💰 quantitative finance

Anatomy of the Market: A Body-Tail Test of Factor Models

本論文は、ファクターモデルが市場全体を価格付けすることには成功する場合があるものの、サイズ別にランク付けされた「ボディ（本体）」ポートフォリオと「テール（裾）」ポートフォリオとの間で、集計時には相殺される系統的かつ相反する価格設定誤差が生じていることから、市場の内部構成要素の価格付けにおいてはしばしば失敗することを実証している。

原著者： Useong Shin

公開日 2026-06-23

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Useong Shin

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

あなたは、巨大で複雑なシチューを味わおうとしているシェフだと想像してください。あなたは鍋の真ん中から大きなスプーンで一口すくい、味わい、「これは完璧だ！味付けが絶妙だ」と言います。

さて、そのシチューが実は、全く異なる2つの部分からできていると想像してみてください：大量のジャガイモ（「ボディ」）と、一掴みのスパイシーな唐辛子（「テイル」）です。もしあなたがシチュー全体を味わったとしたら、ジャガイモは少し塩辛すぎ、唐辛子は少し味が薄すぎるかもしれません。しかし、ジャガイモの塩辛さが唐薬品の薄さを打ち消すため、スプーン一杯の「平均的な」味は完璧に思えるのです。

これは、Useong Shinによる論文**「Anatomy of the Market: A Body–Tail Test of Factor Models（市場の解剖学：ファクターモデルのボディ・テイル・テスト）」**が調査している内容そのものです。

大きな問い

金融の世界では、専門家は株のパフォーマンスを予測するために、数学的なレシピ（「ファクターモデル」と呼ばれます）を使用します。これらのレシピには通常、「マーケット・ファクター」が含まれています。これは単に「すべての銘柄の平均的なパフォーマンス」を意味します。

著者は、シンプルでありながらトリッキーな問いを投げかけています。もしレシピが「シチュー全体（株式市場全体）」に対して完璧に機能するとしても、その中の個々の材料に対しても完璧に機能するのでしょうか？

実験：「ボディ」と「テイル」

このテストを行うために、著者は単にランダムな銘柄を見たわけではありません。彼は米国株式市場全体を取り上げ、企業の規模に基づいて2つの明確なグループに分けました。

ボディ（Body）： 巨大でよく知られた企業（Apple、Microsoft、Amazonなど）。これらは市場価値の大部分を占めています。
テイル（Tail）： より小さく、あまり有名ではない企業。

重要なのは、これら2つのグループを再び合わせると、元の市場と全く同じものになるということです。これはパズルを分解して、再び組み立てるようなものです。絵自体は同じですが、今度はそのピースを個別に観察することができます。

驚きの発見

著者は、いくつかの有名な金融レシピ（CAPM、Fما・フランス、そして新しい「q5」モデルなど）をテストしました。

良いニュース： すべてのレシピは、市場全体に対するテストに合格しました。「平均的な」誤差はゼロでした。シチューの味は完璧でした。
悪いニュース： ボディとテイルを個別に見たとき、特定のレシピ（q5モデル）は見事に失敗しました。

q5モデルでは何が起きたのでしょうか：

それは、ボディ（大企業）が実際よりも「悪く」動くと予測しました（マイナスの誤差）。
そして、テイル（中小企業）が実際よりも「良く」動くと予測しました（プラスの誤差）。
マジック・トリック： 大企業は非常に巨大であるため、彼らのマイナスの誤差が、中小企業のプラスの誤差を打ち消したのです。計算上は合計がゼロになり、市場全体としては「正しく価格設定されている」ように見えてしまったのです。

「ランダム分割」による検証

あなたはこう思うかもしれません。「市場を半分に分けるのは難しいだけではないか。どんな分割方法でもこうした誤差が出るのではないか」と。

これを検証するために、著者はコントロール・テストを行いました。彼は全く同じ銘柄を用い、サイズを無視して完全にランダムに2つのグループに分けました。

結果： グループがランダムであった場合、q5モデルは正常に機能しました。誤差は消えました。
結論： 問題は、市場を分割するという行為そのものではありませんでした。問題は、モデルがどのようにサイズ・ランキング（大きい vs 小さい）を扱っているかという点に特有のものでした。モデルは、大企業と中小企業の具体的な構造に対して混乱していたのです。

原因：「成長」という材料

著者は、探偵のように、q5レシピのどの部分がトラブルを引き起こしているのかを突き止めようとしました。彼は材料を一つずつ取り除いていきました。

彼は、問題がモデルの**期待成長率（Expected Growth: EG）と自己資本利益率（Return on Equity: ROE）**への焦点から来ていることを発見しました。
具体的には、「期待成長率」というファクターが主な犯人のようでした。それが、モデルが大企業と中小企業の価格設定を、反対方向へと誤らせていたのです。

