Each language version is independently generated for its own context, not a direct translation.

「すべての卵を一つのカゴに入れる」のが実は安全？

分散投資の常識を覆す新しい発見を、わかりやすく解説します

通常、私たちが「リスク」について考えるとき、**「分散投資（Diversification）」**は絶対的な鉄則です。
「すべての卵を一つのカゴに入れるな（Don't put all your eggs in one basket）」ということわざは、リスクを減らすための黄金律として世界中で信じられています。複数の投資先に資金を分けることで、一つが失敗しても全体へのダメージを最小限に抑えられるからです。

しかし、この論文は**「ある特殊な状況では、卵を一つのカゴに集中させる方が、実は分散するよりも安全（リスクが低い）」**という、常識をひっくり返す驚きの結果を証明しました。

1. なぜ「分散」が失敗するのか？（巨大な隕石の例）

この論文が扱っているのは、**「平均値が無限大になるような、極めて稀だが壊滅的な被害」**をもたらすリスクです。

通常のリスク（例：車の事故）：
100 台の車に分散すれば、事故の総額は予測しやすく、分散することでリスクが下がります。
この論文のリスク（例：核事故や巨大パンデミック）：
これらは「1 回起きれば、何兆円もの被害が出るが、起きる確率は極めて低い」という**「無限の重さを持つ隕石」**のようなものです。

【たとえ話：隕石と傘】

分散投資（カゴを 100 個）：
あなたが 100 個のカゴにそれぞれ 1 個ずつ隕石を隠し、どれか 1 つが落ちてくる確率を分散させたとします。
しかし、隕石の威力が「無限大」の場合、どれか 1 つでも隕石が落ちてくれば、あなたの資産は全滅します。
100 個のカゴがあるせいで、「隕石が落ちる場所」の候補が 100 倍に増え、「隕石がどこかに落ちてくる（被害が出る）」確率自体が、1 つのカゴに集中している場合よりも高くなってしまいます。
集中投資（カゴを 1 つ）：
逆に、すべての隕石を 1 つのカゴに集中させておけば、そのカゴが隕石に当たらない限りは安全です。隕石が落ちる確率は低く保たれます。

つまり、「壊滅的な被害（無限の重さ）」を持つリスクの場合、「分散」することは、逆に「被害が起きる可能性（確率）」を上げてしまうのです。

2. この論文の核心：「一カゴ定理（One-Basket Theorem）」

著者のレオナール・ヴィンセント氏は、この現象を数学的に証明しました。

従来の考え方：
「リスクを分散すれば、必ず安全になる」というのは、**「平均的な損失」**がある場合の話でした。
新しい発見：
「平均が無限大になるような、とてつもなく重い尾（Heavy-tailed）を持つリスク」の場合、「分散したポートフォリオ」の方が、「1 つのリスクに集中したポートフォリオ」よりも、あらゆるレベルの被害 threshold（しきい値）を超えてしまう確率が高くなることがわかりました。

これを**「一カゴ定理」と呼んでいます。
「卵を一つのカゴに集中させる（One-basket）」方が、「すべての卵をバラバラのカゴに散らす（Diversified）」よりも、「カゴが割れて卵が全部こぼれる（大損害）」**可能性が低い、という逆転現象です。

3. 具体的な例：サイコロとパレートの法則

論文では、具体的な数字の例も挙げています。

サイコロゲーム（サンクトペテルブルクのパラドックス）：
コインを裏が出るまで繰り返し、裏が出た回数が $n$ なら、賞金は $2^n$ 倍。これは平均賞金が「無限大」になります。
このゲームを「1 回だけやる」のと、「100 回やってその平均を取る」のとでは、「1 回だけやる（集中）」方が、高額賞金（＝巨大損失の逆）が出る確率が実は低いという奇妙な現象が起きます。
離散パレート分布：
「1 億円の損失が 1/100 の確率で起きる」というような、非常に極端な分布を持つリスクの場合、分散投資をすると「どこかで 1 億円以上の損失が出る」確率が、単一のリスクを持つ場合よりも高まることが証明されました。

4. 私たちへの教訓：いつ「分散」をすべきか？

この論文は、「分散投資はもうダメだ」と言っているわけではありません。日常のリスク（株価の小幅な変動や、通常の事故など）においては、分散投資は依然として最強の防御策です。

しかし、以下の場合は注意が必要です：

リスクが「無限大」になりうる場合：
核戦争、巨大なサイバー攻撃、未知のパンデミックなど、一度起きれば社会が崩壊するような「黒天鹅（ブラックスワン）」的なリスク。
リスクの「平均」が計算できない場合：
過去のデータから「平均的な被害額」を予測できない、あまりにも極端な分布を持つ場合。

