この​記事で​分かる​こと

  • 格付アナリスト・銀行員・運用者といった専門家の判断にも、支持政党と政権の一致・不一致による系統的な差が出ていたことを整理した、米国中心の実証研究のサーベイの要点
  • 1四半期では小さな差が政権の4年で積み上がり、格付・株価・社債利回り・外国への資金配分に表れる経路と、それぞれの数字の確かさ
  • 日本の運用・リサーチで、選挙や政権交代の前後の見通しの変化を読むときの確認手順（編集部の考察）

想定読者：株式・クレジットのアナリスト、運用会社のポートフォリオマネジャー、事業会社のIR・財務担当、投資銀行のカバレッジ担当
前提知識：格付とスプレッドの基本、回帰分析の係数とt値の読み方の初歩

大きな選挙の翌週、同じ企業を担当する二人のアナリストの見通しが割れることがある。一人は景気に敏感な事業の業績予想を引き下げ、もう一人は据え置く。新しい情報を織り込んだ結果なのか、選挙結果を受けて見る側の気分が変わっただけなのか。レポートを読む側からは区別がつかない。

米国では近年、個人の支持政党を有権者登録のデータで特定し、選挙の前後で金融の判断がどう変わるかを比べる研究が積み重なってきた。Harvard Business School と Washington University in St. Louis の研究者による2024年のサーベイ（展望論文）は、その成果を家計・経営者・金融仲介者に分けて整理している。本稿では、サーベイの要約を中心となる2本の原論文で数字まで確かめたうえで、日本の運用・リサーチの実務に引き寄せて考える。

この記事が主に参照する研究

Kempf and Tsoutsoura（2024）「Political Polarization and Finance（政治的分極化とファイナンス）」NBER Working Paper No. 32792

  • 公表：初版 2024年8月（NBER WP）。同題で Annual Review of Financial Economics 16巻（2024年11月）に掲載。参照した版：NBER WP 版（2024年8月）。WP 版は未査読
  • 対象：主に米国の家計・企業経営者・金融仲介者の判断を扱った実証研究。本稿では中心となる2本（格付アナリストの研究と国際的な資金配分の研究）を NBER の改訂版で照合した
  • 方法：文献の整理（サーベイ）。個別の研究は、選挙前後の同じ党派内の変化の比較、属性を統制した差の記述、党派色の強い放送局の進出を使った差の差など
  • 位置づけ：新しいデータ（有権者登録・政治献金・テキスト）による、党派性と金融判断の関係の実証研究の展望。新理論の提示ではない

支持政党は、​どの​経路で​金融の​判断に​入り込むのか

サーベイは、党派性が判断に効く経路を二つに分ける。一つは、同じ党派の相手と組むことや特定の銘柄を持つこと自体に満足を感じる「党派的効用」、もう一つは、経済の状態や銘柄ごとの期待リターンについて党派で見方が違う「党派的信念」である。支持政党が経済の見え方を左右する現象は、政治学で「党派的知覚スクリーン」と呼ばれてきた。著者らは、二つの経路を区別することは多くの場合できないと認めつつ、整理の枠組みとして使っている1。

見方が偏っていれば、競争で淘汰されるはずではないか。著者らの答えは慎重である。経済の見通しが系統的に楽観的すぎるか悲観的すぎるかは、長い時系列がないと判定できない。そのため、党派による見方の違いは長く生き残りうる2。

研究上の難所は測定にある。米国でも、個人の支持政党はふつう観察できない。初期の研究は連邦選挙委員会（FEC）の献金記録を使ったが、記録されるのは2年間で200ドルを超える献金だけで、献金する人は登録有権者の1割に満たない。近年は州や郡の有権者登録（多くの州で登録時の政党が記録される）や、全米の登録データを集めた商用データが使われ、格付アナリスト、銀行の融資担当、起業家、発明者まで対象が広がった3。

もう一つの難所は、党派による差が本人の利害の違いから来ていないかという点である。たとえば民主党支持のアナリストが、民主党政権で業績が伸びる企業ばかり担当していれば、格付の差は見方の差とは言えない。そこで有力になったのが、同じ企業・同じ時点を担当する人同士で、選挙の前後に判断がどう変わったかを比べる設計である。時間を通じて変わらない党派の違いではなく、選挙による「政権との一致・不一致」の変化を見るので、ほかの説明を排除しやすい4。