なぜこれが重要なのか（簡単に言うと）

この論文は、全体像を見ることについて、私たちに貴重な教訓を与えてくれます。

「平均が良いからといって、その中にあるすべてが正しいとは限らない」 ということです。

金融において、モデルが市場全体の価格設定に関する「妥当性チェック」をパスしたとしても、その市場の特定のパーツに関しては根本的に壊れている可能性があります。著者はこれを**「ボディ・テイル・テスト」**と呼んでいます。これは、金融モデルが、単にエラーを平均化して隠しているだけなのか、それとも実際に市場の異なる部分がどのように機能しているかを理解しているのかを確認するための、ストレス・テストなのです。

まとめ

設定： 株式市場を「大きいグループ（ボディ）」と「小さいグループ（テイル）」に分ける。
テスト： 金融モデルが、市場全体と、その2つのグループの両方を正しく価格設定できているかを見る。
結果： ほとんどのモデルは機能した。しかし、q5モデルは市場全体については完璧に見えたが、実際にはパーツに対して間違っていた。それは大企業が割高で、中小企業が割安であると考えていたが、その誤差が相殺されていた。
原因： 「期待成長率」への焦点が、混乱を引き起こしていた具体的な要因であった。
教訓： 平均だけを信じてはいけない。モデルが市場全体を正しく価格設定しているとしても、それが各パーツも正しく価格設定しているかを確認しなければならない。さもないと、モデルは間違いを隠しているだけかもしれない。

技術的要約：市場の解剖学：ファクターモデルにおけるボディ・テイル検定

問題提起
本論文は、標準的なファクターモデルの評価における根本的な限界、すなわち、主要なサニティチェック（妥当性確認）として集計された市場価格に依存しているという点を扱っている。ほとんどの線形ファクターモデル（例：CAPM、Fama–French、qファクター）は、市場リターンをコア・ファクターとして含んでいる。その結果、モデルが集計された市場ポートフォリオを価格付けできる能力は、モデルの価格付け能力に対する厳しいテストというよりも、「組み込まれたサニティチェック」となってしまっている。集計された市場におけるアルファが小さい、あるいは有意ではないことは、モデルが市場の内部構成要素を正しく価格付けできていることを意味しない。市場を構成するポートフォリオ内での価格付け誤差は、符号が逆転して相殺されることがあり、それが内部の一貫性を隠蔽してしまう可能性がある。中心となる問いは、「もしあるファクターモデルが集計された市場を価格付けできるのであれば、それは市場の内部構成要素も価格付けできているのか？」というものである。

手法
著者は、外部のアノマリー・ポートフォリオを導入することなく、内部の価格付けの一貫性を評価するための「ボディ・テイル検定（body–tail test）」を提案している。

データ構築:
- 1967年1月から2024年12月までのCRSP普通株（NYSE、AMEX、NASDAQ）からなる投資可能な市場ポートフォリオを構築する。
- 極端なマイクロキャップを除外しつつ、総市場時価総額の99.7%を維持するために、流動性と時価総額によるスクリーニングを行う。
- カスタム市場リターン（cMKT）を、時価総額加重のバイ・アンド・ホールド・ポートフォリオとして構築する。これは、Fama–Frenchおよびq5の市場ファクターと極めて高い相関（ $R^2 > 0.999$ ）を示すことが検証されており、その後の価格付け誤差が市場ファクターの実装によるアーティファクト（人工的なもの）ではないことを保証している。
ボディ・テイル分解:
- 各形成日において、投資可能なユニバースを累積時価総額ランクに基づき、2つのレグ（脚）に分割する。
  - ボディ（Body）: 上位 $p$ パーセントの累積時価総額。
  - テイル（Tail）: 残りの銘柄。
- 分割比率 $p$ は0.50から0.99の範囲とする。
- 決定的なのは、ボディとテイルのレグは、それぞれの時変的な市場ウェイトを用いて再結合したとき、元の集計市場ポートフォリオを正確に再構成できる、取引可能なポートフォリオである点である。
- このテストでは、ボディとテイルについて個別に時系列アルファを推定し、両方のアルファがゼロであるという結合帰無仮説（ $H_0: \alpha_{body} = \alpha_{tail} = 0$ ）を検定する。
一致した帰無仮説ベンチマーク（ランダム分割）:
- サイズ順位付けされた構造に起因する価格付け誤差と、ポートフォリオを分割することによる機械的な効果を区別するために、著者はランダム分割を用いる。
- これらの分割では、同じユニバース、形成日、分割比率を使用するが、銘柄をサイズ順位ではなくランダムにレグへ割り当てる。
- もしボディ・テイル分割では棄却が発生するが、ランダム分割では発生しない場合、その誤差は分割という行為ではなく、サイズ順位付けされた構造に起因すると判断される。
評価対象モデル:
- CAPM、Fama–French 3-factor (FF3)、Carhart 4-factor、Fama–French 5-factor (FF5)、Fama–French 6-factor (FF6)、およびq5モデル（市場、サイズ、投資、ROE、期待成長率）。

