この記事で分かること
- キャッシュフローが手に入らないPEファンドについて、IRR・DPI・RVPI などの要約指標と特性から、上場株式に対する超過収益(Direct-Alpha)をどこまで推定できるか。Preqin の5,100本を使った研究では、機械学習による回帰の誤差が最も小さく、平均の偏りは統計的に有意でなかった
- 推定値を加えると、不動産・バイアウト・VC の成績の大きさが変わったこと。1本ごとの推定誤差(RMSE)は約2%と大きく、数十本の平均で初めて小さくなること
- 日本の年金・ゲートキーパーがファンドの比較対象を組むときに、開示の欠けをどう扱い、何を確かめるか(編集部の考察と学習用の設例)
想定読者:年金基金・金融機関でPEファンドの選定や成績評価を担う担当者、ゲートキーパー・コンサルタント、ファンドの成績資料を作るGPのIR担当
前提知識:IRR・TVPI・DPI の意味。PME の計算方法は関連記事で補う
海外のバイアウト・ファンドへの出資を検討する会議で、候補のGPが前号の成績を示し、「同じヴィンテージの上位4分の1に入る」と説明したとする。担当者は手元のデータベースで比較対象を引くが、IRR とTVPIは数十本そろうのに、四半期ごとの出資と分配の記録(キャッシュフロー)まで載っているのはその半分にも満たない。キャッシュフローがなければ、上場株式に同じ時期に投資した場合と比べる PME は計算できない。
手元の選択肢は二つある。キャッシュフローのあるファンドだけで比べるか、IRR の単純な比較で済ませるかだ。前者は比較対象が減り、しかも開示するファンドが偏っていれば結論も偏る。後者は資金の出入りの時期を無視する。米国の大学の研究者らが、この欠けを要約指標からの推定で埋める方法を検証した。
この記事が主に参照する研究
Li and Riddiough(2026)「Benchmarking Private Equity Performance When Fund-level Cash Flows are Missing」The Journal of Real Estate Finance and Economics
- 公表:謝辞に2022年の学会への言及がある(それ以前の版は未確認)。掲載誌のオンライン先行掲載は2026年4月。参照した版:掲載誌版(オープンアクセス)。査読:済1
- データ:Preqin のファンド5,100本(ヴィンテージ2001〜2015年、成績は2023年末まで)。月次のキャッシュフローがあるのは2,094本、ないのは3,006本。大半は北米の資産
- 方法:キャッシュフローのあるファンドで超過収益を計算し、それを要約指標と特性から当てる3種類の推定方法を、学習に使っていないファンドで比べる。予測精度の検証で、因果の識別ではない
- 位置づけ:IRR と倍率から PME を推定した先行研究の方法を、機械学習・多数の変数・不動産を含むデータに広げた手法の研究
なぜキャッシュフローがないと比べられないのか
PME
いずれも出資と分配の日付と金額、未清算のファンドなら評価時点の残存価値(NAV)がそろって初めて計算できる(ファンドの出資と分配の流れはファンドレベル・キャッシュフローモデルで扱った)。キャッシュフローなしでできる比較は、ファンドの IRR から、運用期間の始めに S&P 500 を買って終わりに売った場合の IRR を引く方法くらいだ。ただ、これは途中の出資・分配の時期を捉えない3。IRR そのものの癖はIRRとMOICの使い分けも参照してほしい。
研究の標本では、Preqin の情報は公的年金への情報公開請求と、2,200超のGPからの報告で集められており、ファンドの半数超でファンド単位のキャッシュフローが欠けていた。最終的な5,100本のうち、欠けているのは3,006本で約59%にあたる4。
要約指標と特性の回帰が、最も小さな誤差で当てた
著者らが比べたのは3系統の方法である。一つ目は、キャッシュフローのあるファンドで計算した Direct-Alpha を、IRR・指数の IRR・出資の進み具合・DPI・RVPI・ネット倍率・運用期間・号数・規模・年ごとのダミー・GPの特性など77個の変数で回帰し、その式をキャッシュフローのないファンドに当てはめる方法(FCR)。変数が多いので、通常の最小二乗法に加えて、係数を縮める 機械学習の手法(Ridge・LASSO・Elastic Net)を使う。二つ目は、他のファンドの実際のキャッシュフローを、対象ファンドの IRR に合うよう伸縮させて借りる方法(SCF)。三つ目は、キャッシュフローそのものを回帰で作ってから伸縮させる方法(CFR)である5。