結論：
「すべての卵を一つのカゴに入れるな」ということわざは、**「普通の卵」には当てはまります。しかし、「爆発する可能性のある特殊な卵」を扱う場合は、「あえて一つのカゴに集中させる（あるいは、そのリスクそのものを避ける）」**方が、結果的に「カゴが割れる（大損害が出る）」確率を下げられることがある、というのがこの論文のメッセージです。

まとめ

常識： 分散すればリスクは減る。
真実： 被害が「無限大」になりうる極端なリスクの場合、分散すると逆に「大被害が起きる確率」が増える。
教訓： 通常の投資では分散が正解ですが、**「壊滅的なリスク」**を扱う際は、そのリスクの性質（平均が無限大かどうか）を見極め、場合によっては集中（または回避）の方が賢明な判断になる可能性があります。

この研究は、リスク管理の専門家だけでなく、私たちが「安全」についてどう考えるべきかという哲学的な問いにも答える、非常に興味深いものです。

Each language version is independently generated for its own context, not a direct translation.

論文「多様化と確率優位性：すべての卵を一つのバスケットに入れる方がよい場合」の技術的サマリー

著者: L´eonard Vincent
日付: 2026 年 3 月 11 日
キーワード: 多様化、リスクプール、確率順序、無限平均

1. 問題設定と背景

従来のリスク管理理論（大数の法則や現代ポートフォリオ理論）では、独立した複数のリスクに曝露を分散させる「多様化（Diversification）」は、全体のボラティリティを低下させ、リスクを軽減する有効な手段と見なされてきました。しかし、この論文は、無限平均（無限大の期待値）を持つ重尾分布（heavy-tailed distributions）、特にパレート分布などの条件下では、多様化が逆にリスクを増大させるという逆説的な現象に焦点を当てています。

具体的には、Chen ら（2025a）によって示されたように、無限平均のパレート分布に従う独立同分布（iid）のリスクにおいて、分散ポートフォリオ（加重平均）は、単一のリスク（「一つのバスケット」）よりも、あらゆる閾値において超過確率が高くなる（第一順序確率優位性で支配される）ことが示されています。

既存の研究は主に「すべての重みベクトルに対して一様に成り立つ」条件や、特定の分布クラスに限定された結果を提供してきました。本論文は、特定の重みベクトルに対してのみ成立する条件を特定し、より広範な分布（特に離散分布や異なる最小値を持つリスク）を含む一般化された枠組みを構築することを目的としています。

2. 手法と理論的枠組み

2.1 比較対象の定義

論文では、以下の 2 つのポートフォリオを比較します。

分散ポートフォリオ（Diversified Portfolio）: $P_D = \sum_{i=1}^n \theta_i X_i$ $P_{D} = \sum_{i = 1}^{n} θ_{i} X_{i}$
- 各リスク $X_i$ に重み $\theta_i$ をかけて同時に保有する（加重平均）。
集中ポートフォリオ（One-Basket Benchmark / Mixture）: $P_C = \sum_{i=1}^n I_i X_i$ $P_{C} = \sum_{i = 1}^{n} I_{i} X_{i}$
- カテゴリカル分布に従う確率変数 $(I_1, \dots, I_n)$ （ $\sum I_i = 1$ ）を用いて、重み $\theta_i$ の確率で単一のリスク $X_i$ のみを選択するモデル。
- 同分布の場合、これは単一のリスク $X$ と分布が一致します。

2.2 第一順序確率優位性（First-Order Stochastic Dominance, FOSD）

比較基準として第一順序確率優位性（ $X \le_{st} Y \iff P(X > x) \le P(Y > x), \forall x$ ）を採用します。これは、意思決定者が損失を嫌う（効用関数が減少する）場合、よりリスクの低い方を選ぶことを意味します。

2.3 サブスケーラビリティ（Subscalability）の概念

論文の核心となる新しい概念として**「サブスケーラビリティ」**を導入しました。
あるリスク $X$ （生存関数 $F$ ）と重み $\theta \in (0,1)$ に対して、以下の不等式が成り立つとき、 $X$ は $\theta$ -サブスケーラブルであると呼びます。
$\theta F(x) \le F(x/\theta), \quad \forall x \ge 0$
この不等式は、リスクを $\theta$ 倍に縮小した際、閾値 $x$ を超える確率が $\theta$ 倍以下に減少しない（むしろ相対的に大きくなる）ことを意味し、重尾分布の特性を反映しています。

