株式リターンはごく短い期間に限って予測可能である理由

株式リターンは予測可能かもしれないが、短い期間に限られる

投資家は何十年もの間、株式リターンを確実に予測できる指標を探し続けてきました。バリュエーション比率、金利、クレジットスプレッド、インフレ、市場のボラティリティ、そして経済活動指標は、いずれもある時点で有望とされてきました。問題は、ある指標がある期間では有用に見えても、次の期間では効果がなくなることです。

Journal of Econometrics¹に掲載された新しい研究は、この不安定性がデータの欠陥ではなく、市場予測可能性の本質的な特徴である可能性があると主張しています。株式リターンは予測可能かもしれませんが、景気後退、金融ショック、政策変更、あるいは投資家の情報処理方法の変化によって生じる一時的なエピソードに限られます。

研究者らは、これらのエピソードが出現した際に検出することを目的とした統計的モニタリング手法を開発しました。彼らの研究は実務上の問いを再定義します。変数が全歴史サンプルを通じてリターンを予測するかどうかを問うのではなく、投資家はその変数が最近有用な情報を含み始めたかどうかを問うべきです。

永続的な市場シグナルが見つけにくい理由

従来の予測研究は、しばしば数十年にわたるデータ全体で単一の関係を推定します。例えば、アナリストは配当利回りが株式プレミアム（リスクフリー資産を上回る株式のリターン）を予測できるかどうかを検証することがあります。これは、その関係がサンプル全体を通じて十分に安定していると仮定しています。

市場はめったに協調しません。金融政策の変更、規制の変化、そして広く知られた戦略が資本を呼び込むことがあります。シグナルは危機時に強まりますが、投資家がそれを認識すると消失します。そのため、全期間モデルは関係が存在しなかった多数の年とともに有用なエピソードを希釈してしまう可能性があります。

このことは、ある研究では金融変数が統計的に有意に見えても、別の研究では失敗する理由を説明します。意見の相違は、どちらかの結果が必ずしも間違っていることを意味するわけではありません。研究は異なる市場レジームを検証していた可能性があります。

課題は、一般的な予測因子の多くが高度に持続的であるため、さらに困難になります。配当利回り、ブックトゥマーケット比率、金利指標は長期間にわたり高止まりまたは低下したままであることがあります。また、これらはリターンに影響を与える同様のショックと同時に変動することがあります。従来の統計検定は、これらの特性を予測力と誤認することがあります。

リアルタイムモニタリングが問題を変える方法

本稿は、予測可能性が検出されない初期トレーニング期間を設定した後、入ってくるデータを逐次的にモニタリングすることを提案しています。推奨される手法は、IVXインストゥルメンタル変数条件に基づく累積和（CUSUM）プロセスを使用します。

簡単に言えば、システムは候補指標とその後のリターンとの関係が、歴史的ベースラインから十分に乖離してシグナルを出すべきかどうかを追跡します。ユーザーが予測因子が弱く持続的であるか、単位根に近いか、あるいはその中間かを事前に知る必要がないよう設計されています。

このモニタリングフレームワークは、同時に複数の問題に対処します：

• 予測関係は警告なしに始まり、終わることがあります。
• 繰り返しテストを行うことで、シグナルが存在しない場合でも誤警報が生じることがあります。
• ボラティリティの変化により、通常の検定が実際には存在しない関係を検出してしまうことがあります。
• 予測因子は持続的であり、予期せぬ市場リターンと相関することがあります。

ボラティリティ調整は特に重要です。大規模な市場ショックは観測値を大きくし、基礎となる予測関係が変化していなくてもモニタリング統計量が閾値を超えることがあります。これは、よく知られた指標がリスク環境の一部しか捉えられないという広範な問題に関連しており、Securities.ioが検討したVIXが株式市場リスクを完全に捉えられない理由でも論じられています。

シミュレーションで判明したこと

著者らは、予測因子の持続性、ボラティリティの経路、内生性の関係、予測エピソードの開始日が異なるシミュレート市場で手法をテストしました。提案された複数のCUSUM手法は、これら多くの条件下で偽陽性率を適度に制御できました。

最も有効な手法は、特に予測因子が極めて持続的な場合、競合するローリングウィンドウ手法よりも早期に予測可能性を検出する傾向があります。これは、エピソードの終盤でしかシグナルを検出できないモデルでは、短命のシグナルは実用的価値を失うため重要です。

しかし、すべての条件下で支配的な手法はありませんでした。ある手法は特に迅速に反応しましたが、ボラティリティ上昇後に過剰な偽陽性を生み出しました。別の手法はより保守的で遅かったです。本稿が推奨する分散調整CUSUMアプローチは、検出速度と誤警報制御の間でより有用なバランスを提供しました。

シグナルを出しすぎるモデルは、コストのかかるローテーションと過信を招く。慎重なモデルは、機会の大部分が過ぎ去った後にしかレジームを認識しないことがある。したがって、リアルタイムシステムは、見逃しシグナルと誤報の間で選択するための明確な方針を必要とする。