格付・​融資・​運用の​専門家にも、​党派に​よる​差が​出ていた

サーベイが整理した主な研究を表1にまとめた。家計だけでなく、専門家の判断にも差が出ている点が、この分野の近年の中心的な発見である。

表1　サーベイが整理した主な研究：誰の、どの判断に、どれほどの差が出たか

表は横にスクロールできます →

判断の主体判断の対象報告された差比べ方本稿の確認
社債の格付アナリスト（R2）格付の変更四半期の平均的な変更幅の11.4%分、下方修正が多い同じ企業・同じ四半期の担当者同士原論文で照合
シンジケートローンの銀行員貸出スプレッド7%高い（約14bp）選挙による政権との一致の変化要約のみ
投信の運用チーム株式の保有2016年選挙の前後で共和党チームが純保有を約2%増選挙前後の党派による違い要約のみ
米国の銀行・国際投信（R3）外国への融資・配分距離が広がると融資額22%減、配分26bp減同じ母国・同じ投資先・同じ選挙原論文で照合
起業家起業の確率共和党支持者が26%高く、共和党政権で差が拡大政権交代の前後要約のみ
個人投資家ESG 指数ファンドへの支払意思共和党100%の郡12bp、民主党100%の郡31bp郡の投票結果による比較要約のみ
投信の運用チームチームの成績政治的に多様なチームが年約1.8%上回る同じ運用者の所属チームの変化など要約のみ
いずれも​米国の​研究​（R3 は米国の投資家による外国への配分）。​数値は R1 の​要約​（p.11〜13・p.16・p.21〜22）に​よる。​「原論文で照合」の​2本は NBER の​改訂版​（R2・R3）で​数値と​有意性を​確認し、​それ以外は​原論文を​確認していない。​差の​基準​（何と比べた%か）は​研究ごとに​違う​ため、​行の​間で​大きさを​比べない。​R3 の​融資額は ln(1＋額)の​係数 −0.250 の​換算。​ESG の​行は​投票結果が​0%・100%の​極端な​郡の​推定値。​出所：R1・​R2・​R3 を​基に​大手町​プレップ​作成。

中心にある Kempf and Tsoutsoura（2021）は、Fitch・Moody’s・S&P で社債の格付を担当した557人のアナリスト（2000〜2018年、米国企業1,984社）を有権者登録と結びつけた。大統領と支持政党が異なるアナリストは、同じ企業・同じ四半期を担当する他のアナリストと比べ、四半期あたり0.0134ノッチ多く格付を下げる方向に動かした（t値3.79）。平均的な格付変更の幅（絶対値で0.118ノッチ）の11.4%に当たる5。景気の影響を受けにくい企業の格付では統計的に有意な差は確認されず、差は景気に敏感な企業に表れていた。米国民の景況感の党派差が1標準偏差広がる時期には、差が83%大きくなる6。著者らがアナリストに行ったアンケートでは、景況感の党派差は米国の家計の党派差の約4分の3に達した。専門知識もキャリア上の動機もある職業人で、この大きさである7。

サーベイは類似の結果として、シンジケートローンで大統領と支持政党が異なる銀行員が7%（約14bp）高い貸出スプレッドを付けていたこと、共和党の投信運用チームが2016年の大統領選挙の前後に株式の純保有を約2%増やし、景気に敏感な業種への投資も増やしたことを挙げる8。家計の株式比率も選挙後に党派で分かれたが、平均的な家計の動きは運用の専門家より小さかった。年に一度でも自分でポートフォリオを組み替える投資家が3分の1にとどまるためと、サーベイは説明している9。

党派の差は国境も越える。Kempf, Luo, Schäfer and Tsoutsoura（2023）は、米国外の45か国・203回の国政選挙（2002〜2018年）を使い、米国から同じ国へ資金を出す銀行・投信のうち、選挙で相手国の政権党とのイデオロギー上の距離が広がった投資家と縮んだ投資家を比べた。距離が広がった銀行は、その国への融資額を22%、件数を10%減らし（融資額の係数−0.250、t値−3.07）、貸出スプレッドを13%（平均的なローンで約28bp）高くした。投信は、その国への超過配分比率を26bp下げた。平均配分比率4.72%の約5.5%に当たる10。事後の貸倒れや格下げには差がなく、借り手のリスクの違いでは説明しにくい。効いたのは連立与党全体ではなく首相との一致で、経済政策だけでなく社会問題での一致も効いていた11。

