AIでポートフォリオを点検する｜集中・相関・リスク寄与度の可視化

結論：AIに「答え」を聞かず、「集計の設計」と「結果の言語化」だけを任せる

保有銘柄が5つを超えたあたりから、「全体としてどこに偏っているのか」は感覚では追えなくなります。ポートフォリオの点検とは、この偏りをウェイト・寄与度・流動性という共通の物差しに揃えて一覧にする作業です。生成AIはこの作業のうち、集計項目の設計、表形式の整形、結果を文章に落とす部分では役に立ちます。一方で、相関係数・過去リターン・ボラティリティといった「値そのもの」をAIに答えさせてはいけません。値は時点・期間・データソースで変わるため、記憶から出てきた数字は検証できないからです。

本記事は教育目的の一般的な解説であり、特定の銘柄・商品の推奨や投資助言ではありません。実際の運用判断はご自身の責任で、必要に応じて有資格の専門家にご相談ください。以下に登場する企業名・数値はすべて架空の設例です。

本記事では、分散投資の理論そのものには踏み込みません。なぜ分散が効くのかという枠組みは現代ポートフォリオ理論とアセットアロケーション、リターンをリスクで割った指標の定義はリスク調整後リターンの指標に譲ります。ここで扱うのは、手元にある保有明細から点検表とリスクマップを1枚ずつ作り上げる、再現可能な作業手順だけです。

点検の全体像：6工程と役割分担

点検は6つの工程に分けられます。重要なのは、工程2〜4は表計算ソフトやスクリプトで機械的に計算し、AIは工程1の準備と工程5〜6の解釈にだけ関与させるという配置です。計算をAIに任せると、後から数字の出所を追えなくなります。

設例：仮設5銘柄ポートフォリオ（すべて架空）

以下はすべて架空の銘柄・架空の数値です。個人または小規模ファンドが日本株のみで運用している前提で、基準日を20XX年3月末、金額単位を百万円で統一します。実在する企業とは一切関係がなく、特定の銘柄を推奨する意図もありません。

ウェイトの検算は 360÷1,200＝30.0%、240÷1,200＝20.0%、300÷1,200＝25.0%、180÷1,200＝15.0%、120÷1,200＝10.0% で、合計は 100.0% です。個別ボラティリティは価格データから自分で計算した値であり、AIに聞いた値ではないという前提を置きます。実務では「日次リターンの標準偏差 × √250」のように算出方法を明記してください。オプション価格から逆算するインプライド・ボラティリティとは別物なので、どちらを使ったかも脚注に残します。

工程3：リターン寄与度は「合計＝全体」で必ず検算する

寄与度分解は、点検作業のなかで唯一、電卓レベルで完全に検証できる部分です。各銘柄のウェイト×リターンを足すと、ポートフォリオ全体のリターンに一致するため、合わなければどこかに入力ミスがあると即座に分かります。ここでは基準日以降の1年間のリターン（架空）を与えます。

検算1（寄与度の合計）：+3.60 −1.00 +2.00 +3.00 +0.20 ＝ +7.80%pt。
検算2（金額から逆算）：1,293.6 ÷ 1,200 − 1 ＝ +7.80%。
検算3（損益の合計）：+43.2 −12.0 +24.0 +36.0 +2.4 ＝ +93.6百万円、1,200 + 93.6 ＝ 1,293.6百万円。

3つの経路で同じ +7.80% にたどり着くので、この表は数値として閉じています。ここで読み取れるのは、最も高いリターンを上げた湾岸データサービス（+20.0%）よりも、リターンが低いαマテリアル（+12.0%）のほうが全体への貢献は大きい（+3.60%pt 対 +3.00%pt）という点です。ウェイトが2倍あるためで、「よく上がった銘柄」と「全体を動かした銘柄」は一致しません。この区別を飛ばして「どの銘柄が良かったか」だけを見ていると、ポートフォリオの実像を取り違えます。

工程4：リスク寄与度は「近似」と「相関考慮」で結果が変わる

リターンと違い、リスクは単純に足せません。それでも実務では、まずウェイト×個別ボラティリティという単純な近似で当たりを付けることがあります。設例では次のようになります。

