #今年の資産額=前年の資産額*(1+収益率)
            A[s,t+1]<-A[s,t]*(1+z[s,t])
        }
}

シミュレーションの結果、つまり投資期間経過後の資産額はA[,Year+1]という「箱」に収められています。

シミュレーションでは、良い投資結果を収めたシナリオもあれば、ほとんど儲からなかったケースもあります。全体的な「傾向」を知るためには、シミュレーション結果の平均や中央値を計算します。

#シミュレーション結果の期待値を表示
paste(Year,"年後の資産額の期待値は",mean(A[,Year+1]))
#シミュレーション結果の中央値を表示
paste(Year,"年後の資産額の中央値は",median(A[,Year+1]))

投資期間経過後の資産額はA[,Year+1]に格納されていますので、ここから将来の資産額の分布を用いた様々な確率の計算が可能です。

たとえば将来の資産額が初期投資額を下回るような確率（つまり投資で損失が発生する確率）も計算できます。

#損する確率を表示
paste("損失を被る確率は",length(A[,Year+1][A[,Year+1]<initial])/sample)

ヒストグラムを描くことで、将来の資産額の確率分布をビジュアル的に知ることも出来ます。

#将来の資産額の確率分布（ヒストグラム）を表示
hist(A[,Year+1])

この結果は乱数を用いたものなので、このプログラムを走らせるたびに結果が変わります。乱数の変動性を取り除きたい（つまりより高い精度で計算したい）場合は、sampleの数を増やしてください。

今回の例では、年あたりの収益率が期待リターン7％、リスク（標準偏差）12.88％の正規分布に従うような投資機会に、当初一括で2,000万円を投資した場合に、40年後の資産額の期待値が約3億円となることがわかりました。

まとめ

#投資年数（自由入力）
Year<-40
#シミュレーション回数（自由入力、多いほど正確だが時間がかかる）
sample<-10000
#シミュレーション数値を格納する行列
A<-matrix(0,sample,Year+1)
#初期投資額を入力（自由入力）
initial<-2000
#シミュレーション数値に初期投資額を入力
A[,1]<-initial
#期待リターン（期待収益率μ、自由入力）
mu<-7/100
#リスク（標準偏差σ、自由入力）
sigma<-12.88/100
#乱数を生成（ランダムな投資収益率）
x<-rnorm(sample*Year,mu,sigma)
#乱数（ランダムな収益率）を行列形式に変換
z<-matrix(x,sample,Year)
#シミュレーション開始
for (s in 1:sample){
        for ( t in 1:Year){
            #今年の資産額=前年の資産額*(1+収益率)
            A[s,t+1]<-A[s,t]*(1+z[s,t])
        }
}
#シミュレーション結果の期待値を表示
paste(Year,"年後の資産額の期待値は",mean(A[,Year+1]))
#シミュレーション結果の中央値を表示
paste(Year,"年後の資産額の中央値は",median(A[,Year+1]))
#損する確率を表示
paste("損失を被る確率は",length(A[,Year+1][A[,Year+1]<initial])/sample)
#将来の資産額の確率分布（ヒストグラム）を表示
hist(A[,Year+1])

「投資シミュレーションプログラム」はモンテカルロ・シミュレーションという手法に基づく予測を行っております。モンテカルロ・シミュレーションを投資に活用するためには、統計学・プログラム・ファイナンスの知識が必要になりますが、下記書籍はそれらを必要な範囲で解説しており、優れた良書です。

プログラミング言語Rを使ってファイナンスや投資の問題を分析するテキストとして、下記が参考になります。

こんにちは、毛糸です。

前回、年金ポートフォリオのリスクとリターンを、統計プログラミング言語Rを使って計算してみました。
参考記事：年金のリスクとリターンを統計プログラミング言語Rで計算してみた

今回は前回のコードを少し応用して、私たちの年金ポートフォリオが「目標を達成できない確率」を計算してみたいと思います。

年金運用の目標

私たちの年金資産の運用を所管する年金積立金管理運用独立行政法人（GPIF）は、私たちの年金が安定的かつ効率的に運用されるようなポートフォリオを組み、年金資産を運用しています。

「基本ポートフォリオの考え方」（外部リンク）に記載されている通り、2014年には年金運用の中期目標が見直され、以下のような考え方のもと運用が行われることとなりました。

年金積立金の運用は（中略）財政の現況及び見通しを踏まえ、保険給付に必要な流動性を確保しつつ、長期的に積立金の実質的な運用利回り（積立金の運用利回りから名目賃金上昇率を差し引いたものをいう。）1.7％を最低限のリスクで確保することを目標とし、この運用利回りを確保するよう、積立金の管理及び運用における長期的な観点からの資産構成割合（基本ポートフォリオ）を定め、これに基づき管理を行うこと。