検証には、キャッシュフローのあるファンドを使う。FCR は9割で式を作り、残り1割の Direct-Alpha を「知らないもの」として当てさせ、実際の値との差を測る。これを1,000回繰り返す。SCF と CFR は、1本ずつ除いて残りのファンドからその1本を当てる。結果をまとめたのが図1である。
FCR の LASSO と Elastic Net の誤差(RMSE、個別ファンドの推定値と実際の値の差の二乗平均の平方根)は2.081%で最も小さかった。検証用ファンドの平均で見ると、実際の−0.413%に対して推定は−0.419%で、差は統計的に有意でなかった(p値0.916)。キャッシュフローを借りる SCF は誤差が8.798〜9.112%、CFR も3.457〜5.440%と大きい6。同じ IRR でも、出資と分配の時期の組み合わせは無数にあり、時期が違えば市場への感応度も違う。著者らは、IRR だけを頼りにキャッシュフローの形を借りると、この違いが誤差と偏りになると説明する。
変数の重要度では、ファンドの IRR が全分類で群を抜いて大きかった。それでも IRR だけの回帰に比べると、他の変数を加えた LASSO の誤差は全体で3.390%から2.081%へ38.6%下がり、不動産で33.2%、バイアウトで35.2%、VC で29.6%下がった7。出発点となった Harris, Jenkinson and Kaplan の研究は、Burgiss のデータで、ヴィンテージ内の PME の変動の大半を IRR と投下資本倍率で説明できることを示し、倍率の説明力の方が IRR より高いと書いている。IRR だけでは足りないという点で、両研究の方向は一致する8。
学習に使う割合を半分に減らしても LASSO・Elastic Net の誤差は2.241%にとどまり、指数を分類別のもの(不動産は REIT 指数、バイアウトは小型バリュー、VC はグロース)に替えても、確率的割引因子で割り引く別の方法を使っても、FCR が最良という順位は変わらなかった9。過学習への備えとして、検証を学習と分けている点は確かめられる。
平均なら数十本で誤差は小さくなる。1本では大きい
著者らは、推定値の平均が真の平均からどれだけずれうるかも示した。誤差に偏りがなく t 分布に従うと置くと、全体の誤差2.081%なら、平均を95%の確からしさで±0.5%以内に収めるのに必要なのは69本、バイアウトは99本だった。標本のバイアウト676本なら、±0.25%以内に収まる確からしさは99.0%になる10。
ここで注意したいのは、この精度が「平均」の話だという点だ。1本のファンドの推定値は、RMSE が約2%なら、正規分布で近似して±約4.1%ポイントの幅を持つ。図2は、論文と同じ仮定で、平均する本数と幅の関係を編集部が計算したものである。
全体の誤差で計算すると、3本の平均では±5.2%ポイント、10本でも±1.5%ポイント残る。編集部の見方では、ファンド選定で上位か中位かを分ける差がこの幅より小さい場面は少なくないと考えられる。推定値は比較対象の平均を補正する道具としては使えるが、1本ずつの順位付けには向かない、というのが図2から読める範囲である。
推定値を加えると、不動産とVCの見え方が変わった
著者らは FCR-LASSO で3,006本の Direct-Alpha を推定し、キャッシュフローのある2,094本と合わせた。図3は、分類別に三つの数字を並べたものだ。
合算の Direct-Alpha は全体で0.719%、バイアウト3.402%、VC −2.233%、不動産−3.541%だった。キャッシュフローのあるファンドだけで計算した値と比べると、不動産は−4.293%から0.75%ポイント上がり、VC は−1.870%から下がった。平均値で比べると、キャッシュフローを出していないファンドの推定値は、不動産・バイアウト・その他では開示ファンドより高く、VC では低かった。この差について統計的な検定は示されていない11。著者らは、成績の悪い VC ファンドがキャッシュフローを出していない可能性を挙げつつ、検証は今後の課題としている12。
