その他のアセットアロケーション手法へようこそ！

これまでのCAIAの学習で、伝統的な平均分散最適化（MVO）には、入力データへの感応度の高さ、誤差の最大化、期待リターンへの過度な依存など、実務上の課題があることを見てきました。こうした限界に対処するため、機関投資家はいくつかの代替的なアセットアロケーション・フレームワークを採用しています。この章では、CAIAカリキュラムで概説されている主要な代替アプローチを取り上げます。具体的には、コア・サテライト運用、トップダウン／ボトムアップ／混合アプローチ、リスクバジェッティングとリスクバケット、リスクパリティ、そして経験則に基づく定量的配分手法を学習していきます。

1. コア・サテライト運用

コア・サテライト運用は、ポートフォリオを2つの異なるセグメントに分割し、幅広い市場エクスポージャーと超過収益のバランスを取るよう設計された手法です：

• コア（The Core）：ポートフォリオの大部分（通常70%〜80%）を占めます。一般的に、幅広い市場ベータを効率的に獲得するよう設計された、パッシブ運用または低コストのインデックス商品に配分されます。
• サテライト（The Satellites）：アクティブ運用マネージャー、オルタナティブ投資戦略、またはアルファ創出と分散効果の向上を目的としたタクティカルなアイデアに充てられる、より小さな特化型の配分（20%〜30%）です。

コア・サテライト運用のメリット：
• コスト効率：高額なアクティブ運用報酬をポートフォリオ全体で支払う必要がなく、サテライト部分の投資に限定できます。
• 明確なリスク分離：市場ベータのリスクをコアで確実に確保する一方で、アクティブなトラッキングリスクはサテライト内に隔離（リングフェンス）されます。

2. トップダウン、ボトムアップ、および混合アプローチ

投資家は、異なる階層プロセスを通じてポートフォリオの配分比率を決定できます：

• トップダウン・アプローチ：マクロ経済レベルから開始します。アロケーターは、個別のファンドや銘柄を選択する前に、世界的な経済指標、インフレ、金利、地政学的トレンドを評価し、資産クラス、地域、またはセクター間のアロケーションを決定します。
• ボトムアップ・アプローチ：事前に定義されたトップダウンの目標設定なしに、主に個別の証券や単一マネージャーの投資機会に焦点を当てます。ポートフォリオ全体のアロケーションは、単純に個別の資産選択の累積結果となります。
• 混合アプローチ：トップダウンの戦略的・タクティカルな指針と、ボトムアップのマネージャー選定および銘柄選択を組み合わせます。例えば、トップダウンのポリシー枠（上限と下限）によって許容される資産クラスの範囲を設定し、ボトムアップのファンダメンタル分析によってその範囲内での具体的な銘柄やファンドへの投資を決定します。

3. リスクバジェッティングとリスクバケット

伝統的なアセットアロケーションでは、資本（金額またはパーセンテージ）を配分します。しかし、資本配分はリスク配分と等価ではありません。例えば、株式60%・債券40%のポートフォリオでは、多くの場合、トータル・ボラティリティの90%以上が株式によってもたらされます。リスクバジェッティングは、トータル・ポートフォリオ・リスク（分散やバリュー・アット・リスクなど）の単位を投資カテゴリーやファクター全体に配分することで、この問題を解決します。

リスクバケット

アロケーターは多くの場合、法的な資産クラスではなく経済的機能に基づいて、資産を戦略的なリスクバケットに分類します（例：成長／資本増価、資本保全／ディフェンシブ、インフレヘッジなど）。

ファクターベースのリスクバジェッティング

ファクターベースのフレームワークでは、ポートフォリオの分散がシステマティックなリスクファクター・エクスポージャー（株式リスク、期間／デュレーション・リスク、クレジットスプレッド・リスク、流動性リスクなど）に分解されます。アロケーターは「プライベート・エクイティと上場株式にそれぞれいくら投資すべきか？」と問うのではなく、各原資産ファクターからの目標限界リスク寄与度（\(\text{MCR}\)）を決定し、ポートフォリオが単一のマクロ経済リスク要因に意図せず集中することを防ぎます。

4. リスクパリティ

リスクパリティは、各資産クラスまたはリスクバケットがポートフォリオ全体のトータルリスクに対して均等に寄与するようにするアセットアロケーション手法です。株式と債券の2資産ポートフォリオにおいて、標準的な60/40の配分は株式リスクに大きく支配されます。リスクパリティは、すべての構成要素のリスク寄与割合が同一になるようポートフォリオをリバランスします。

仕組みとレバレッジの活用

国債のような低リスク資産は株式に比べてボラティリティがはるかに低いため、レバレッジをかけない均等リスクポートフォリオでは債券へ巨額の資本配分を行う必要があり、投資家の要求リターンを満たせない期待リターンとなる可能性があります。リスクパリティでは、等しいリスク寄与度を維持しながら全体の期待リターンを引き上げるために、低リスク資産クラス（またはバランスの取れたリスクパリティ・ポートフォリオ全体）にレバレッジを適用することでこれに対処します。

低ボラティリティ・アノマリー

リスクパリティは、部分的に低ボラティリティ・アノマリー（またはボラティリティ・アノマリー）に基づいています。実証研究によれば、低リスク・低ベータの資産は、高ベータの資産よりも高いリスク調整後リターン（高いシャープレシオ）をもたらす傾向があります。シャープレシオの高い低ボラティリティ資産群にレバレッジをかけることで、リスクパリティ・ポートフォリオは市場サイクル全体を通じてレバレッジをかけない伝統的ポートフォリオをアウトパフォームすることを目指します。

5. その他の定量的アプローチ

投資家がMVOのようなパラメータ推定誤差を伴わないルールベースの配分を求める場合、よりシンプルな定量的モデルを活用します：

• 均等加重（\(\text{1/N}\)アプローチ）：資本を利用可能なすべての資産に均等に配分し、ウェイトを\(w_i = \frac{1}{N}\)と設定します。この経験則（ヒューリスティック）では、期待リターン、ボラティリティ、相関の推定が一切不要であり、最適化ツールの推定誤差を完全に排除できます。また、実証研究において、複雑なモデルがサンプル外で上回ることが驚くほど難しいベンチマークとなっています。
• 逆ボラティリティ加重：相関関係を無視し、各資産の個別ボラティリティ（標準偏差、\(\sigma_i\)）に反比例してウェイトを割り当てます：
\(w_i = \frac{1/\sigma_i}{\sum_{j=1}^{N} (1/\sigma_j)}\)
ボラティリティの低い資産ほど高いウェイトが割り当てられるため、相関行列を推定することなく、ポートフォリオ全体のトータル・ボラティリティを抑制することができます。