モンテカルロ・シミュレーションとは？分布で示す投資判断

30秒で分かる定義

モンテカルロ・シミュレーションとは、モデルの前提に確率分布を与えたうえで乱数によって数千回から数万回の試行を繰り返し、NPVやIRRといった結論を「分布」として示す手法です。英語では Monte Carlo Simulation（読み方：モンテカルロ・シミュレーション）、確率的シミュレーションとも呼ばれます。ベースケース・アップサイド・ダウンサイドのように前提を数パターン置くのではなく、前提そのものを確率変数として扱う点が特徴です。出力は単一の数値ではなく、期待値・標準偏差・損失確率・パーセンタイル値といった統計量になります。

なぜ実務で重要なのか

投資判断で最も答えにくい質問は「この案件が損をする確率はどのくらいか」です。感応度分析は前提を1〜2個動かしたときの結論の振れ幅を示しますが、「その前提の値がどれくらい起こりやすいか」は扱いません。モンテカルロ法は前提の起こりやすさを明示的に組み込むため、損失確率やダウンサイドの深さを定量的に語れるようになります。

実務で使用頻度が高いのはプロジェクトファイナンス・インフラ・資源開発の領域です。プロジェクトファイナンスでは、需要・価格・工期・稼働率といった独立性の高い変数が多数あり、レンダーがDSCRの下振れ確率を知りたがるため、分布での提示に意味があります。医薬品開発の価値評価や、埋蔵量の不確実性が大きい資源案件でも使われます。逆に、通常のM&AのDCFやLBOモデルでは採用されないことのほうが多く、その理由は後述します。

計算式（または仕組み）

手続きは4段階に整理できます。

①の分布の選び方が結果の質を決めます。実務では次の使い分けが標準的です。

もう一つの要点が変数間の相関です。市況が悪ければ販売価格も数量も同時に落ちるのが普通ですが、これを独立に抽出すると、悪い前提が同時に出る確率が過小評価され、ダウンサイドを実態より軽く見せてしまいます。相関を扱えないなら、変数の数を絞るか、相関する変数をあらかじめ1つの合成変数にまとめるほうが安全です。

整数設例で確認する

設例（架空数値）。初期投資3,000百万円のプロジェクトを考えます。変動費は60円/個で固定、固定費は考慮しません。不確実なのは販売単価と販売数量の2つで、それぞれ2つの値を50%ずつの確率で取るものとします。

• 販売単価：100円（確率50%）／90円（確率50%）
• 販売数量：100百万個（確率50%）／80百万個（確率50%）

両者は独立とすると、組み合わせは4通りで各25%です。貢献利益は（単価−60円）×数量、NPV相当額は貢献利益−3,000百万円です。

期待NPVは（1,000 ＋ 200 ＋ 0 − 600）÷ 4 ＝ 150百万円です。一方、前提を平均値だけで置いた単一ケース（単価95円・数量90百万個）を計算すると、（95 − 60）× 90 ＝ 35 × 90 ＝ 3,150百万円、NPVは3,150 − 3,000 ＝ 150百万円となり、期待値と一致します。

ここが要点です。期待値は一致しても、分布が教える情報は全く違います。単一ケースは「150百万円のプラス」としか言いませんが、分布を見るとNPVがマイナスになる確率は25%、ゼロ以下となる確率は50%であり、最悪ケースでは−600百万円です。案件を進めるかどうかの議論は、150という数字よりも「4回に1回は損をする」という事実のほうが動かします。なお今回はモデルが単価と数量の積という形になっており、期待値が一致しました。税金の非対称性や、下限がゼロの項目（現金残高、繰越欠損金の使用額など）を含む非線形なモデルでは、平均前提の1ケースと期待値は一致しません。この乖離こそが、シミュレーションを回す実質的な価値です。

投資判断への影響

分布が得られると、意思決定の言語が変わります。「NPVは150百万円です」ではなく、「期待NPVは150百万円、5パーセンタイルは−600百万円、損失確率は25%です」と言えるようになります。投資委員会やレンダーは、期待値よりも下方リスクの深さと頻度を知りたがるため、後者のほうが議論を進めます。

ただし注意すべき転倒があります。分布の出力は精緻な見た目をしていますが、その精度は入力した分布の妥当性を超えません。根拠の薄い分布を置いて1万回試行すれば、根拠の薄い結論が小数点以下まで並ぶだけです。結果の見た目の精密さと、判断の確からしさは別物であることを、資料を受け取る側にも明示する必要があります。実務では、シミュレーション結果の前に「どの変数にどんな分布をなぜ置いたか」を1ページで説明するのが作法です。

財務モデル・Excelでの使い方

専用アドインが無くても、標準機能だけで実装できます。

• 乱数の生成：=RAND() で0以上1未満の一様乱数を作り、これを分布の逆関数に通して前提値へ変換します。正規分布なら =NORM.INV(RAND(), 平均, 標準偏差)、一様分布なら =下限+RAND()*(上限-下限) です
• 試行の反復：データテーブル（What-If分析）の1変数版に試行番号1〜N を並べ、出力セルを参照させると、再計算のたびに乱数が振り直されてN回分の結果が一括で得られます。What-If分析の使い方の応用形です
• 結果の集計：=AVERAGE() で期待値、=PERCENTILE.INC(範囲, 0.05) で5パーセンタイル、=COUNTIF(範囲, "<0")/N で損失確率を計算します。ヒストグラムは =FREQUENCY() で階級別度数を出して棒グラフにします
• 再現性の確保：RAND() は再計算のたびに変わるため、結果を値貼り付けで固定し、その乱数セットで作った図表を資料に使います。固定しないと、同じ資料を作り直すたびに数字が変わります
• 計算負荷：試行回数が多いモデルは再計算が重くなります。シミュレーション用に計算部分だけを抜き出した軽量モデルを別途作るのが実務的です