小さな​差が​積み上がり、​株価と​社債利回りに​表れる

1四半期あたり0.01ノッチ余りの差は、それだけ見れば誤差に近い。しかし同じ向きの差が政権の任期中ずっと続けば、話は変わる。図1は、格付アナリストの研究の推定値に、経過した四半期数を掛けたものである。

図1図1　1四半期の小さな差が、政権の4年で積み上がるA　追加的な格付の低下（ノッチ、累積）1四半期後0.014四半期後0.058四半期後0.1112四半期後0.1616四半期後0.21B　追加的な時価総額の減少（%、累積の幅）1四半期後0.03〜0.044四半期後0.13〜0.158四半期後0.26〜0.3112四半期後0.39〜0.4616四半期後0.52〜0.62推定の下限上限までの幅
A は R2 表2列3の​係数 0.0134ノッチ/四半期​（t=3.79）、​B は R2 表5パネル​Aの​累積異常​リターンの​差 3.2〜3.9bp/四半期​（企業​イベントを​除いた​推定、​t=−2.29・−2.10）に​経過四半期数を​掛けた値。​16四半期​（4年）の​値 0.21ノッチ・0.52〜0.62%は​論文の​換算と​一致する。​途中の​四半期の​値は、​同じ​係数が​毎期続くと​置いた​編集部の​単純計算で、​論文は​途中の​経路を​推定していない。​棒の​値は、​同じ​企業・​同じ​四半期を​担当する​大統領と​同じ党の​アナリストの​場合と​比べた、​支持政党が​異なる​アナリストの​場合の​追加的な​格付低下​（ノッチ）と​時価総額の​減少​（%、絶対値で表示）。​標本は​米国企業1,984社、​2000〜2018年。​出所：R2（本文 p.19・​p.27、​表2 p.53、​表5 p.56）の​数値を​基に​大手町​プレップ​作成。

4年（16四半期）では0.21ノッチになる。平均的な企業で、およそ5社に1社が1ノッチ格下げされる大きさに相当する。著者らは格付変更の前後3日・7日の株価の異常収益率を集計し、支持政党が異なるアナリストに担当される企業は1四半期あたり3.2〜3.9bp多く時価総額を失い、4年では0.52〜0.62%（平均的な企業で89百万〜107百万ドル）になると推計した12。見落とせないのは、格下げへの株価の反応が、格下げを出したアナリストの党派で変わらなかったことである。著者らは理由の候補として、支持政党が公開情報ではないため株価に十分反映されない可能性と、格付に基づく規制上の摩擦で格下げが資金の出し手の行動を変えうることを挙げている13。

社債の利回りでも、4年で5.9bpの上昇が推計されている。ただし、これは最も保守的な推定で、四半期あたり0.3680bpの係数のt値は1.76である。両側10%水準なら有意だが、5%水準には届かない（編集部の読み）。サーベイは有意な上昇と要約しているが、株価の結果より確かさが一段低い数字として扱うのが妥当だろう14。著者らは、測定誤差などのため、これらの数字は真の影響の下限とみている。一方、格付が下がった企業の投資の減少については、観察できない企業の違いが混じりうるとして、識別が弱いと注意している15。

見方の割れは売買も増やす。投資家向けSNSで党派を名乗る利用者の意見がコロナ禍で割れた銘柄、保守系とリベラル系の新聞で同じ企業ニュースの報じ方が違った銘柄では、異常な売買高が観察された16。ただし、党派の偏りが市場全体の価格水準や価格効率性をどれだけ動かすかを調べた研究はまだごく少ない、とサーベイ自身が述べている17。

どこまで​言えて、​どこから​先は​言えないか

第一に、ほぼすべてが米国の研究である。二大政党制、政党を記録する有権者登録、大統領という単一の焦点がそろった環境で得られた結果で、著者らも、多くの先進国では政党登録が一般的でなく、研究者がデータを使えないことを課題に挙げる18。

