ファクター​投資と​マルチファクターモデルの​実務｜Fama-French・​スマートベータの​仕組み

結論：ファクター​投資とは、​リターンを​共通要因に​分解して​捉える​運用の​枠組み

ファクター​投資とは、株式のリターンを市場全体への感応度（β）だけでなく、規模・バリュー・モメンタム・収益性・投資姿勢といった複数の共通要因（ファクター）への感応度に分解して理解し、運用に活用する枠組みです。出発点は資本資産評価​モデル​（CAPM）で、CAPMは個別銘柄の期待超過リターンを市場ポートフォリオの超過リターンへの感応度​（β）だけで説明しようとします。しかし1980年代以降の実証研究は、時価総額が小さい銘柄群や簿価時価比率が高い銘柄群が、CAPMのβだけでは説明しきれない超過リターンの規則性を繰り返し示すことを確認しました。Fama and French（1993）はこの規則性を、市場ファクターに加えてSMB（Small Minus Big）・HML（High Minus Low）という2つのファクターとして定式化し、3ファクターモデルを提示しました。その後Carhart（1997）がモメンタムファクターを、Fama and French（2015）が収益性・投資パターンのファクターを加え、モデルは段階的に拡張されています。実務では、こうしたファクターへの感応度を意図的にコントロールする運用（マルチファクター運用・スマートベータ）が広がっており、アクティブ​運用が生み出す超過リターンのうち、どこまでが既知のファクターへの感応度で説明でき、どこからが銘柄選択そのものの能力（アルファ）なのかを切り分ける共通言語としても使われています。

CAPMの​限界と​ファクターと​いう​発想

CAPMは、個別銘柄iの期待超過リターンを次の式で説明します。

Ri − Rf = α + β(Rm − Rf)
Riは銘柄iのリターン、Rfは無リスク金利、Rmは市場ポートフォリオのリターン、βは市場全体の変動に対する銘柄iの感応度。

複数銘柄への分散投資によって個別銘柄固有のリスクを消し込めるという現代ポートフォリオ理論（MPT）の考え方を土台に、CAPMのもとでは十分に分散されたポートフォリオの超過リターンはこのβだけで説明され、α（市場感応度で説明できない超過部分）は理論上ゼロに近づくはずだとされます。しかし、時価総額の小さい銘柄群のリターンが大きい銘柄群を上回る傾向（サイズ効果）や、簿価時価比率が高い銘柄群（バリュー株）のリターンが低い銘柄群（グロース株）を上回る傾向など、βだけでは説明のつかない規則的なリターン差が、実証研究の蓄積によって明らかにされていきました。ファクター投資は、こうした規則性を「偶然の統計的なノイズ」としてではなく、「市場全体の変動とは別に、繰り返し観測される共通の要因への感応度」として体系的に組み込もうとする発想です。単一ファクター（市場β）のモデルを複数ファクターのモデルへ拡張することで、より多くのリターンの変動を説明でき、銘柄選択によって生み出された超過リターン（α）をより正確に切り出せるようになります。

Fama-French3ファクターモデル：SMB・​HMLの​経済的解釈

Fama and French（1993）が提示した3ファクターモデルは、CAPMの市場ファクターにサイズファクター（SMB）とバリューファクター（HML）を加えた次の式で表されます。

Ri − Rf = α + β(Rm − Rf) + s・SMB + h・HML + ε
SMB（Small Minus Big）＝小型株群の平均リターン − 大型株群の平均リターン。HML（High Minus Low）＝高バリュー株群の平均リターン − 低バリュー（グロース）株群の平均リターン。

SMBとHMLの構築方法は、対象銘柄群を時価総額でSmall／Bigの2区分、簿価時価比率で高位・中位・低位の3区分に分け、両者を組み合わせた6つのポートフォリオを作るところから始まります。SMBは小型3ポートフォリオの平均リターンから大型3ポートフォリオの平均リターンを、HMLは高バリュー2ポートフォリオの平均リターンから低バリュー（グロース）2ポートフォリオの平均リターンを、それぞれ差し引いて計算します。回帰係数のsとhは、この2つのファクターに対する銘柄・ファンドの感応度を表し、sが正で大きいほど小型株的な値動きの性質を、hが正で大きいほどバリュー株的な値動きの性質を強く持つことを意味します。SMB・HMLがなぜプレミアムを生むのかについては、小型株・バリュー株の方が景気後退局面や資金調達面でより高いリスクにさらされているためだとする合理的リスクの解釈と、投資家がグロース株を過大評価し続ける行動バイアスの結果だとする行動​ファイナンス的な解釈の双方が学術的に議論されており、単一の決着した説明があるわけではありません。ファーマ・​フレンチ3ファクターモデルという名称自体は、この2つの研究者の姓に由来します。