ここに書いてあるとおり、年金運用は資産の運用利回り（リターン）から名目賃金上昇率を控除した実質的な運用利回りを1.7％確保することを目標としています。

本記事では統計プログラミング言語Rを用いて、年金運用がこの目標を達成できない確率を計算してみようと思います。

Rの使いかたに関しては前回の記事「年金のリスクとリターンを統計プログラミング言語Rで計算してみた」を参照するか、もしくはより深い理解をしたい方には、下記書籍をおすすめします。

(function(b,c,f,g,a,d,e){b.MoshimoAffiliateObject=a;
b[a]=b[a]||function(){arguments.currentScript=c.currentScript
||c.scripts[c.scripts.length-2];(b[a].q=b[a].q||[]).push(arguments)};
c.getElementById(a)||(d=c.createElement(f),d.src=g,
d.id=a,e=c.getElementsByTagName(“body”)[0],e.appendChild(d))})
(window,document,”script”,”//dn.msmstatic.com/site/cardlink/bundle.js”,”msmaflink”);
msmaflink({“n”:”金融データ解析の基礎 (シリーズ Useful R 8)”,”b”:””,”t”:””,”d”:”https://images-fe.ssl-images-amazon.com”,”c_p”:””,”p”:[“/images/I/41Nyynhmv5L.jpg”],”u”:{“u”:”https://www.amazon.co.jp/%E9%87%91%E8%9E%8D%E3%83%87%E3%83%BC%E3%82%BF%E8%A7%A3%E6%9E%90%E3%81%AE%E5%9F%BA%E7%A4%8E-%E3%82%B7%E3%83%AA%E3%83%BC%E3%82%BA-Useful-R-8/dp/4320123719″,”t”:”amazon”,”r_v”:””},”aid”:{“amazon”:”1251300″,”rakuten”:”1249750″,”yahoo”:”1251299″},”eid”:”wjJhB”});

年金ポートフォリオと名目賃金上昇率

「基本ポートフォリオの考え方」（外部リンク）で提供されている「【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（2014年10月31日）」[PDF：249KB]（以下の画像は断りがなければこちらからの引用です）には、年金ポートフォリオが投資する各資産の期待リターンと名目賃金上昇率が載っています。

Rに以下のように入力し、リターンと賃金上昇率のベクトル（期待リターンベクトル）を作成します。

#各資産クラスの期待リターン（実質、経済中位） 

mu<-c(2.6/100, 6.0/100, 3.7/100, 6.4/100, 1.1/100,2.8/100)

同様に、各資産と賃金上昇率のリスク（標準偏差）と相関についても、以下のように入力します。

#各資産クラスの分散（標準偏差の２乗） 

sigma<-c(4.7/100, 25.1/100, 12.6/100, 27.3/100, 0.5/100,1.9/100) 

#相関行列

Rho<-rbind(

     c(1,-0.16,0.25,0.09,0.12,0.18),

     c(-0.16,1,0.04,0.64,-0.1,0.12),

     c(0.25,0.04,1,0.57,0.15,0.07),

     c(0.09,0.64,0.57,1,-0.14,0.10),

     c(0.12,-0.1,-0.15,-0.14,1,0.35),

     c(0.18,0.12,0.07,0.10,0.35,1))

年金ポートフォリオの実質リターン

[ begin{split}
mu_{PF}=sum_{i=1}^5 w_i r_i
end{split} ]と書けます。

[ begin{split}
mu_{Real}=mu_{PF}-r_w
end{split} ]となります。

Rではこれを以下のように記述します。

#ポートフォリオから名目賃金上昇率を控除する実質ポートフォリオのウエイト

weight_Real<-c(0.35,0.25,0.15,0.25,0,-1)

#ポートフォリオから名目賃金上昇率を控除した実質リターン

(mu_Real<-weight_Real%*%mu)

スポンサードリンク

(adsbygoogle = window.adsbygoogle || []).push({});

年金ポートフォリオの実質リスク（標準偏差）

同様に、リスク（標準偏差）についても計算します。

前回の記事「年金のリスクとリターンを統計プログラミング言語Rで計算してみた」と同じく、分散ベクトルと共分散行列から、分散共分散行列を作成します。

Rでは以下のように記述します。

#実質標準偏差
Var_Real<-weight_Real%*%Sigma%*%weight_Real
#ポートフォリオのリスク（標準偏差）
sigma_Real<-Var_Real^0.5