0.30×30 ＝ 9.00、0.20×20 ＝ 4.00、0.25×25 ＝ 6.25、0.15×45 ＝ 6.75、0.10×15 ＝ 1.50。合計は 27.50%pt です。

ただしこの 27.50% は「5銘柄がすべて完全に同じ動きをする（相関がすべて1）」と仮定した場合の値であり、実務的には上限値です。現実の相関は1未満なので、実際のポートフォリオのボラティリティはこれより小さくなります。単純近似は「最悪ケースの目安」としては使えますが、リスクの内訳を語る根拠にはなりません。この点を曖昧にしたまま「この銘柄がリスクの4分の1を占めています」と説明すると、後で数字が合わなくなります。

相関行列（設例・架空）

相関は価格データから計算した値とします。設例では、大手町エレクトロニクスと湾岸データサービスが同じ設備投資サイクルに反応する想定で 0.80 と高く、北陸フーズは全体的に低い水準に置いています。

相関を考慮したリスク寄与度

計算手順は次の3ステップだけです。表計算ソフトの行列関数（MMULT・TRANSPOSE）でそのまま再現できます。

1. 各銘柄について a＝ウェイト×個別ボラティリティ を求める（上で計算済み）。
2. 各銘柄について b＝ほかの全銘柄の a に、その銘柄との相関を掛けて合計した値を求める（自分自身は相関1なので a がそのまま入る）。b は「その銘柄がポートフォリオ全体とどれだけ連動しているか」を表します。
3. a×b をすべて足すと、ポートフォリオの分散になります。その平方根がポートフォリオのボラティリティで、各銘柄の a×b をボラティリティで割ったものがリスク寄与度です。

αマテリアルの b を例に取ると、9.00 ＋ 0.50×4.00 ＋ 0.50×6.25 ＋ 0.40×6.75 ＋ 0.10×1.50 ＝ 9.00＋2.00＋3.125＋2.70＋0.15 ＝ 16.975 です。

検算4（分散寄与の合計）：152.775＋53.300＋112.344＋111.713＋6.206 ＝ 436.338。この平方根が √436.338 ＝ 20.89% で、これがポートフォリオ全体の年率ボラティリティです。
検算5（リスク寄与度の合計）：7.31＋2.55＋5.38＋5.35＋0.30 ＝ 20.89%pt。全体のボラティリティに一致します。
検算6（シェアの合計）：35.01＋12.22＋25.75＋25.60＋1.42 ＝ 100.00%。

順位が入れ替わる理由は明快です。湾岸データサービスは個別のボラティリティが最も高い（45%）一方、ウェイトは15%と小さく、北陸フーズとの相関が 0.00 でポートフォリオ全体との連動度（b＝16.550）はそれほど高くありません。対して大手町エレクトロニクスは、ウェイトが25%と大きいうえに、αマテリアルとも 0.50、湾岸データサービスとも 0.80 で連動するため、全体との連動度が b＝17.975 と最も高くなります。「一番荒い値動きをする銘柄」と「ポートフォリオのリスクを一番背負っている銘柄」は別物だということです。

なお、ここで示したリスク寄与度は過去の相関とボラティリティが将来も続くと仮定した近似値にすぎません。相場が急落する局面では相関が一斉に上昇し、分散効果が期待どおりに働かないことが知られています。この性質はテールリスクとして扱われ、正規分布を前提にしたVaR（バリュー・アット・リスク）が過小評価しやすい領域でもあります。点検表の数字は「現状の構造の見取り図」であり、将来の損失額の予測ではありません。