Carhart​モメンタムファクター：4ファクターモデルへの​拡張

Carhart（1997）は、株価が直近6〜12か月程度の相対的な強さをその後もしばらく維持する傾向（モメンタム）を、UMD（Up Minus Down、資料によってはWML: Winners Minus Lossesとも表記）というファクターとして3ファクターモデルに追加し、4ファクターモデルを提示しました。

Ri − Rf = α + β(Rm − Rf) + s・SMB + h・HML + m・UMD + ε
UMD＝直近の値上がり上位銘柄群の平均リターン − 値下がり上位銘柄群の平均リターン。

モメンタムファクターの経済的な解釈は、SMB・HMLとはやや性質が異なります。サイズ・バリューが企業のファンダメンタルズ（規模・簿価時価比率）に基づく分類であるのに対し、モメンタムは純粋に過去の価格の動きそのものに基づく分類であり、投資家の反応の遅れ（新しい情報が株価に十分織り込まれるまでに時間がかかること）やトレンドフォロー的な資金フローによって説明されることが多く、合理的リスクに基づく説明よりも行動ファイナンス的な説明との親和性が高いとされます。また、モメンタムファクターは相場が急反発する局面でそれまでの下落銘柄が急騰する「モメンタムクラッシュ」と呼ばれる急激な逆転を起こしやすいという特徴があり、他の3ファクターと比べて時系列での安定性に欠ける面がある点も、実務上留意すべき性質です。Carhartのモデルはもともと、ミューチュアルファンドの運用成績が銘柄選択能力によるものか、単にモメンタム的な銘柄群を保有していただけなのかを切り分ける目的で発表された経緯があります。

Fama-French5ファクターモデル：収益性と​投資​パターンの​追加

Fama and French（2015）は、3ファクターモデルに収益性ファクター（RMW: Robust Minus Weak）と投資ファクター（CMA: Conservative Minus Aggressive）を加えた5ファクターモデルを発表しました。

Ri − Rf = α + β(Rm − Rf) + s・SMB + h・HML + r・RMW + c・CMA + ε
RMW＝高収益性企業群の平均リターン − 低収益性企業群の平均リターン。CMA＝低投資（保守的）企業群の平均リターン − 高投資（積極的）企業群の平均リターン。

RMWは、営業利益率など収益性の高い企業群のリターンから、収益性の低い企業群のリターンを差し引いたファクターで、収益性の高い企業ほど株主に還元できる余力が大きいという解釈と結び付けられます。CMAは、総資産の伸びが緩やかな企業群のリターンから、総資産の伸びが大きい企業群のリターンを差し引いたファクターで、過大な投資拡大がその後の資本効率悪化やリターン低下につながりやすいという解釈と結び付けられます。Fama and French（2015）は、RMWとCMAを加えることでHMLの説明力の一部が吸収され、5ファクターモデルのもとではHMLが統計的に冗長になる資産・期間があることも報告しており、モデルの拡張は単純にファクターを積み増すほど良いというものではなく、既存ファクターとの相関・重複を踏まえて設計する必要があることを示しています。

3ファクター​回帰の​読み​方：数値設例​（自己検算済み）

回帰分析でファクターへの感応度を推定する場合、一定期間（たとえば過去60か月）の銘柄・ファンドの月次超過リターンを目的変数、同期間の市場・SMB・HMLの月次ファクターリターンを説明変数として、最小二乗法で回帰式のα・β・s・hを推定します。以下は理解のための仮設例です。ある小型バリュー株ファンドについて、過去のデータから3ファクターモデルを推定した結果、次の回帰係数が得られたとします（数値はすべて仮設）。

この回帰係数を使うと、ある1か月の市場超過リターン（Rm − Rf）が1.20%、SMBが0.60%、HMLが0.80%であった月（いずれも仮設の数値）について、モデルが予測する当該ファンドの期待超過リターンは次のように計算できます。

