統計的ブートストラップ法とは？リサンプリングでリスク推計

30秒で分かる定義

統計的ブートストラップ法（Statistical Bootstrap Resampling、とうけいてきぶーとすとらっぷほう）とは、手元にある過去の観測データ（例：月次リターン）から重複を許してランダムに抽出（復元抽出）することを何度も繰り返し、疑似的な標本分布を作ることで、正規分布などの理論分布を仮定せずに平均・分散・信頼区間・VaR等の統計量の不確実性を推計する手法です。「統計的リサンプリング手法」「非正規分布下でのリスク推計」とも呼ばれます。統計学者ブラッドリー・エフロンが提唱した手法です。

なぜ実務で重要なのか

リスク管理部門では、VaR（バリュー・アット・リスク）や信頼区間の推計に、観測データの実際の分布（裾の厚さ・非対称性）を反映できる点で活用され、感応度分析・シナリオ分析と組み合わせて使われることもあります。PE・VCファンドでは、少数の大成功案件がリターンを牽引するため正規分布から大きく乖離しやすく、ポートフォリオリターンの信頼区間をブートストラップで推計することがあります。資産運用会社ではファクターモデルのバックテストに、銀行の市場リスク管理部門ではVaRモデルの検証手法の一つとして使われます。

計算式（または仕組み）

整数設例で確認する

設例（架空数値）。手計算で仕組みを確認するため、母集団を極端に小さいN＝5とします。過去5期の年間リターン（%）を〈30、10、－5、15、50〉とします。母集団の平均は（30＋10－5＋15＋50）÷5＝100÷5＝20%です。ここから重複を許して5個ずつ3組リサンプリングしてみます。

• 疑似サンプルA〈30,30,10,－5,50〉：合計115、平均＝115÷5＝23%
• 疑似サンプルB〈－5,－5,15,50,10〉：合計65、平均＝65÷5＝13%
• 疑似サンプルC〈50,50,50,10,－5〉：合計155、平均＝155÷5＝31%

同じ5個の観測値から抽出しているにもかかわらず、疑似サンプルの平均は13%〜31%まで散らばりました。実務では10,000回程度こうした抽出を繰り返し、得られた10,000個の平均値を小さい順に並べて5パーセンタイル点・95パーセンタイル点を読み取ります。＋50%という外れ値を含むため分布は右に裾を引きやすく、正規分布を当てはめた場合よりも上振れ・下振れの幅を的確に捉えられる可能性がある、という点が統計的ブートストラップ法の狙いです。

投資判断への影響

正規分布を仮定した信頼区間よりも、ブートストラップで推計した信頼区間の方が下位パーセンタイル（悪いシナリオ）が大きく悪化して出ることがあります。これは観測データそのものに含まれる非対称性（下振れが上振れより大きい、あるいはその逆）をそのまま反映するためです。この差が、ストレステストにおける資本バッファの必要水準や、PEファンドのダウンサイド評価に直接影響します。

財務モデル・Excelでの使い方

Excel上での実装は、母集団データをRANDARRAY関数やRAND関数とINDEX関数を組み合わせて重複ありのランダム抽出を模擬する方法が基本です。ただしExcelの標準機能だけで数千回の反復を高速に処理するのは負荷が大きく、大量データ・大量試行にはPython（NumPy等）やRを使う分析ワークフローの方が実務的です。Excelは少数データでの概念確認や、社内説明用の簡易デモにとどめるのが現実的な使い分けです。VBAマクロでループ処理を書く方法もありますが、モデル全体の再計算速度に影響するため注意が必要です。

実務家が確認するポイントとよくある誤解

誤解1：「ブートストラップ法＝金利のブートストラップ法（イールドカーブ構築）と同じ」→ 正しくは全く別の手法です。統計的リサンプリングは分布の推定手法、金利のブートストラップ法はゼロクーポン金利を順次算出する債券分析手法で、名称が同じだけの別概念です。

誤解2：「サンプル数が少なくても有効」→ 正しくは母集団のサンプル数が極端に少ないと、復元抽出をしても母集団自体が持つ情報不足を補うことはできません。本記事のN＝5の例はあくまで仕組みの説明用の簡略化です。

誤解3：「モンテカルロ・シミュレーションと同じ」→ 正しくは、モンテカルロは正規分布等の理論分布を仮定して乱数を生成するのに対し、ブートストラップ法は実際の観測データそのものから再抽出する点が異なります（分布の形状を仮定しません）。

日本実務での扱い

銀行の市場リスク管理・自己資本規制の実務では、VaRモデルのバックテスティングやストレステストの手法としてヒストリカル・シミュレーション法が広く使われており、ブートストラップ法はその拡張的な手法の一つとして採用されることがあります。国際決済銀行（BIS）のバーゼル銀行監督委員会が定める市場リスクの枠組みは、内部モデルの検証において統計的手法の頑健性を求めています。日本の資産運用会社でもファクターモデルのバックテストにブートストラップ法を用いる例があります（2026年8月時点）。

面接・モデルテストで問われるポイント

Q：統計的ブートストラップ法とモンテカルロ・シミュレーションの違いを説明してください。
「モンテカルロは正規分布等の理論分布を仮定して乱数を生成し、その分布のもとでシナリオを大量に発生させる手法です。一方ブートストラップ法は理論分布を仮定せず、実際の観測データそのものから重複を許して再抽出することで疑似的な標本分布を作ります。観測データが正規分布から乖離している場合、ブートストラップの方が実態に即したリスク推計になり得ます。」

深掘りでは「サンプル数がどの程度あればブートストラップが有効か」「日本の少数の過去データしかない新興事業にどう適用するか」が問われます。

よくある質問（FAQ）

Q. 何回リサンプリングすればよいですか？
A. 実務では1,000〜10,000回程度が一般的です。回数を増やすほど推計は安定しますが、計算コストとのトレードオフになります。

Q. Excelだけで実務レベルのブートストラップは可能ですか？
A. 小規模な概念検証は可能ですが、大量反復や大規模データセットの処理にはPythonやRを使う方が現実的です（モンテカルロ・シミュレーションも同様の制約があります）。

出典・参考（2026-08確認）

• 国際決済銀行（BIS）バーゼル銀行監督委員会の市場リスクに関する枠組み https://www.bis.org/
• 日本銀行「金融システムレポート」（ストレステスト手法に関する記述） https://www.boj.or.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架空数値です。