不動産ファンドが期間を通じて S&P 500 を下回ったという結論自体は、どの数字でも変わらない。戦略別では、資産のリスクと借入の多いオポチュニスティックが−3.82%で最も低く、バリューアッド−2.78%、コア・コアプラス−2.95%だった。バイアウトは金融危機前のヴィンテージの4.66%から危機後は2.17%へ下がったが、なお分類の中で最も高い13。戦略の分類は不動産投資戦略の4分類で整理している。
推定が成り立つ前提と、研究の届かないところ
最大の前提は、観察できる特性を考慮すれば、開示するファンドで得た予測の関係を開示しないファンドにもそのまま当てはめられるという点である。検証はキャッシュフローのあるファンドでしかできないので、開示しないファンドに同じ式が当てはまるかは、厳密には確かめようがない。著者らはこの懸念を小さいと見る理由として、データの多くが開示義務のある公的年金から来ていること、GPの上場の有無や過去の開示の履歴を変数に入れたこと、標本外の決定係数が0.9を超えたこと、開示しないファンドの平均 IRR がむしろ高いことを挙げる。IRR の分布も、開示の有無でよく似ていた14。それでも、図3の VC のように、開示の有無と成績の関係は分類によって向きが違う。
適用範囲も限られる。標本は Preqin に載った大半が北米のファンドで、ヴィンテージは2001〜2015年、ベンチマークは米ドルの S&P 500、成績は報酬控除後のLPの手取りである。日本のファンド、円建て、TOPIX を基準にした検証はない。論文の表7パネルAの平均値は表8のキャッシュフローありの平均と一致しないが、その理由は論文の本文・表注からは確認できなかった15。ヴィンテージを揃えた比較であっても、データベースに載ること自体の偏り(生存者バイアスに近い問題)は、この研究の対象外である。
大手町プレップの考察:推定は「比 較対象の平均」を直す道具
編集部の見方では、この研究から実務に持ち帰れるのは三点である。第一に、キャッシュフローのあるファンドだけで作った比較対象は、偏っているかもしれないと最初から疑ってよい。研究の標本では、キャッシュフローのあるファンドだけの平均と合算の平均の差が不動産で0.75%ポイントあり、差の向きは分類で違った(差の検定はない)。第二に、要約指標しかないファンドを捨てる必要はなく、IRR に DPI・RVPI・期間・規模を加えた推定で平均を補正できる。第三に、その推定値で個別のファンドを並べるのは危うい。1本あたり±4.1%ポイント程度の幅は、ファンド選定で議論される差を上回る場面が多いと考えられる。
もう一つ、GP側への含意もある(仮説)。VC で非開示ファンドの推定成績の平均が低かったことは、開示しないこと自体が情報になりうることを示唆する。LP がキャッシュフローの提出を求め、出さない理由を記録しておくことには、手間以上の意味があると考えられる。
日本の実務への応用:要約指標しかない比較対象とどう付き合うか
国内の開示の一例として GPIF を見ると、2026年4月の資料で、2025年3月末のプライベート・エクイティについて、コミットメント額15,764億円、時価総額8,657億円、投資開始以来の IRR(円建て)15.24%が示されている16。こうした要約指標から上場株式に対する超過収益を測るには、何らかの推定が要る。研究の方法を日本のファンドにそのまま当てはめた検証はなく、ここから先は編集部の推論である。
実務では、LP が自ら出資したファンドのキャッシュフローは手元にある。足りないのは、比較対象に使う他のファンドの情報だ。LP のファンド選定やゲートキーパーの比較資料で、外部データベースから比較対象を引くときに、キャッシュフローの有無で分けて平均を出し、両者の差を確かめるだけでも、比較対象の偏りを疑う手掛かりになる(差がなくても、観察できない要因による偏りは残りうる)。海外ファンドの評価では、円換算か米ドルかでも IRR が大きく違う(GPIF の同じ資料でも、プライベート・エクイティの海外資産(米ドル建て)の IRR は、米ドルベースで8.48%、円換算で15.64%と示されている)ので、推定に使う指標の通貨とベンチマークを揃える必要がある。
学習用の設例:比較対象の取り方で評価はどう変わるか
学習用の設例(架空)
- 検討中の海外バイアウト・ファンドの前号の Direct-Alpha は2.0%(GP からキャッシュフローの提供を受けて計算)