第二に、仕組みの切り分けは終わっていない。支持政党が政権を取ったことへの「応援するチームが勝った」ような感情なのか、属性では捉えきれないイデオロギーの違いなのかを切り分けた研究はまだない19。格付では議会ではなく大統領との一致が効き、国際配分では社会政策の一致も効いたことから、個々の政策への評価より全般的な景況感の変化を示す証拠がある、と著者らは述べるが、結論は保留している20。

第三に、組織の構成への含意は割れている。政治的に多様な投信チームは同質なチームをリスク調整後で年約1.8%上回ったという研究がある一方、政治的に相性の悪い企業同士は合併しにくく、合併後の業績も悪かったという研究もある。サーベイは、企業レベルで直接の因果関係はまだ確立していないとまとめている21。

第四に、本稿の数字の多くはサーベイの要約である。格付アナリストと国際配分の2本は原論文の NBER 改訂版で数値と有意性を照合し、サーベイの要約と一致した。そのほかの研究（銀行員のスプレッド、運用者の株式保有、起業、チームの成績など）は原論文を確認していない。照合した2本はのちに学術誌に掲載されており、掲載版の数値が改訂版と違う可能性も残る22。

大手町​プレップの​考察：偏りは​データの​側ではなく、​読む側に​ある

以下は研究結果からの編集部の推論である。研究が示したのは、同じ企業の同じ時点の情報を見ても、読む人の立場で結論が系統的に動くということだ。材料が同じでも、材料の重みづけが変わる。リサーチの品質管理は、ふつう情報の正確さや前提の妥当性を点検する。しかし選挙のような共通の出来事の前後では、担当者の見方そのものが、しかも支持政党ごとに同じ方向へ動きうる。これは行動​ファイナンスが扱ってきた個人の思い込みとは違い、集団単位でそろって生じる偏りである。

もう一つの含意は、偏りが市場で打ち消されるとは限らないことだ。前節で見たとおり、格下げへの株価反応は出し手の党派で変わらなかった。市場が出し手の党派を十分に区別していないのであれば、レポートや格付を使う側の手順で偏りを確かめる余地がある。

ただし、日本へそのまま持ち込むことはできない。研究が使った政党の記録はほかの多くの先進国では得にくく、日本でも同じ方法で個人の党派を測れるとは考えにくい（研究の一般論からの推論。日本の制度との比較は本稿では行っていない）。日本の運用・リサーチにとって現実的な経路は、少なくとも二つ考えられる（いずれも仮説）。一つは海外投資家である。2025年度の株式分布状況調査では、2026年3月末に外国法人等が上場株式の34.7%（金額ベース）を保有し、調査開始以来の最高だった23。米国の運用者や銀行の見方が米国の選挙で動くなら、その一部は日本株や日本企業向けの融資にも及びうる。もう一つは日本の国政選挙である。国際配分の研究では首相とのイデオロギー上の距離が効いており、日本で首相や政権党が交代すれば、海外の投資家の側で見方が割れる可能性がある。ただし、この研究の標本に日本が含まれるかは本文で確認できなかった24。

日本の​運用・​リサーチで​どう​使うか

運用会社や証券会社のリサーチ部門にとって、最も確かめやすいのは自分たちの判断の記録である。選挙の前後で同じ銘柄の業績予想や投資判断を変えた担当者が、どの新しい情報を根拠にしたかを記録と照らし合わせる。同じ時期に同じ銘柄を見ている他の担当者やコンセンサス​予想と比べ、全員に共通する動きと個人の動きを分けて見る。研究が使った「同じ企業・同じ時点」の比較を、社内の点検に持ち込む考え方である。

クレジットの実務では、格付やスプレッドを外から受け取る側の注意が要る。研究の結果は米国の大手格付会社のアナリストのもので、日本の国内格付機関について同様の分析があるかは確認していない。ただ、米国の銀行から借り入れたり米国市場で社債を発行したりする日本企業にとっては、米国の選挙の前後に貸し手側の見方が動く可能性を、条件交渉の時期の選び方に入れておく意味はある（編集部の仮説）。

IR担当者にとっては、株主構成が手がかりになる。海外の機関投資家の比率が高い企業ほど、海外の選挙と国内の選挙の両方で保有の増減が起きやすい可能性がある（仮説）。IR​ターゲティングの計画に、主要な投資家の所在国の選挙日程を入れておくことは、費用をかけずにできる。