ポートフォリオ点検表：9つの観点で偏りを並べる

ここまでの計算結果に、集中度・流動性・簿価との乖離を加えて1枚にまとめます。これが本記事の主な成果物です。

6番（サイズ分布）の区分

時価総額の区分は大型＝500,000百万円以上、中型＝50,000百万円以上500,000百万円未満、小型＝50,000百万円未満としました。大手町エレクトロニクス（620,000）が大型で25.0%、αマテリアル（60,000）と北陸フーズ（95,000）が中型で30.0%＋10.0%＝40.0%、神楽坂ロジスティクス（12,000）と湾岸データサービス（8,000）が小型で20.0%＋15.0%＝35.0%。合計は 25.0＋40.0＋35.0 ＝ 100.0% です。区分の閾値は自分で決めてよいものですが、一度決めたら期をまたいで変えないことが比較可能性の条件になります。

7番（流動性）の計算根拠

1日平均売買代金の25%までを毎日執行できると仮定し、5営業日で売却できる金額を銘柄ごとに求めます（保有額が上限）。αマテリアル 200×0.25×5 ＝ 250、神楽坂ロジスティクス 30×0.25×5 ＝ 37.5、大手町エレクトロニクス 4,000×0.25×5 ＝ 5,000 だが保有額は 300 なので 300、湾岸データサービス 15×0.25×5 ＝ 18.75、北陸フーズ 120×0.25×5 ＝ 150 だが保有額は 120 なので 120。合計は 250＋37.5＋300＋18.75＋120 ＝ 726.25百万円、1,200で割って 60.5% です。
全量の売却に要する日数は、αマテリアル 7.2日、神楽坂ロジスティクス 32.0日、大手町エレクトロニクス 0.3日、湾岸データサービス 48.0日、北陸フーズ 4.0日。最もリターンが良かった湾岸データサービスが、最も換金しにくい銘柄という構図です。

8番（簿価と時価の乖離）の計算根拠

取得原価ベースのウェイトは、300÷1,060＝28.3%、280÷1,060＝26.4%、250÷1,060＝23.6%、100÷1,060＝9.4%、130÷1,060＝12.3%（合計100.0%）。時価ベースのウェイトと比べると、湾岸データサービスは 9.4% → 15.0% と+5.6%pt 拡大、神楽坂ロジスティクスは 26.4% → 20.0% と−6.4%pt 縮小しています。何も売買していなくても配分は勝手に変わるため、「買ったときのつもり」で残高を語ると実態を外します。

リスクマップ：影響度と変動の起きやすさで並べる

点検表は情報量が多いため、意思決定者と読み合わせるには1枚の図に落とすほうが実用的です。ここでは、縦軸に「全体への影響度」＝相関考慮のリスク寄与度、横軸に「変動の起きやすさ」＝個別ボラティリティ、バブルの大きさにウェイトを割り当てます。よくある「発生可能性×影響度」のリスクマトリクスを、主観的な5段階評価ではなく計算できる量に置き換えた形です。

この図から読み取るのは、良し悪しの判定ではなく説明すべき論点です。①αマテリアルは影響度が突出しており、ここが崩れたときの説明を用意しておく必要があります。③と④は縦の位置がほぼ同じですが、④は横軸で右端にあり、値動きの激しさの割にウェイトが小さいという構造です。⑤北陸フーズは点検上ほとんどリスクを負っていない一方で、リスクを取っていない資金がポートフォリオの10%を占めているという別の論点を提示します。

「相関はAIに聞くのではなくデータで計算する」という原則

ポートフォリオ分析でAIを使うときに最も起きやすい事故は、相関係数・ボラティリティ・過去リターンをAIに直接答えさせてしまうことです。避けるべき理由は3つあります。

1. 時点で変わる：同じ2銘柄でも、直近1年と直近5年、大きな金融危機を含む期間かどうかで、相関はまったく違う値になります。「AとBの相関は0.6です」という文には、いつのデータかという情報が欠けています。
2. 期間と頻度で変わる：日次リターンで測るか週次で測るかによって値は変わります。短い頻度ほどノイズが乗り、長い頻度ほどサンプル数が減ります。
3. 検証できない：AIが記憶から出した数値には出所がありません。出所のない数字は、後から誰も再現できず、誤りに気づく手段もありません。

したがって、数値は必ず自分の手元にある価格データから計算し、AIには「どういう集計をすべきか」と「計算結果をどう読むか」だけを担当させます。相関の推定そのものを統計モデルで行う話はファイナンスのための機械学習入門の範囲ですが、そこでも入力データの期間と出所を固定するのが前提です。