- 同じヴィンテージ・同じ戦略の比較対象は30本。キャッシュフローがあるのは12本で平均1.0%、残り18本は要約指標から推定して平均2.5%
- 推定の誤差(RMSE)は2.5%と置く(研究のバイアウトの値を丸めて借りた仮定)
表1 設例:比較対象の取り方で、検討中のファンドの評価はどう変わるか(架空)
表は横にスクロールできます →
| 比較対象の平均 | 平均 Direct-Alpha | 平均の95%の幅 | 検討中のファンドとの差 |
|---|---|---|---|
| CFのある比較対象だけ(12本) | 1.0% | 誤差なし(実績) | +1.0%ポイント |
| 要約指標から推定した比較対象(18本) | 2.5% | ±1.2%ポイント | — |
| 合算した比較対象(30本) | 1.9% | ±0.7%ポイント(1.2〜2.6%) | +0.1%ポイント |
キャッシュフローのある12本だけと比べれば、候補は1.0%ポイント上回り、「上位」と説明しやすい。推定値を加えた30本の平均は1.9%で、差は0.1%ポイントに縮む。合算の平均にも±0.7%ポイント程度の幅があるので、この設例で言えるのは「比較対象の平均と同程度」までである。どちらの比較を採るかで投資委員会への説明は変わる。両方を並べ、差が生じる理由を書いておくのが誠実だろう。
明日から使える確認項目
- 比較対象の一覧に「キャッシュフローの有無」の列を加え、有無別の本数と平均(IRR・TVPI・DPI)を出す。有無で平均が大きく違えば、キャッシュフローのあるファンドだけの PME 比較は偏っている可能性がある
- 候補ファンドの成績を「上位4分の1」と説明する資料には、比較対象の本数・ヴィンテージ・通貨・ベンチマーク・キャッシュフローのある本数を必ず書かせる
- 要約指標から推定した超過収益を使うときは、1本ごとの順位付けに使わず、比較対象の平均の補正に限る。目安として、平均に使う推定値が10本未満なら幅が±1.5%ポイントより広い(9本で±1.6%ポイント)と読む(図2の計算による編集部の仮の目安で、研究で検証された閾値ではない)
- GP に「前号までの全ファンドについて、出資・分配・期末 NAV の四半期データを出せるか」を質問し、出せないファンドがあれば理由を記録する
- VC の比較では、キャッシュフローを出していないファンドの成績が開示ファンドより低い可能性を念頭に置く(研究の標本で平均値がそうだったという観察で、検定された結論ではない)
よくある質問
IRR と TVPI があれば PME は計算できますか。
正確には計算できません。PME は出資と分配の日付と金額が必要です。研究は、IRR などの要約指標から PME に基づく超過収益を推定する方法を検証したもので、平均では精度が高い一方、1本ごとの推定値には大きな幅が残ります。
キャッシュフローを開示しないファンドは成績が悪いのですか。
この研究の標本では、平均値で比べた向きが分類で違いました。不動産・バイアウトなどは開示しないファンドの推定成績の方が高く、VC では低い結果です。差の統計的な検定や、開示しない理由の検証は行われていません。
まとめ
Preqin の5,100本を使った研究で、IRR・DPI・RVPI などの要約指標と特性を機械学習で回帰する方法は、キャッシュフローのないファンドの超過収益を推定する方法の中で誤差が最も小さく、キャッシュフローのあるファンドでの検証では平均の偏りが統計的に有意でなかった。推定値を加えると、不動産やVCの成績の大きさが変わり、開示ファンドだけの比較が偏りうることが示された。一方、1本ごとの誤差は約2%と大きく、推定は比較対象の平均を補正する用途に向く。日本のLPがこの考え方を使うなら、キャッシュフローの有無を分けて比較対象を点検し、GP に開示を求める運用と組み合わせるのが現実的だろう。
脚注
- R1(掲載誌版, 2026年4月)p.1(受付2025年4月9日・受理2025年11月9日)、p.49(謝辞:2022年の University of North Carolina Real Estate Research Symposium の参加者と University of Florida の機械学習の研究会議の参加者への謝意)。謝辞から2022年に報告されたとみられるが、報告版の内容と日付、SSRN 版の日付は確認していない。オンライン掲載日とライセンス(CC BY 4.0)は Crossref の登録情報による。SSRN 版(4943452)はアクセスが拒否されたため開いていない。↩