設例：bpで​報告された​差を、​自社の​利息に​置き換える

学習用の設例（架空）

  • 有利子負債100億円・500億円・1,000億円の3社を置く
  • 上乗せ金利の大きさは、研究が報告した3つの値（社債利回りの4年累積5.9bp、銀行員のスプレッド差14bp、外国の選挙後のスプレッド差28bp）を借りる
  • 年間の利息の増加＝負債額×上乗せ（bp）÷10,000。税効果・借換え・変動金利の条件は考えない

研究の推定値は米国の環境で得られたもので、日本企業に同じ上乗せが生じる根拠にはならない。それでも、bpで報告された効果を自社の金額に直してみると、どの程度の差なら気にすべきかの感覚がつかめる。

表2　設例：上乗せ金利が有利子負債の利息をどれだけ増やすか（架空）

表は横にスクロールできます →

上乗せの大きさ（出所）負債100億円負債500億円負債1,000億円
R2 の社債利回りの4年累積（5.9bp）589万円2,944万円5,888万円
R1 が要約する銀行員のスプレッド差（14.0bp）1,400万円7,000万円14,000万円
R3 の外国の選挙後のスプレッド差（28.0bp）2,800万円14,000万円28,000万円
学習用の​設例​（架空）。​年間の​利息の​増加＝有利子負債の​額×上乗せ​（bp）​÷10,000。​上乗せは​研究の​推定値の​大きさを​借りただけで、​日本企業に​この​幅の​上乗せが​生じる​ことを​示す​ものではない。​R2 の​値は​4年の​累積​（0.3680bp/四半期×16、​最も​保守的な​推定で​t=1.76）で、​金額は​丸める​前の​5.888bpで​計算した​（表示の5.9bpで計算すると少しずれる）。​また、​ほかの​2つとは​期間・​比べる​相手が​違う。​銀行員の​値は R1 の​要約​（p.21、原論文は未確認）、​R3 は​外国の​選挙後に​政権党との​イデオロギー​距離が​広がった​米国の​銀行の​推定​（R3 p.18）。​税効果・​借換え・​変動金利の​条件は​考えていない。​出所：学習用の​仮定と R1・​R2・​R3 の​数値に​基づき大手町​プレップ​作成。

負債500億円の会社では、5.9bpの上乗せは年2,944万円（計算は丸める前の5.888bp）、14bpなら年7,000万円、28bpなら年1.4億円の利息増になる。残存5年で続けば、5.9bpで合計1.5億円、28bpで合計7.0億円である。比べる基準として、サーベイは銀行員の14bpを、投資適格と​それ未満の​境界のすぐ上と下にある企業のスプレッド差30bpと並べている25。大統領との党派の一致・不一致に関連するスプレッドの差が、格付が境界をまたぐときの差の半分近く（約47%）に当たるという比較で、規模感の目安になる。党派そのものの効果と、観察できない考え方の違いは切り分けられていない。

選挙の​前後に​確かめる​こと

  1. 選挙や政権交代の前後に出た業績予想・投資判断・格付見通しの変更を一覧にし、変更の根拠欄に「選挙結果以外の新しい情報」が書かれているかを確かめる。書かれていない変更は、見方の変化である可能性を残して扱う。
  2. 同じ銘柄を見ている複数の担当者（社内の担当者と外部のコンセンサス）の修正を並べ、全員に共通する部分と個人の部分に分ける。個人の部分が、その担当者にとっての選挙結果の良し悪しと同じ向きに偏っていないかを見る。
  3. 景気に敏感な銘柄から確かめる。格付の研究では、景気の影響を受けにくい企業の格付に統計的に有意な党派の差は確認されなかった。
  4. 1期ごとの小さな差は、政権の任期の四半期数を掛けて累積で評価する（図1の計算）。bpで報告された差は、表2のように自社の負債額に直して大きさを確かめる。
  5. 投資委員会や与信の会議の前に、次の質問を置く。「この見通しの変更は、選挙の結果を知らなかったとしても同じだったか」。
  6. 海外投資家の比率が高い銘柄や海外の貸し手がいる企業は、主要な投資家・貸し手の所在国の選挙日程を、決算やIRの予定表と同じ表に入れる。