期待超過リターン = α + β×(Rm−Rf) + s×SMB + h×HML
= 0.05% + 0.95×1.20% + 0.40×0.60% + 0.35×0.80%
= 0.05% + 1.14% + 0.24% + 0.28% = 1.71%

この月の当該ファンドの実際の超過リターンが1.80%であったとすると（仮設）、実績と3ファクターモデルの期待値との差である残差ε＝1.80% − 1.71% ＝ 0.09%が、市場・サイズ・バリューという3つの既知のファクターへの感応度では説明できない部分、すなわちこの1か月に限った固有リスク​（個別リスク）に相当します。回帰係数（α・β・s・h）は複数期間のデータから推定される安定的な感応度であるのに対し、この0.09%はあくまで単月の残差であり、これ自体をファンドの銘柄選択能力の証拠として扱うことはできません。ファンドに真の​アルファ​（ジェンセンのアルファ）があるかどうかは、複数期間にわたって推定された回帰係数のうち、αが統計的に有意にゼロと異なるかどうかで判断するのが基本であり、上記の設例ではαのt値が0.3と低く、統計的に有意な超過収益力があるとは言えない結果になっています。

スマートベータ​ETFと​ファクター​投資の​関係

上記の設例が示すように、多くのアクティブファンドのリターンは、既知のファクターへの感応度（β・s・hなど）でその大部分を説明でき、統計的に有意なα（真の銘柄選択能力）を持つファンドはごく一部にとどまるというのが、多数の実証研究に共通して指摘される傾向です。スマートベータ（マルチファクター運用）と呼ばれる商品群は、この事実を踏まえ、個別のファンドマネージャーの裁量によるα創出を狙うのではなく、時価総額加重ではない独自のルール（バリュー・サイズ・モメンタム・クオリティ・低ボラティリティなどの指標によるスクリーニングやウェイト付け）に基づいて構成銘柄を機械的に決定し、狙ったファクターへの感応度を、伝統的なパッシブ​運用・​ETF​運用と同程度の低コストで得ようとする商品です。時価総額加重の市場インデックスに連動する伝統的なパッシブ運用が市場全体のβのみを捉えるのに対し、スマートベータはβに加えてSMBやHMLに相当するファクターへの感応度を、個別銘柄選択という裁量を経ずに得ようとする点で、CAPMからファクター投資への拡張という考え方を商品設計に応用したものと位置づけられます。

日本市場では、日本取引所​グループ（JPX）と日本経済新聞社が算出するJPX日経インデックス400が、過去の債務超過や営業赤字の有無に加えてROE（自己資本利益率）など資本の効率的活用に関する定量的な基準を用いて構成銘柄を選定しており、収益性・クオリティに近い発想を指数設計に取り入れた例として位置づけられます。また、年金積立金管理運用独立行政法人（GPIF）は、パッシブ運用で用いるベンチマーク候補の情報を運用受託機関などから広く収集する「インデックス・ポスティング」という枠組みを設けており、時価総額加重型指数に限らずスタイル指数を含む多様な指数を運用の選択肢として検討する姿勢を明らかにしています。個別のファンドマネージャーによる銘柄選択（アクティブ運用）と、ルールベースでファクターへの感応度を追求するスマートベータの中間的な位置づけを含め、実際の運用プロセスの組み立て方はアクティブ​運用の​ポートフォリオ​構築​プロセスで詳しく扱っています。

ファクターの​周期性と​クラウディング

ファクターへの感応度をコントロールすれば安定的にプレミアム（超過リターン）を得られるというわけではない点には注意が必要です。第一に、ファクターのプレミアムは時期によって大きく変動し、長期間にわたってマイナスになる局面も存在します。バリューファクター（HML）は、成長株が大きく買われる局面ではグロース株に対して継続的に劣後することが知られており、モメンタムファクターは相場の急激な反転局面で急落を起こすことが実証研究で報告されています。こうしたファクターの有効性を評価する際には、単純な平均リターンだけでなく、変動の大きさに見合ったリターンが得られているかを示すシャープレシオのようなリスク調整後の指標もあわせて確認する必要があります。