主な結果

集計 vs 内部の一貫性:
- すべての候補モデルは、集計された市場に対するサニティチェックを通過しており、フル市場ポートフォリオに対して高い $R^2$ と統計的に有意ではないアルファを示している。
- しかし、ボディ・テイル分解は対照的な結果を示した。CAPM、FF3、FF5、FF6は概して安定しているが（ほとんどの分割比率において結合ゼロ・アルファ帰無仮説を棄却しない）、q5モデルは9つすべての分割比率において結合ゼロ・アルファ制限を棄却した。
q5における系統的なオフセット:
- q5モデルの下では、ボディ・レグは一貫して負のアルファを示し、一方でテイル・レグは一貫して正のアルファを示す。
- これらの誤差は、両方のレグを再結合したときに相殺されるのに十分な大きさであり、なぜ集計された市場アルファが有意にならないのかを説明している。
サイズ順位付けの役割:
- 棄却はサイズ順位付けされた構造に特有のものである。一致したランダム分割では、q5の結合棄却率は名目レベル（約4.1%）まで低下しており、これはエラーがポートフォリオを分割することによる機械的な結果ではなく、サイズの階層構造に結びついていることを示している。
ファクター・ブロック診断:
- 棄却は市場ファクターによって引き起こされているのではない。q5の市場ファクターを著者のcMKTに置き換えても、棄却は解消されない。
- アブレーション研究（要素除去実験）により、ROE–EG（自己資本利益率 – 期待成長率）ブロックが緊張の源泉であることが特定された。
  - MKTのみのq5バリアントはテストを通過する。
  - ME（サイズ）とIA（投資）を追加しても安定性は維持される。
  - EG（期待成長率）とROEの包含が棄却を駆動する。
  - EGを削除すると、棄却率は大幅に減少する（9/9から2/9の分割比率へ）。一方、ROEを削除した場合も、依然として顕著な棄却が残る。
時変性:
- q5のボディ・テイル棄却は、時不変ではない。これは1980年代から2000年代半ばにかけて最も顕著であり、近年（2010年代〜2020年代）では大幅に弱まっている。これは、EGおよびROEのファクター・プレミアムが近年のデータにおいて弱体化していることと一致している。

意義と主張
本論文は、主に以下の3つの貢献を行っている。

内部一貫性のチェック: ボディ・テイル検定を、ファクターモデルが集計された市場だけでなく、市場の内部構成要素を価格付けできているかを評価するための診断ツールとして導入した。これは、集計された市場への適合性が、内部の価格付けの一貫性に対する必要条件ではあるが、十分条件ではないことを示している。
構造的エラーの分離: ランダム分割を一致したベンチマークとして用いることで、価格付け誤差を市場のサイズ順位付けられた構造に特異的なものとして分離し、機械的な分割効果を排除している。
モデルの詳細な診断: 本研究は、q5モデルが平均分散スパン・テスト（投資機会集合をFF6よりも拡大させるテスト）において強力なパフォーマンスを示すにもかかわらず、市場ポートフォリオの内部的な相対リターンを価格付けすることには失敗していることを示している。これは、あるモデルがシャープレシオの拡大という点では「強い」一方で、市場ポートフォリオの内部的な相対リターンを価格付けできない可能性があることを示唆している。

結論
著者は、内部の価格付け誤差が相殺されるために、集計された市場が価格付けされているように見えることがあると結論づけている。ボディ・テイル検定は、q5モデルの収益性・成長ブロック（特に期待成長率）が、大型株は過小評価（負のアルファ）され、小型株は過大評価（正のアルファ）されるという緊張状態を生み出していることを明らかにしている。本論文は、q5が一般的に平均分散の意味で劣っていると主張しているのではなく、ファクターモデルの評価は、集計された市場への適合性を超えて、市場の取引可能な内部構成要素の価格付けの一貫性にまで拡張されるべきであると主張している。