プロンプト例：点検表の設計と結果の言語化を依頼する

次のプロンプトは特定のAI製品に依存しません。数値はすべて自分で計算したものを貼り付け、AIには計算をさせない構成にしてあります。

【役割】
あなたは機関投資家のリスク管理担当者です。運用の推奨は行わず、点検の観点を整理する立場で回答してください。

【目的】
以下のポートフォリオ点検表（私が表計算ソフトで計算済み）について、
(1) 偏りが認められる箇所の指摘、(2) 追加で確認すべき点検項目の提案、
(3) 運用会議で説明するための文章ドラフト（400字以内）を作成する。

【入力資料】
・保有明細（銘柄名は架空。業種／取得原価／基準日時価／時価総額／1日平均売買代金／個別ボラティリティ）
・リターン寄与度の検算表（ウェイト×リターン、合計＝全体を確認済み）
・リスク寄与度の計算表（相関行列から算出、合計＝全体のボラティリティを確認済み）
※ 以下に貼り付けます。（ここに表1・表2・表4・表5を貼る）

【対象期間・単位】
・基準日：20XX年3月末／リターン計測期間：基準日以降の12か月
・金額単位：百万円（億円・円と混在させない）
・比率：% 、寄与度：%pt（%と%ptを混同しない）
・ボラティリティ・相関：日次対数リターンから算出、直近3年、年率換算

【計算方法】
・追加計算は行わないでください。私が貼り付けた数値のみを使い、
　新しい数値が必要な場合は「この数値は未算出」と書いてください。
・比率の再計算が必要な場合は、使った分子・分母を必ず併記してください。

【禁止事項】
・相関係数、ボラティリティ、株価、時価総額、売買代金など、私が提供していない
　市場データをあなたの知識から補完しないこと。
・特定銘柄の売買、ウェイトの増減、資産配分の推奨を書かないこと。
・「この配分が適切です」「◯◯を減らすべきです」といった評価・助言を書かないこと。
・実在する企業名・商品名を新たに登場させないこと（本件の銘柄名は架空）。

【不明情報の処理】
・判断に必要な情報が足りない場合は、推測せず「不明：〜が未提供」と明記し、
　必要な追加資料の名称を列挙してください。

【出力形式】
1. 偏りの指摘：観点／該当する数値／その数値をどう読むかの3列の表（5〜8行）
2. 追加で確認すべき項目：箇条書き5点（それぞれ「なぜ必要か」を1文で）
3. 説明文ドラフト：400字以内、敬体、推奨・助言を含まない記述に限る
4. 検算結果：下記のレビュー項目の判定（OK／NG／確認不能）

【検算・レビュー項目】
(a) ウェイトの合計が100.0%になっているか
(b) 寄与度（w×r）の合計がポートフォリオ全体のリターンに一致しているか
(c) リスク寄与度の合計がポートフォリオ全体のボラティリティに一致しているか
(d) リスク寄与度シェアの合計が100%になっているか
(e) %と%ptの表記が混在していないか
(f) 金額単位が百万円で統一されているか
(g) 出力中に、私が提供していない市場データが含まれていないか

【出典の表示】
・数値を引用する際は「表1」「表4」のように、貼り付けた表の番号を必ず示すこと。

出力例（抜粋・架空）

上記プロンプトに設例を貼った場合、次のような出力が返ってくることを想定します。人が確認するのは、「指摘の中身」ではなく「勝手に数値を足していないか」です。

1. 偏りの指摘
・上位3銘柄集中 ｜ 75.0%（表5） ｜ 残る2銘柄の変動は全体にほとんど反映されない
・実質テーマ集中 ｜ 40.0%（表5） ｜ 業種は異なるが相関0.80（表3）で連動している
・流動性 ｜ 60.5%（表5） ｜ 5営業日で動かせない部分が約4割ある
・簿価と時価の乖離 ｜ +5.6%pt（表5） ｜ 売買していないのに配分が拡大している
・RCとウェイトの差 ｜ +5.0%pt（表4） ｜ 最大保有銘柄はウェイト以上にリスクを負う