年金ポートフォリオの目標が達成できない確率と下方確率

正規分布の性質や計算方法について詳しく知りたい方は、下記参考文献を参照してください。

(function(b,c,f,g,a,d,e){b.MoshimoAffiliateObject=a;
b[a]=b[a]||function(){arguments.currentScript=c.currentScript
||c.scripts[c.scripts.length-2];(b[a].q=b[a].q||[]).push(arguments)};
c.getElementById(a)||(d=c.createElement(f),d.src=g,
d.id=a,e=c.getElementsByTagName(“body”)[0],e.appendChild(d))})
(window,document,”script”,”//dn.msmstatic.com/site/cardlink/bundle.js”,”msmaflink”);
msmaflink({“n”:”統計学入門”,”b”:””,”t”:””,”d”:”https://images-fe.ssl-images-amazon.com”,”c_p”:””,”p”:[“/images/I/512H1E9ARDL.jpg”],”u”:{“u”:”https://www.amazon.co.jp/%E7%B5%B1%E8%A8%88%E5%AD%A6%E5%85%A5%E9%96%80-%E5%9F%BA%E7%A4%8E%E7%B5%B1%E8%A8%88%E5%AD%A6%E2%85%A0-%E6%9D%B1%E4%BA%AC%E5%A4%A7%E5%AD%A6%E6%95%99%E9%A4%8A%E5%AD%A6%E9%83%A8%E7%B5%B1%E8%A8%88%E5%AD%A6%E6%95%99%E5%AE%A4/dp/4130420658″,”t”:”amazon”,”r_v”:””},”aid”:{“amazon”:”1251300″,”rakuten”:”1249750″,”yahoo”:”1251299″},”eid”:”A0r5B”});

年金ポートフォリオの実質リターン（名目リターンから賃金上昇率を控除したもの）を( r_{Real})とすると、( r_{Real})は平均( mu_{Real})、分散(sigma_{Real}^2 )の正規分布に従います。

したがって、年金ポートフォリオが目標となる実質利回り1.7%を達成できない確率( P(r_{Real}<1.7%))は、計算以下のように計算できます。

#目標達成できない確率
pnorm(1.7/100,mean=mu_Real,sd=sigma_Real)

#下方確率
pnorm(0,mean=mu_Real,sd=sigma_Real)

計算結果は0.444(44.4%)で、上記資料と一致しています。

この確率は名目リターンが賃金上昇率を下回る確率であり、運用によって給付の伸びを賄えない状況ということです。

まとめ

年金ポートフォリオが運用目標利回りである1.7%を超えられない確率は49.8%でした。

また、名目リターンが賃金上昇率に達しない確率（下方確率）は44.4％でした。

年金に関しては、最近金融庁が示した報告書でその制度の存続性に疑問が投げかけられており、議論の的となっています。
参考記事：【年金は頼れない？】「高齢社会における資産形成・管理」を読んだあとに私たちが取るべき行動

年金制度の今後について議論する際には、本記事のような科学的・数理的検知からの判断も考慮できるとよいのではないでしょうか。

(function(b,c,f,g,a,d,e){b.MoshimoAffiliateObject=a;
b[a]=b[a]||function(){arguments.currentScript=c.currentScript
||c.scripts[c.scripts.length-2];(b[a].q=b[a].q||[]).push(arguments)};
c.getElementById(a)||(d=c.createElement(f),d.src=g,
d.id=a,e=c.getElementsByTagName(“body”)[0],e.appendChild(d))})
(window,document,”script”,”//dn.msmstatic.com/site/cardlink/bundle.js”,”msmaflink”);
msmaflink({“n”:”人生100年時代の年金戦略”,”b”:””,”t”:””,”d”:”https://images-fe.ssl-images-amazon.com”,”c_p”:”/images/I”,”p”:[“/513QJpUzziL.jpg”,”/51aYTRz-7LL.jpg”],”u”:{“u”:”https://www.amazon.co.jp/%E4%BA%BA%E7%94%9F100%E5%B9%B4%E6%99%82%E4%BB%A3%E3%81%AE%E5%B9%B4%E9%87%91%E6%88%A6%E7%95%A5-%E7%94%B0%E6%9D%91-%E6%AD%A3%E4%B9%8B/dp/4532358027″,”t”:”amazon”,”r_v”:””},”aid”:{“amazon”:”1251300″,”rakuten”:”1249750″,”yahoo”:”1251299″},”eid”:”dAsUD”});