- R1 p.2・p.8(式と脚注7)。Direct-Alpha は R3 の方法で、KS-PME が1.0になる割引率への一定の上乗せ幅。著者らは、研究者は NPV に基づく KS-PME を、業界の実務家はファンド間の比較のしやすさから Direct-Alpha を好むと書く(p.8 脚注7)。↩
- R1 p.6・p.8。ファンドの IRR から、運用期間の始めに S&P 500 を買い、終わりに売った場合の IRR を引いた差(ΔIRR)。↩
- R1 p.2・p.5。Preqin は情報公開請求で得た年金基金の開示と、2,200超のGPの報告で情報を集める。最終標本は規模・成績の記載がないもの、外れ値、1990年価値で500万ドル未満のファンドを除き、キャッシュフローのないファンドのうち、あるファンドの特性の範囲外にある6.7%も除いた後の数。割合(約59%)は編集部の計算。所在地は北米か否かの2区分で、大半が北米(p.10 脚注9)。↩
- R1 p.2・p.9〜12。FCR の説明変数は log(1+IRR)・log(1+指数の IRR)、出資の進み具合・DPI・ネット倍率・RVPI・運用期間・号数・規模の1〜3乗、年ダミーとその規模との交差項、GPの特性4つ(上場か、過去のファンドの開示の有無など)、分類ダミー、所在地。↩
- R1 p.12・p.14 表3。キャッシュフローのある2,094本を訓練90%・検証10%に分け、訓練側では10分割の交差検証でパラメータを決める。1,000回の平均。RMSE は OLS 2.094%、Ridge 2.357%。1,000回の反復と90%・10%の分割は FCR のもの。SCF・CFR は1本ずつ除いて残りで推定(p.12・p.38)。著者らは SCF(偏り0.312〜0.772%)と CFR(同0.837〜1.119%)に有意な偏りがあるとするが、表3では SCF の4通りのうち2通りの p 値が0.105・0.056で、5%水準の有意に届かない。説明は p.13。↩
- R1 p.3・p.26(図3・変数の重要度)。全体3.390%→2.081%、不動産2.821%→1.885%、バイアウト3.878%→2.514%、VC 3.124%→2.200%。著者らは「全分類で30%超」と書くが、低下率は編集部の計算で、VC は29.6%とわずかに30%を下回る。↩
- R2(NBER WP 版, 2012年2月)p.6・p.24〜25。バイアウトでは IRR とヴィンテージで PME の変動の75%、倍率とヴィンテージで88%、両方で90%を説明し、ヴィンテージ別では9割超の年で93%以上を説明した。R1 は R2 を「IRR 1つで標本外でもよく機能した」と紹介している(R1 p.3)が、R2 の WP 版の記述(倍率の方が説明力が高い)とは一致しない。R2 の掲載誌版(2014年)の本文は確認していない。↩
- R1 p.13(訓練50%・検証50%で RMSE 2.241%・決定係数0.961、標本内は2.002%・0.966)、p.31(付録1:Korteweg and Nagel の1因子・2因子の確率的割引因子)、p.34・p.38(付録2:分類別の指数で FCR の RMSE は2.225〜4.945%、SCF は6.837〜12.203%、CFR は2.828〜8.590%)。↩
- R1 p.22・p.24〜25 表7。誤差は t 分布に従い平均に偏りがないと仮定。その他の分類は43本。±0.25%以内の確からしさは不動産(429本)99.4%、VC(405本)97.8%。編集部は、表7パネルBの確からしさを同じ式(自由度 本数−1 の t 分布)で再計算し、表の値と一致することを確かめた。↩
- R1 p.28〜29 表8。平均は1990年ドル換算のファンド規模による加重。キャッシュフローありだけ/推定値/合算の順に、全体0.879%/0.414%/0.719%、不動産−4.293%/−2.787%/−3.541%、バイアウト3.150%/4.276%/3.402%、VC −1.870%/−2.847%/−2.233%、その他−0.048%/0.800%/0.316%。合算とキャッシュフローありの差(不動産0.75%ポイント、VC −0.36%ポイント)は編集部の計算。開示の有無による差の統計的検定は示されていない。単純な IRR 差は R1 p.7 表2(全体1.2%、不動産−3.3%、バイアウト3.9%、VC −2.0%、その他0.8%)。↩