2. 追加で確認すべき項目
・保有明細に含まれない口座（NISA・法人口座等）の有無 — 分母が変われば全比率が変わるため
・配当の取扱い（トータルリターンか価格リターンか） — 表2の+7.80%の定義が変わるため
・相関の算出期間の妥当性 — 直近3年に急落局面が含まれるかで値が変わるため
・ETF・投資信託の保有有無 — 中身が個別銘柄と重複する可能性があるため
・銘柄ごとのイベント日程（決算・株主総会） — 変動が同時期に集中する可能性があるため

3. 説明文ドラフト（400字以内）
（省略：推奨・助言を含まない記述のみ）

4. 検算結果
(a) OK（30.0+20.0+25.0+15.0+10.0=100.0%）
(b) OK（+3.60−1.00+2.00+3.00+0.20=+7.80%pt、表2合計と一致）
(c) OK（7.31+2.55+5.38+5.35+0.30=20.89%pt、表4合計と一致）
(d) OK（35.01+12.22+25.75+25.60+1.42=100.00%）
(e) OK  (f) OK
(g) 確認不能：本回答では外部データを使用していませんが、
    表3の相関行列の出所は提供資料に記載がないため「不明」とします。

最後の (g) のように、AIが「不明」と書ける状態にしておくことが重要です。「不明は不明と書く」という指示がないと、それらしい相関の出所を作文してしまう可能性があります。

この業務に固有の検証方法

生成AI出力の一般的な検証手順は生成AI出力の検証手順に譲り、ここではポートフォリオ点検に固有の確認項目だけを挙げます。

• 分母の定義が全項目で一致しているか：時価ベースと簿価ベースを混ぜて集計していないか。表5では1〜7と9が時価ベース、8だけが両者の比較です。
• 保有明細の網羅性：特定口座・NISA口座・確定拠出年金・法人名義など、集計から漏れている口座がないか。分母が変われば全比率が変わります。
• ETF・投資信託のルックスルー：投信を1銘柄として数えると、中身の個別銘柄との重複を見落とします。同一銘柄の実質保有額を合算して集中度を測り直します。
• リターンの定義：配当込み（トータルリターン）か価格のみかを明示する。両者を混在させると寄与度の合計が全体に一致しません。
• 株式分割・増資・配当落ちの調整：調整済み株価を使っているか。未調整の価格でボラティリティを計算すると、分割日に巨大な変動が入り込みます。
• 相関の算出条件の記載：期間・頻度・対数リターンか単純リターンか・データソースを表の脚注に必ず書く。書けない場合はその数値を使わない。
• 業種分類の一貫性：東証33業種のような公式区分を使うのか、自作のテーマ分類を使うのかを固定する。両者を混ぜて「業種集中30%」と言わない。
• 寄与度の3経路検算：本記事の検算1〜3のように、寄与度の合計・金額からの逆算・損益の合計の3通りで同じ値になるか確認する。
• リスク寄与度の合計一致：リスク寄与度の合計がポートフォリオ全体のボラティリティに一致するか。一致しなければ相関行列の入力ミスを疑う。
• AI出力に未提供の数値が混入していないか：出力に登場する数値を1つずつ、自分が渡した表のどこにあるか指差し確認する。表にない数値が出てきたら、その回答は破棄する。

機密情報・個人情報の注意

保有明細は個人の資産状況そのものであり、法人であれば運用方針や含み損益に関わる非公開情報です。外部の生成AIサービスに投入する前に、社内規程で許容される情報区分に該当するかを必ず確認してください。実務上は、銘柄名を架空名や記号に置き換え、金額を実額ではなく構成比のみにするだけでも、点検表の設計と言語化には支障がありません。入力してよい情報の線引きと社内ルールの作り方は生成AIに入れてよい情報・いけない情報を参照してください。