結論の見せ方としては、どの変数が結果のばらつきに最も効いているかをトルネードチャートで示し、そのうえで分布のヒストグラムを添えるのが定番です。単純な振れ幅の把握だけが目的なら、感応度分析で十分なことも多く、まずそちらを試してから必要性を判断します。

実務家が確認するポイントとよくある誤解

誤解1：「試行回数を増やせば結果が正確になる」→ 試行回数を増やして安定するのは統計量の推定誤差だけです。入力した分布が実態とずれていれば、何万回回しても答えはずれたままです。回数よりも分布の根拠に時間を使うべきです。

誤解2：「変数を独立に置いても大差ない」→ 相関を無視すると、良い前提と悪い前提が打ち消し合って分布の裾が細くなり、ダウンサイドを実態より軽く見せます。市況連動する変数を独立に置くのは、最も起きやすい設計ミスです。

誤解3：「モンテカルロを使えばシナリオ分析は不要」→ 別の役割を持ちます。シナリオ分析は「不況が来たら何が起きるか」という因果のある一貫した世界を描くもので、経営陣との議論や対策立案に使います。分布は確率の把握に使います。両者は併用します。

確認ポイント：提示された分布を見るときは、①各変数の分布の根拠が書かれているか、②相関を扱っているか、③乱数を固定して結果を再現できるか、の3点を確認します。この3つが答えられないシミュレーションは、意思決定の根拠にはできません。

日本実務での扱い

日本のM&A実務では、事業会社やPEファンドの投資評価でモンテカルロ法が使われる場面は限定的です。理由は技術的な難しさではなく、意思決定の説明責任の構造にあります。取締役会や投資委員会では「どの前提でいくらか」を条件付きで説明することが求められ、確率分布は「では前提は何なのか」という問いに直接答えないためです。実務では、少数の一貫したシナリオを提示するほうが議論が進みます。

一方、確率的な手法が明確に用いられる領域もあります。会計上の公正価値測定では、期待キャッシュフローを確率加重で求めるアプローチが認められており、IFRS第13号「公正価値測定」および企業会計基準第30号「時価の算定に関する会計基準」（2026年7月時点で適用中）が、観察可能な市場価格が無い場合の評価技法として現在価値技法を位置づけています。ストックオプションなど条件付きの株式報酬や、複雑な条件が付いた種類株式の評価では、モンテカルロ法による算定が実務上使われ、評価報告書に手法として明記されます。プロジェクトファイナンスの領域では、レンダーがDSCRの下振れ確率を求めることがあり、この場合は分布での提示が有効に機能します。

面接・モデルテストで問われるポイント

Q：感応度分析、シナリオ分析、モンテカルロ法の違いを説明してください。
「感応度分析は前提を1つか2つ動かして結論の振れ幅を測るもので、どの変数が効くかを特定するのに使います。シナリオ分析は複数の前提を因果関係のある一貫した世界として束ね、不況時などの具体的な状況を描くものです。モンテカルロ法は前提に確率分布を与えて多数回試行し、結論を分布として示すもので、損失確率のように確率を伴う問いに答えられる点が固有の価値です。ただし出力の精度は入力した分布の妥当性を超えないため、根拠の説明とセットで使う必要があります。」

深掘りでは「変数間の相関を無視するとどう歪むか」「なぜ通常のM&Aでは使わないのか」「試行結果をどう資料に載せるか」が問われます。手法を知っているかよりも、使わない判断ができるかを見られています。

よくある質問（FAQ）

Q. 試行回数は何回にすべきですか？
A. 目的によりますが、期待値や標準偏差の把握であれば数千回で実務上は十分に安定します。裾のパーセンタイル（1%や5%）まで精度よく見たい場合は、より多くの試行が必要になります。試行回数を増やす前に、まず結果が回数に対してどこで安定するかを確認してから決めるのが合理的です。

Q. 分布の形はどう決めればよいですか？
A. 実績データが十分にある変数は実績の分布を参照し、無い変数は専門家から最小・最頻・最大の3点を聞き取って三角分布を置くのが現実的です。重要なのは分布の種類を厳密に当てることではなく、置いた根拠を書き残し、分布を変えたときに結論がどう動くかを確認しておくことです。分布の選択自体を感応度分析の対象にします。

出典・参考（2026-07-21確認）

• IFRS Foundation「IFRS 13 Fair Value Measurement」（現在価値技法・期待キャッシュフロー法） https://www.ifrs.org/
• 企業会計基準委員会（ASBJ）企業会計基準第30号「時価の算定に関する会計基準」 https://www.asb.or.jp/
• 日本公認会計士協会（企業価値評価・株式報酬の評価に関する実務指針） https://jicpa.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。