点検の対象とする期間（たとえば選挙の前後2〜4週間）や、どの程度の偏りを問題にするかの線引きは編集部の仮の目安で、研究で検証されたものではない。

よく​ある​質問

選挙で​政権が​代わると、​株価は​上がるのですか、​下がるのですか。

本稿で​扱った​研究は、​市場全体が​上がるか​下がるかではなく、​同じ​情報を​見た​人の​判断が​支持政党に​よって​分かれる​ことを​示した​ものです。​党派の​偏りが​市場全体の​価格に​どう​効くかを​調べた​研究は​ごく​少ない、と​サーベイ​自身が​述べています。

日本の​アナリストにも​同じ​偏りが​ありますか。

研究は​米国の​データに​よる​もので、​日本で​同じ​分析が​行われているかは​本稿では​確認していません。​先進国一般に​ついて​個人の​支持政党の​記録が​得にくいと​いう​研究上の​指摘から、​日本でも​同じ​方法で​測るのは​難しいと​考えられます​（編集部の推論）。​ただ、​社内の​判断記録を​使って​選挙前後の​変更の​根拠を​確かめる​方法は、​日本でも​使えます。

まとめ

Kempf と Tsoutsoura のサーベイは、米国では支持政党と政権の一致・不一致が、家計だけでなく格付アナリスト、銀行員、運用者の判断にも系統的な差を生んでいたことを示した。格付の研究では、1四半期の小さな差が4年で0.21ノッチ、時価総額の0.52〜0.62%に積み上がり、格下げへの株価の反応に出し手の党派による差は確認されなかった。仕組みの切り分け、米国外での検証、企業レベルの因果は残された課題である。日本の運用・リサーチでは、研究の数字をそのまま当てはめるのではなく、選挙前後の判断の変更を「新しい情報」と「見方の変化」に分けて記録することから始められる。