よくある失敗

1. AIに相関係数や過去リターンを直接聞く。出所も期間も分からない値が点検表に入り込み、以後すべての判断がその値に依存します。数値は必ず価格データから計算します。
2. 単純近似（ウェイト×個別ボラティリティ）を正しい値として扱う。設例では合計27.50%ptと 20.89%pt で6.61%ptの差が出ました。近似は上限値の目安であり、内訳を語る根拠にはなりません。
3. ETF・投資信託を1銘柄として数える。指数連動の投信と個別銘柄を併せ持つと、実質保有が二重に積み上がります。ルックスルーして合算しないと集中度を過小評価します。
4. 簿価ベースのウェイトで点検する。設例では湾岸データサービスが 9.4% → 15.0% に拡大していました。売買していなくても配分は動きます。
5. 流動性を無視する。「必要なら減らせばよい」という前提が、換金に48営業日かかる銘柄では成立しません。値動きだけでなく、売れるかどうかも点検対象です。
6. 業種分類だけで分散を判断する。設例の電気機器と情報・通信は業種が違いますが相関0.80です。分類表ではなく実測の相関で重複を確認します。

実務チェックリスト

• 保有明細に、集計対象とする全口座（特定・NISA・法人・確定拠出年金など）が含まれているか
• 金額単位を百万円などに統一し、%と%ptを書き分けているか
• ウェイトの合計が100.0%になっているか（端数処理の方針も記載したか）
• 時価ベースと取得原価ベースの両方でウェイトを算出し、乖離を確認したか
• リターン寄与度の合計＝ポートフォリオ全体のリターンを、少なくとも2経路で検算したか
• リターンの定義（配当込みか否か）を明記したか
• ボラティリティ・相関の算出期間・頻度・データソースを脚注に書いたか
• 相関を考慮したリスク寄与度を計算し、合計が全体のボラティリティに一致したか
• 単純近似との差を確認し、順位が入れ替わる銘柄がないか点検したか
• 業種分類の基準（公式区分か独自テーマか）を固定し、混在させていないか
• ETF・投資信託をルックスルーして、実質的な銘柄重複を合算したか
• 通貨・地域の構成比を算出し、為替エクスポージャーを把握したか
• 時価総額区分別のウェイト（大型／中型／小型）を出したか
• 換金所要日数と、一定期間で現金化できる比率を算出したか
• AI出力に登場する数値がすべて自分の提供資料に存在することを1つずつ確認したか
• 点検表・リスクマップに、教育目的である旨と数値の前提（基準日・期間）を明記したか

日本市場・日本の個人投資家に固有の留意点

点検の枠組みは共通でも、入手できるデータと制度の前提は市場ごとに異なります。日本株中心のポートフォリオでは、次の点が実務に効いてきます。

• 業種分類は東証の33業種区分が事実上の共通言語です。海外で広く使われる GICS 分類とは粒度も定義も異なるため、日本株と外国株を同じ表に並べる際は、どちらの分類に寄せるかを先に決めます。
• 単元株制度（原則100株）のため、ウェイトを細かく調整しにくい銘柄があります。株価の高い銘柄では、1単元が数百万円になり、点検で「減らしたい」と判断しても実行の粒度が粗くなります。
• 売買代金の薄い銘柄が多いのが日本市場の特徴の1つです。時価総額が中位でも1日平均売買代金が数千万円という銘柄は珍しくなく、設例の湾岸データサービスのような換金制約が現実に起こります。
• 決算期が3月に集中しているため、決算発表・株主総会・配当落ちが同時期に固まります。銘柄分散していても、イベントによる変動は時期的に集中しがちです。
• 口座が分散しやすい（特定口座・NISA・iDeCo・企業型DC・持株会など）。持株会や自社株報酬は勤務先への集中を生みますが、点検表から漏れやすい代表例です。
• 外国資産や非上場資産を持つ場合、時価の更新頻度が日次でないものがあります。基準日が揃っていない資産を同じ表に並べると、集中度もリスク寄与度も歪みます。非上場資産の性質はオルタナティブ投資、売り建てを含む場合の考え方はヘッジファンド戦略で整理しています。