こんにちは、毛糸です。

資産運用について勉強する際、必ずと行っていいほど目にする言葉、それが「複利の効果」です。

「複利の効果」とは、利息に利息がつくことで、資産が雪だるま式に増えていく仕組みのことで、アインシュタインはこれを「人類最大の発明」と呼んだとも言われています。

しかしこの「複利の効果」については、多くの文献で誤解を招く表現がされており、投資初心者に間違った解釈を与えています。

今回はそんな「複利の効果」にまつわる2つの致命的な誤解について説明します。

なお、本記事は下記書籍を参考にしていますので、合わせて参照してください。

(function(b,c,f,g,a,d,e){b.MoshimoAffiliateObject=a;
b[a]=b[a]||function(){arguments.currentScript=c.currentScript
||c.scripts[c.scripts.length-2];(b[a].q=b[a].q||[]).push(arguments)};
c.getElementById(a)||(d=c.createElement(f),d.src=g,
d.id=a,e=c.getElementsByTagName(“body”)[0],e.appendChild(d))})
(window,document,”script”,”//dn.msmstatic.com/site/cardlink/bundle.js”,”msmaflink”);
msmaflink({“n”:”お金は寝かせて増やしなさい”,”b”:””,”t”:””,”d”:”https://images-fe.ssl-images-amazon.com”,”c_p”:”/images/I”,”p”:[“/51xHIGALUZL.jpg”,”/51UFsW4HuvL.jpg”,”/51d7m7hcbYL.jpg”,”/61ULYpbutcL.jpg”,”/51uCgEZrhmL.jpg”,”/51ne7%2Bl4ysL.jpg”,”/51TjKtJWpzL.jpg”,”/51Zj-OmTSML.jpg”,”/410JAnn80uL.jpg”,”/51cjtS6tWPL.jpg”,”/61Q0Zvqja7L.jpg”,”/613B004TKQL.jpg”],”u”:{“u”:”https://www.amazon.co.jp/%E3%81%8A%E9%87%91%E3%81%AF%E5%AF%9D%E3%81%8B%E3%81%9B%E3%81%A6%E5%A2%97%E3%82%84%E3%81%97%E3%81%AA%E3%81%95%E3%81%84-%E6%B0%B4%E7%80%AC%E3%82%B1%E3%83%B3%E3%82%A4%E3%83%81/dp/4894517833″,”t”:”amazon”,”r_v”:””},”aid”:{“amazon”:”1251300″,”rakuten”:”1249750″,”yahoo”:”1251299″}});

高い利回りは確定したものではない（リスクの存在）

「複利の効果」に関する文献でこんな例を見たことはないでしょうか。

• 定期預金の年率0.01％で100万円を20年間運用しても100万2千円にしかならない
• もし年率5％で運用できれば、20年後には265万円にもなる

(adsbygoogle = window.adsbygoogle || []).push({});

複利によって損が増幅する可能性がある

(adsbygoogle = window.adsbygoogle || []).push({});

(function(b,c,f,g,a,d,e){b.MoshimoAffiliateObject=a;
b[a]=b[a]||function(){arguments.currentScript=c.currentScript
||c.scripts[c.scripts.length-2];(b[a].q=b[a].q||[]).push(arguments)};
c.getElementById(a)||(d=c.createElement(f),d.src=g,
d.id=a,e=c.getElementsByTagName(“body”)[0],e.appendChild(d))})
(window,document,”script”,”//dn.msmstatic.com/site/cardlink/bundle.js”,”msmaflink”);
msmaflink({“n”:”お金は寝かせて増やしなさい”,”b”:””,”t”:””,”d”:”https://images-fe.ssl-images-amazon.com”,”c_p”:”/images/I”,”p”:[“/51xHIGALUZL.jpg”,”/51UFsW4HuvL.jpg”,”/51d7m7hcbYL.jpg”,”/61ULYpbutcL.jpg”,”/51uCgEZrhmL.jpg”,”/51ne7%2Bl4ysL.jpg”,”/51TjKtJWpzL.jpg”,”/51Zj-OmTSML.jpg”,”/410JAnn80uL.jpg”,”/51cjtS6tWPL.jpg”,”/61Q0Zvqja7L.jpg”,”/613B004TKQL.jpg”],”u”:{“u”:”https://www.amazon.co.jp/%E3%81%8A%E9%87%91%E3%81%AF%E5%AF%9D%E3%81%8B%E3%81%9B%E3%81%A6%E5%A2%97%E3%82%84%E3%81%97%E3%81%AA%E3%81%95%E3%81%84-%E6%B0%B4%E7%80%AC%E3%82%B1%E3%83%B3%E3%82%A4%E3%83%81/dp/4894517833″,”t”:”amazon”,”r_v”:””},”aid”:{“amazon”:”1251300″,”rakuten”:”1249750″,”yahoo”:”1251299″}});