- R1 p.28。著者らは査読者の指摘を受けた論点として記している(脚注20)。↩
- R1 p.28 表9(合算した標本のヴィンテージ・戦略別の平均)。著者らは、不動産・VC ではリスクの高い戦略ほど超過収益が低いとまとめる(p.31)。↩
- R1 p.3・p.21〜22、表6・図1。IRR の分布はキャッシュフローの有無ともロジスティック分布が最もよく当てはまり、位置と尺度はありが11.113・6.300、なしが11.820・7.120。キャッシュフローのあるファンドは規模が大きく号数が高い傾向があった。観察できない要因による開示の選択は、構造上この方法では否定しきれない(編集部)。↩
- R1 p.5・p.10 脚注9(北米中心)、p.25 表7パネルA(平均は全体−0.378%など)と p.29 表8(キャッシュフローありの平均)。両者の不一致の理由は本文・表注に見当たらない。p.12 の注記は、表3の3手法の間で実績の平均が異なる理由(ブートストラップの標本の違い)についてのもので、表7と表8の差の説明ではない。↩
- GPIF「オルタナティブ投資の取組推進状況」(2026年4月2日、内閣官房の会議資料3)p.5(PDF の物理ページ)。2025年3月末時点の運用状況。うち国内資産の IRR(円建て)は−0.10%。↩
参考文献(2 026年11月確認)
- R1 Li, D. and T. Riddiough (2026), “Benchmarking Private Equity Performance When Fund-level Cash Flows are Missing,” The Journal of Real Estate Finance and Economics(オンライン先行掲載、巻号未定). DOI: 10.1007/s11146-025-10042-7. SSRN 4943452. 参照した版:掲載誌版(2026年4月14日オンライン、CC BY 4.0、50ページ)。謝辞に2022年の学会への言及あり(それ以前の版は未確認)。査読:済。 doi.org (参照箇所:本文・表1〜9・付録1〜2・謝辞(PDF の物理ページ p.1〜49)。図1〜図3は R1 の数値を基にした独自の図。脚注1〜7・9〜15の根拠。閲覧日:2026年11月)
- R2 Harris, R. S., T. Jenkinson and S. N. Kaplan (2012), “Private Equity Performance: What Do We Know?,” NBER Working Paper No. 17874. DOI: 10.3386/w17874. 参照した版:NBER WP 版(2012年2月)。査読:未査読(WP。後に The Journal of Finance 69(5): 1851–1882(2014年), DOI: 10.1111/jofi.12154 に掲載。掲載誌版は要旨のみ確認)。 nber.org (参照箇所:序論 p.6、第4〜5節 p.24〜25。脚注8の根拠。閲覧日:2026年11月)
- R3 Gredil, O., B. Griffiths and R. Stucke (2023), “Benchmarking private equity: The direct alpha method,” Journal of Corporate Finance 81: 102360. DOI: 10.1016/j.jcorpfin.2023.102360. 参照した版:書誌情報のみ(Crossref)。査読:済。 doi.org (参照箇所:Direct-Alpha の出典として R1 が引用。本文は未確認。脚注2。閲覧日:2026年11月)
- R4 年金積立金管理運用独立行政法人(GPIF)(2026)「オルタナティブ投資の取組推進状況」内閣官房「成長投資を促進するための金融戦略」に係る会議(第3回)資料3、2026年4月2日。 cas.go.jp (参照箇所:p.5「オルタナティブ投資の状況(3)」。脚注16の根拠。閲覧日:2026年11月)
※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。