ポートフォリオの集中リスクを測る

銘柄数を数えることは、分散を測ることではありません。30銘柄を保有していても、実質4銘柄のように振る舞うポートフォリオはあります。本ガイドでは、集中度を実際に描き出す3つの数値——最大保有比率、ハーフィンダール・ハーシュマン指数、実効銘柄数——について、それぞれの計算方法と、それぞれがどこで判断を誤らせるかを解説します。

なぜ銘柄数を数えても意味がないのか

「銘柄が多いほどリスクが小さい」という直感は、おおむね正しく、そして正確に役立ちません。10銘柄ずつ保有する2つのポートフォリオを考えてみます。1つ目は資金を均等に、各10%ずつ配分しています。2つ目は1銘柄に60%を置き、残り40%を9銘柄に分けています。

どちらも保有銘柄数は10です。1つ目は本当に分散されていますが、2つ目は1社への賭けに装飾を添えたものにすぎません。この両者に同じ答えを返す指標は、あなたが本当に気にしていることを測っていません。

本当に知りたいのは、ポートフォリオの結果が、どれだけ少ない判断にどれだけ依存しているかです。そのためには加重が欠かせません。

最大保有比率

最も単純で有用な指標は、最大の1銘柄が総資産に占める割合です。

これを最初に確認すべきなのは、最も危険な失敗パターンを一瞬で捉えられるからです。1銘柄がポートフォリオの45%を占めているなら、分析の他の部分はさほど重要ではありません。残りの配分がどれほど洗練されていようと、その1銘柄がリターン、ドローダウン、ボラティリティを支配します。

弱点は、1銘柄しか見ていないことです。5銘柄を各20%で保有するポートフォリオの最大比率は20%であり、一見すると妥当に見えますが、実際にはその数字が示すよりはるかに集中しています。それを捉えるには、分布全体を考慮する指標が必要です。

ハーフィンダール・ハーシュマン指数

HHIは独占禁止の経済学に由来し、規制当局が業界の競争者間の集中度を測るために用いています。同じ数学はポートフォリオにもそのまま適用できます。各ウェイトを2乗し、その合計を取るだけです。

2乗こそがこの指標を機能させる仕組みです。大きなウェイトを不釣り合いに重く罰します——40%の銘柄は合計に 0.16 を寄与しますが、10%の銘柄4つは合わせても 0.04 にしかなりません。同じ資金量であるにもかかわらずです。小さな保有はほぼ見えなくなりますが、それは正しい扱いです。実際に影響が小さいからです。

指数の範囲は使いやすい形に収まります。

パターンは明らかです。N 銘柄を等ウェイトで保有する場合、HHIは 1/N に一致します。この関係こそが、次の指標を可能にします。

実効銘柄数

HHIは数学的には美しいものの、感覚的に掴みにくい指標です。0.3877という値そのものは何も伝えません。しかし逆数を取ると、意味が一気に立ち上がります。

これは本当に有用な問いに答えます。実際の保有と同じ集中度を生むには、等ウェイトの銘柄が何個必要か？30銘柄を保有していて実効銘柄数が6であれば、そのポートフォリオは6銘柄のポートフォリオとして振る舞うと明確に告げています。残る24銘柄はノイズです。

計算例

3銘柄で構成されたテクノロジー・ポートフォリオを例に取ります。

HHIは0.3877なので、実効銘柄数は 1 / 0.3877 = 2.58 です。3銘柄を保有していながら、実質は2.5銘柄程度として振る舞います。15%未満のNVDAは、全体のリスク特性にほとんど寄与していません。

最大保有比率は45.45%で、これ単独ですでに警告と言えます。2つの数値は一貫した物語を語っています。これは集中した賭けであり、NVDAを加えてもその性質は実質的に変わっていません。

これらの指標が見落とす集中

ここに落とし穴があります。ここまでの指標はすべて、各銘柄が互いに独立であると仮定しています。実際には独立ではありません。

例のポートフォリオは100%テクノロジーです。仮に3銘柄を完全に均等へとリバランスし、実効銘柄数を健全な3.0に、最大比率を33%に下げたとしても、それは依然として単一セクターの行方に対する分散されていない賭けのままです。銘柄レベルの指標は改善しても、実際のリスクはほとんど動きません。

したがって本当の集中度分析は、少なくとも3階層まで見る必要があります。

• 銘柄レベル——最大比率、HHI、実効銘柄数
• セクターレベル——同じ計算を個別銘柄ではなくセクター単位に適用する
• ファクターレベル——金利感応度、モメンタム、単一通貨など、同じ基礎的ドライバーへのエクスポージャーを共有していないか

大半の分析が力尽きるのが3階層目であり、本当の驚きが潜んでいるのもそこです。異なるセクターの2銘柄でも、同じマクロ要因に反応するなら、同一セクターの2銘柄よりはるかに高い相関を示すことがあります。全セクターに分散しているように見えて、実際には金利低下へのレバレッジド・ベットになっているポートフォリオもあり得ます。

APIで算出する

これらの計算自体は自分で実装できる程度に単純です。HHIなら3行で書けます。本当に難しいのはその先——ティッカーをセクターやファクター・エクスポージャーに解決し、その参照データを各市場で最新に保ち、数値を判断へと翻訳する部分です。

PORTIQA API は、3つの集中度指標をセクター分析・ファクター分析とあわせて、1回のリクエストで返します。

curl -X POST https://portiqa.ai/evaluate \
  -H "Authorization: Bearer $PORTIQA_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "risk_level": "medium",
    "positions": [
      { "ticker": "AAPL", "market_value": 25000 },
      { "ticker": "MSFT", "market_value": 22000 },
      { "ticker": "NVDA", "market_value":  8000 }
    ]
  }'

レスポンスの該当フィールド：

{
  "score": 45.9,
  "status": "Neutral",
  "max_position_weight": 45.45,
  "max_position_ticker": "AAPL",
  "effective_positions": 2.58,
  "top_sector": "Technology",
  "top_sector_weight": 100,
  "score_components": {
    "diversification": 34.5,
    "risk": 99.2,
    "quality": 72.1
  }
}

2つのコンポーネントの食い違いに注目してください。示唆に富んでいます。risk は99.2——いずれも大型で安定した高品質企業であり、個別のボラティリティは低い。一方 diversification は34.5です。その品質がすべて単一セクターに集中しているからです。単一の総合スコアであればこの緊張は隠れてしまいますが、分離されたコンポーネントは、どの問題を解くべきかを正確に示します。

フィールドの完全なドキュメントは APIリファレンスに、Python・JavaScript・PHPの実装例はコードサンプルにあります。