モデルがS&P 500を監視したときに起きたこと

研究者は、1965年1月から2024年12月までの月次S&P 500データと候補予測因子を用いて、疑似リアルタイムの演習を実施した。予測因子には、バリュエーション比率、ボラティリティ指標、テクニカル指標、債券利回り、クレジット市場変数、インフレ、経済活動が含まれる。

全サンプルのテストでは、ほとんどの変数がリターンを一貫して予測する証拠はほとんど見つからなかった。しかし、モニタリング手法は特定のウィンドウを特定した。いくつかの債券およびマクロ経済指標は、1973〜1975年の市場混乱期に情報価値を持つようになった。テームスプレッドは、ブラックマンデーに至る期間に予測的内容を示した。他のシグナルは、世界金融危機、2018年、2022年頃に現れた。

これらの結果は、レジームベースの解釈を支持する。クレジットリターン、イールドスプレッド、流動性、バリュエーション、経済の余剰は、市場がリスクを再評価している時に最も重要になる可能性がある。通常の状況下でリターンを予測しなくても、ストレス期に有用となり得る。

より大きな洞察はシグナルのライフサイクル管理にある

本研究の最も価値ある貢献は、取引すべき指標のリストではなく、投資シグナルのライフサイクルを管理するためのフレームワークである。

本番モデルには、活性化ルール、退役ルール、検出されたエピソード後に再校正する手法が必要である。これは、予測モデルを一度構築し、係数が有効であり続けると仮定することとは異なる。予測可能性を変化するシステム状態として扱うのである。

この視点は、ボラティリティが二つの役割を果たすことも示唆している。期待リターンに関する情報を含む可能性がある一方で、その情報を検出するための統計検定を汚染することもある。Securities.io が取り上げた研究でも、日次リターンはボラティリティ予測に有用であり続ける可能性があることが、より高頻度のデータセットが利用可能でも確認されている。データが増えても、データ内の関係が変化し続ける限り、モデルの不安定性が自動的に解決されるわけではない。

投資チームにとって、論理的な次のステップは階層型システムになるだろう。あるモデルが候補予測因子が活性レジームに入ったかどうかを監視し、別の予測層が期待リターンの方向と大きさを推定する。ポートフォリオ構築は、取引コスト、ドローダウン、流動性、ポジション上限を考慮することになる。

この分離は重要である。統計的予測可能性は、収益性のある戦略と同じではないからだ。本稿はポートフォリオリターン、実装コスト、税金、リスク調整後のパフォーマンスは算出していない。その歴史的演習は疑似リアルタイムであり、実際の運用ではない。手法が市場を上回ると主張することは、証拠を超えている。

金融インテリジェンス層への投資

本研究は、よりクリーンな金融データ、適応型分析、レジーム変化を認識できるツールへの需要が高まっていることを示唆している。そのインフラストラクチャ内に位置する企業の一つが S&P Global (SPGI ) である。 .

S&P Global はベンチマーク、格付け、商品インテリジェンス、マーケットデータにまたがって事業を展開している。その Market Intelligence 部門は、機関投資家が企業、クレジット状況、市場行動を調査する際に使用する多くのデータセットと分析ワークフローを提供している。同社はまた、Kensho を通じて AI 能力を拡大しており、複雑な企業記録を結びつけ、金融データセットを機械が解釈しやすくするツールを提供している。2026年、S&P Global は、エンティティカバレッジを拡大し、複雑な企業構造全体で認識精度を向上させた Kensho Link の拡張版を発表した。

これは、S&P Global が本研究で述べられたモニタリング手法を所有または商業化していることを意味するわけではない。投資との関係はより広範であり、適応型金融モデルは広範かつ標準化されたタイムリーなデータに依存している。定量システムが市場レジームに対してより応答的になるにつれ、データ品質と統合が競争優位の一部となる。

Securities.ioの最近のプロファイルはMSCIと金融市場のインフラをハイライトし、同じ根底にあるトレンドを示しています。インデックス提供者は、ベンチマークリストの単なる出版者ではなく、データおよび分析企業としての役割がますます強まっています。

市場の予測可能性は変動するターゲット

この論文は効率的市場仮説の議論を決着させるものではありませんが、より現実的な枠組みを提示しています。市場は概ね予測が難しいものの、経済指標や金融指標が異常に有益になる短い期間が時折生じます。

投資家にとっての示唆は、すべての新たに重要となった変数を追いかけることではありません。シグナルを条件付きとみなし、その安定性を監視し、ある危機下で見つかった関係が次の拡大局面で持続しない可能性があることを認識することです。持続的な優位性は、永続的な予測式を見つけることよりも、市場のルールが一時的に変化した時点を検出することにあるかもしれません。

参考文献：

¹ Demetrescu, M., Schmidt, F., & Taylor, A. M. R. (2026). 非定常的なボラティリティ環境における株式リターン予測可能性のリアルタイムモニタリング。 Journal of Econometrics, 258, 106341. https://doi.org/10.1016/j.jeconom.2026.106341