次に​読む

脚注

  1. R1（NBER WP 版, 2024年8月）p.5（§3.1）。ページは PDF のページ（印刷ページ＋2）。党派的知覚スクリーンの考え方は Campbell, Converse, Miller and Stokes（1960年）にさかのぼると R1 は紹介しています（p.5・p.10）。↩
  2. R1 p.6（§3.1）。著者らは、差別が競争で抑えられるという議論と対比して、この点を論じています。↩
  3. R1 p.6〜8（§3.2.1）。献金者が登録有権者の10%未満という数字は Hill and Huber（2017年）によると R1 は記しています。商用データ（L2 社）は全米を対象とし、2014年以降の履歴があります（p.8）。↩
  4. R1 p.8〜9（§3.2.2）。格付アナリストの研究（R2）は、企業×四半期、格付会社×四半期、支持政党の固定効果を入れて比較しています（R2 p.4）。↩
  5. R2（NBER WP 改訂版, 2020年6月）p.4（§1）・p.19（§5.1）・p.53（表2 列3）。t値は分析者と企業の二方向でクラスターした標準誤差によります。11.4%は 0.0134÷0.118 の論文の換算で、編集部の再計算（finance/calc.py）と一致します。R1 p.10〜11 も同じ値を要約しています。↩
  6. R2 p.5〜6（§1）。景況感の党派差は Gallup の調査による民主党支持者と共和党支持者の差の絶対値で測っています。↩
  7. R1 p.14〜15（§4.1.4）。アンケートはトランプ政権期に1回、Gallup の調査と同じ質問で行われました（R2 p.5 も参照）。↩
  8. R1 p.21（§5.1。Dagostino, Gao and Ma 2023, R4）、p.11（§4.1.1。Cassidy and Vorsatz 2024, WP）。いずれも原論文は確認しておらず、サーベイの要約によります。↩
  9. R1 p.13〜14（§4.1.3）。Meeuwis, Parker, Schoar and Simester（2022年）の要約で、原論文は確認していません。党派と消費の関係については証拠が割れ、効果は限定的とされています（R1 p.13 脚注5）。↩
  10. R3（NBER WP 改訂版, 2022年6月）p.4（§1）・p.10（§3）・p.15（§4.2）・p.18（§4.3）・p.21（§5）・p.43（表2 パネルA 列3）。22%は exp(−0.250)−1 による論文の換算で、編集部の再計算と一致します。銀行の党派は政治献金、運用者の党派は有権者登録で測り、イデオロギー上の距離は各国政党の選挙公約を数値化した Manifesto Project の左右の尺度で測っています（p.4・p.10）。R1 p.11〜12 も要約しています。↩
  11. R3 p.4〜5（§1）。R1 p.25（§6）も、国際配分では社会政策の一致も効くことに触れています。↩
  12. R2 p.27（§6.1）・p.56（表5 パネルA 列2・4）。企業の決算発表・M&A発表と重なる格付変更を除いた推定で、t値は−2.29・−2.10です。論文は係数を0.0322%・0.0386%に丸めて16倍しており、図1も同じ丸めを使いました。R1 p.20 も同じ値を要約しています。↩
  13. R2 p.5（§1）・p.26（§6.1、脚注22）。格下げ前後の累積異常収益率の推移は、大統領と支持政党が同じアナリストと異なるアナリストでほぼ同じでした。理由の候補（支持政党が公開情報でないこと、格付に基づく規制上の摩擦）は p.26 の著者らの推測で、検証されたものではありません。↩
  14. R2 p.28（§6.2）・p.56（表5 パネルB 列4。利回りスプレッドの変化、企業イベントを除く）。5.9bp＝0.3680×16。表の有意水準の記号は本文の抽出で確認できなかったため、両側10%・5%の判断は正規分布の臨界値（1.645・1.96）に照らした編集部の読みです。同じパネルのほかの3列のt値は2.11・1.85・1.97。R1 p.20 は “significant increase” と要約しています。論文は1ノッチあたり28.1bp（5.9÷0.21）としており、丸める前の値で割ると約27.5bp になります（編集部の計算）。↩
  15. R2 p.27（§6.1。下限とする理由は、有権者登録による党派の測定誤差と、格付変更の前に株価が動いている可能性）、R1 p.20（§5.1。投資への影響の識別についての著者の注意）。↩
  16. R1 p.17（§4.2.2）・p.23（§5.3.1）。Cookson, Engelberg and Mullins（2020年）、Goldman, Gupta and Israelsen（2024年）の要約で、原論文は確認していません。↩
  17. R1 p.24〜25（§6）。例外として、1870〜71年のパリ包囲の際にフランス国債の価格がパリと他の取引所で持続的に違ったという歴史研究を挙げています（Jha, Koudijs and Salgado 2024年）。↩
  18. R1 p.12（§4.1.1）。米国外の例として、ブラジルの政党登録を使った研究（p.8）とインドのローン保証制度の研究（p.14）が紹介されています。↩
  19. R1 p.9（§3.2.2）。著者らは、この切り分けを党派性の研究で最も差し迫った課題の一つとしています。↩
  20. R1 p.25（§6）。↩
  21. R1 p.21〜22（§5.2）。Evans, Prado, Rizzo and Zambrana（2022年）は分極化が強い時期には多様なチームの優位が消えたとし、Duchin, Farroukh, Harford and Patel（2021年、WP）は政治的な距離が合併後の業績・シナジーの低さと結びつくとしています。いずれも原論文は確認していません。↩
  22. R2 は Journal of Finance 76(6)（2021年）、R3 は Journal of Financial Economics 148(2)（2023年）に掲載されています（Crossref で書誌を確認）。掲載版の本文は確認していません。↩
  23. R5（2026年7月2日）特徴点3。調査対象は全国4証券取引所の上場会社3,975社で、保有比率は金額ベース（2026年3月末）です。↩
  24. R3 p.10（§3）。対象国の一覧はインターネット付録にあり、本稿では確認していません。↩
  25. R1 p.21（§5.1）。Dagostino, Gao and Ma（2023年）の要約で、原論文は確認していません。約47%は 14÷30 の編集部の計算です。↩

参考文献​（2026年11月確認）

※本記事は教育目的の一般的な解説であり、投資助言・法務・税務の助言ではありません。研究結果は各論文の対象・期間・方法の範囲で得られたもので、日本の個別企業・案件にそのまま当てはまるとは限りません。設例は学習用の架空の数値です。アイキャッチ画像は生成AIによるイメージです。