3. 主要な結果：One-Basket 定理

3.1 One-Basket 定理（定理 4.2）

独立な正の確率変数 $X_1, \dots, X_n$ と重みベクトル $\theta \in \Delta_n$ に対して、以下の条件が満たされれば、分散ポートフォリオは集中ポートフォリオを第一順序確率優位性で支配します（つまり、分散ポートフォリオの方がリスクが高い）。

条件:
任意の $i \in \{1, \dots, n\}$ と、 $\{i\} \subseteq K \subsetneq \{1, \dots, n\}$ なる部分集合 $K$ に対して、部分集合の重み $\theta_K = \sum_{j \in K} \theta_j$ を用いて、以下の不等式がすべての $x \ge 0$ で成立すること。
$\theta_K F_i(x) \le F_i(x/\theta_K)$

結論:
$\sum_{i=1}^n I_i X_i \le_{st} \sum_{i=1}^n \theta_i X_i$
すなわち、「すべての卵を一つのバスケットに入れる（集中）」方が、「分散させる」よりもリスクが低い（生存関数が小さくなる）ことが示されます。

3.2 既存研究との違いと利点

重み依存性: 既存の結果は「すべての許容される重みベクトルに対して成り立つ」ことを要求していましたが、本定理は特定の重みベクトルに対して条件を検証可能です。これにより、均一な結果が得られないケース（例：離散パレート分布の特定重み）でも支配関係を証明できます。
非同一分布への拡張: 異なる最小値（essential infimum）を持つリスクや、異なる分布を持つリスクの組み合わせに対しても適用可能です（Chen & Shneer [2026] の結果を一般化）。

4. 具体的な応用例と発見

4.1 離散パレート分布（Discrete Pareto）

整数値をとる離散パレート分布（無限平均）について、均等重み（ $\theta_i = 1/n$ ）の場合、分散ポートフォリオは単一リスクを確率優位性で支配することが証明されました。

既存の理論では、特定の重み（例： $\theta_1=0.1$ ）ではこの関係が成り立たないことが示されていますが、本定理の「重み特異的（weight-specific）」なアプローチにより、均等重みの場合にのみ成立する支配関係を確立しました。

4.2 セントピーターズバーグ・ギャンブル（St. Petersburg Lottery）

セントピーターズバーグ・ギャンブル（ payoff $X=2^m$ ）の平均についても同様の結果が得られました。

本論文の定理を用いることで、 $X_k \le_{st} X_\ell$ となる条件（ $\ell/k$ が 2 のべき乗である場合など）を簡潔に導出・再証明しました。

4.3 局所的効果から全球的効果へ（第 7 章）

重要な洞察として、**「多様化は常に、十分に小さな閾値（原点近傍）における超過確率を増加させる」**ことが示されました。

生存関数の右連続性により、不等式 $\theta F(x) \le F(x/\theta)$ は $x=0$ 近傍では常に成立します。
One-Basket 定理は、この「局所的なリスク増大効果」がすべての閾値（全球的）に拡張されるための十分条件を提供しています。つまり、この定理は特異な例外ではなく、より一般的な現象の境界ケースとして位置づけられます。

5. 意義と結論

5.1 理論的意義

多様化の限界の明確化: 無限平均を持つ重尾リスクにおいて、多様化がリスク低減ではなくリスク増大をもたらすメカニズムを、確率優位性の観点から厳密に定式化しました。
新しいリスククラス: 「 $\theta$ -サブスケーラブル」および「完全にサブスケーラブル（completely subscalable）」という新しいリスククラスを定義し、これらが超フレシェ（super-Fréchet）分布や他の既存クラス（InvSub, super-Cauchy など）とどう関連するかを明らかにしました。

5.2 実務的意義

ランダム化再保険への示唆: 再保険契約において、一定の確率で全額を補償する「ランダム化再保険」が、定率のクォータ・シェア契約よりも、保険会社・再保険会社の双方にとって第一順序確率優位性の意味で望ましい場合があることを示唆しています（条件を満たす重尾リスクの場合）。
ポートフォリオ設計: 無限平均のリスク（サイバー攻撃、大規模自然災害、パンデミックなど）を扱う際、単純な分散投資が逆効果になる可能性を警告し、特定の重み付けや集中投資の戦略的検討の必要性を提起しています。

結論

本論文は、「すべての卵を一つのバスケットに入れる」ことが、特定の重尾リスク条件下では分散投資よりもリスク管理上優位であることを数学的に証明しました。特に、重みベクトルに依存した条件を導入することで、従来の均一な結果では扱えなかった離散分布や非対称なケースにおける多様化の失敗を解明し、リスク管理の理論的基盤を重要な側面から拡張しました。

Diversification and Stochastic Dominance: When All Eggs Are Better Put in One Basket