第二に、同じファクターに着目する投資家・運用戦略が増えるほど、そのファクターへのエクスポージャーを持つポジションが混雑（クラウディング）し、市場環境が急変した際に多くの参加者が同時に同じ方向へポジションを解消しようとすることで、通常であれば無相関に近いはずの複数の戦略が同時に大きな損失を出す現象が起こり得ます。2007年8月に、類似したファクター・エクスポージャーを持つ複数のクオンツ株式戦略がほぼ同時に急落した局面は、学術文献（Khandani and Loによる分析）でも取り上げられており、クラウディングのリスクを示す代表的な事例として知られています。ファクター投資を実務で使う際には、単一のファクターに賭けるのではなく複数のファクターへ分散して感応度を持つこと、また過去の一時点のデータで有効だったファクターが将来も同様のプレミアムを生み続けるとは限らないことを前提に、感応度自体を継続的にモニタリングする姿勢が求められます。この点はクオンツ​運用・​クオンツリサーチの実務でも共通して重視される論点です。

日本株に​おける​ファクターの​有効性を​めぐる​論点

日本株を対象にファクター投資を検討する際には、いくつかの留意点があります。第一に、Fama-Frenchのファクターモデルはもともと米国株を対象に構築されたものであり、日本株においてSMB・HMLと同様の規則性がどの程度、どの期間にわたって観測されるかは、対象期間・対象銘柄群・データソースによって結果が変わり得る実証上の論点です。米国市場を対象とした議論をそのまま日本市場に当てはめて断定することはできません。第二に、日本株は米国株と比べて上場銘柄数や個別銘柄の流動性に偏りがあり、小型株を中心としたファクターポートフォリオを構築する場合、流動性の低い銘柄が組み入れられることで、理論上の想定リターンと、実際の売買コストを差し引いた後のリターンとの間に乖離が生じやすい点にも注意が必要です。第三に、JPX日経インデックス400のように、日本市場では海外発の学術的なファクター定義をそのまま輸入するのではなく、ROEなど日本市場の文脈に即した独自の定量基準で構成銘柄を選ぶ指数も設計・運用されており、学術的なファクターモデルと、実務・市場インフラの側で採用されているファクター的な指数設計とは、必ずしも一対一で対応するわけではありません。日本株でファクター投資を検討する場合は、特定のファクターが常に有効だと前提するのではなく、対象期間・対象ユニバースを明示したうえで感応度と有効性を確認する姿勢が、米国株を対象とした議論以上に重要になります。

よく​ある​質問​（FAQ）

まとめ

ファクター投資は、CAPMの単一ベータでは説明しきれない株式リターンの規則性を、市場・サイズ・バリュー・モメンタム・収益性・投資といった複数の共通要因への感応度として体系的に整理する枠組みです。Fama-French3ファクターモデルはSMB・HMLという2つのファクターを、Carhartはモメンタムを、Fama-French5ファクターモデルは収益性・投資のファクターを、それぞれ段階的に加えてきました。回帰係数（α・β・s・h）を読む際には、統計的に有意なαがあるかどうかを確認することが、ファンドの真の銘柄選択能力を切り分ける基本になります。スマートベータはこの考え方をルールベースの低コスト運用として商品化したものですが、ファクターのプレミアムは時期によって変動し、クラウディングのリスクもあるため、単一のファクターへの過度な依存は避け、複数ファクターへの分散と継続的なモニタリングを前提に活用することが実務上重要です。

出典・参考​（2026年8月確認）

• Fama, E. F., and French, K. R. (1993) “Common Risk Factors in the Returns on Stocks and Bonds,” Journal of Financial Economics（学術文献）
• Fama, E. F., and French, K. R. (2015) “A Five-Factor Asset Pricing Model,” Journal of Financial Economics（学術文献）
• Carhart, M. M. (1997) “On Persistence in Mutual Fund Performance,” The Journal of Finance（学術文献）
• Khandani, A. E., and Lo, A. W. “What Happened To The Quants In August 2007?”（学術文献。2007年8月のクオンツ株式戦略の同時急落を分析）
• Kenneth R. French – Data Library（Tuck School of Business, Dartmouth） mba.tuck.dartmouth.edu
• 日本取引所​グループ・​日本経済新聞社​「JPX日経インデックス400 算出要領」 indexes.nikkei.co.jp
• 年金積立金管理運用独立行政法人（GPIF）「インデックス・ポスティング（株式・債券）」 gpif.go.jp

※本記事は教育目的の一般的な解説であり、法務・税務・投資助言ではありません。設例は理解のための仮設例であり、実在の企業・ファンド・取引を示すものではありません。