また、点検の観点を業種や銘柄から一段抽象化して、金利感応度・為替感応度・企業規模といった共通要因で見る方法もあります。この考え方はファクター投資として体系化されており、市場全体との連動度を1つの係数で表すベータはその最も単純な形です。ただしファクターの推定にも十分な期間の価格データが必要で、AIに「この銘柄のベータは？」と聞いて済ませてよい話ではありません。

よくある質問（FAQ）

Q. 銘柄が3つしかない場合でも、この点検は必要ですか。
A. 銘柄数が少ないほど、1銘柄あたりのリスク寄与度は大きくなるため、点検の意味はむしろ増します。3銘柄なら相関行列も3×3で、表計算ソフトで数分あれば作れます。逆に銘柄数が20を超えると手作業では追いにくくなるので、そこからは集計を自動化する価値が出ます。

Q. 相関を計算するための価格データは、どこから入手すればよいですか。
A. 利用している証券会社の取引ツールから履歴をダウンロードする、日本取引所グループが公表する統計情報を使う、有償のデータサービスを契約するといった選択肢があります。重要なのは入手元をどれかに固定し、点検表の脚注に「データソース・期間・頻度」を書き残すことです。無料で取得できる情報にも利用条件があるため、業務利用の可否は各提供元の規約を確認してください。

Q. リスク寄与度が高い銘柄は、減らしたほうがよいのでしょうか。
A. 本記事はその判断を扱いません。リスク寄与度が高いこと自体は良いとも悪いとも言えず、そのリスクを意図して取っているかどうかが論点です。点検の役割は「意図していない偏りに気づく」ことまでで、そこから先の運用判断は投資方針・時間軸・税制上の制約などを踏まえてご自身で行う、あるいは有資格の専門家にご相談ください。

まとめ

ポートフォリオの点検は、保有明細を共通の物差しに揃え、合計が全体に一致することを確かめながら偏りを一覧にする作業です。設例では、寄与度の合計が +7.80% でポートフォリオ全体のリターンに一致し、リスク寄与度の合計が 20.89%pt で全体のボラティリティに一致することを確認しました。同時に、単純近似（27.50%pt）と相関考慮（20.89%pt）では銘柄の順位まで入れ替わり、近似はあくまで上限値の目安であることも見ました。

生成AIはこの作業を速くしますが、速くしてよいのは集計の設計と結果の言語化までです。相関・ボラティリティ・リターンといった数値は自分のデータから計算し、AIの出力に含まれる数値は1つずつ出所を指差し確認する。この線引きを守れば、点検表とリスクマップは「作った本人が説明できる資料」として機能します。ファイナンス実務でのAI活用の全体像は生成AI×ファイナンス実務にまとめています。

出典・参考（2026-08-03確認）

• 日本取引所グループ「統計情報（株式関連）」 https://www.jpx.co.jp/markets/statistics-equities/ ／ 売買代金・時価総額などの公表資料
• 日本取引所グループ「その他統計資料」 https://www.jpx.co.jp/markets/statistics-equities/misc/ ／ 33業種区分・市場区分の確認
• 金融庁 https://www.fsa.go.jp/ ／ 金融商品取引業に関する制度・投資助言業の位置づけ
• 一般社団法人投資信託協会 https://www.toushin.or.jp/ ／ 投資信託の基準価額・分類に関する情報
• 日本証券業協会 https://www.jsda.or.jp/ ／ 個人投資家向けの制度・統計情報

※ 本記事の企業名・数値・相関行列はすべて架空の設例であり、上記の公表資料から引用した実データではありません。上記URLは点検に必要なデータや制度を確認する際の入口として挙げています。

本記事は教育目的の一般的な解説であり、特定の銘柄・商品の推奨や投資助言ではありません。実際の運用判断はご自身の責任で、必要に応じて有資格の専門家にご相談ください。

※本記事は教育目的の一般的な解説であり、法務・税務・会計・投資に関する助言ではありません。実際の判断は専門家にご確認ください。設例は理解のための仮設例です。AI製品の仕様・料金は変更されることがあるため、利用前に各社の公式情報をご確認ください。