想定読者:経済指標や中央銀行の発表を受けて業績予想・目標株価を見直すエクイティ・アナリスト、運用会社のストラテジスト、事業会社の IR・経営企画
前提知識:株価は将来の利益を割り引いた価値という考え方(過剰反応の測り方、利益の対GDP比の分解は本文で説明する)

米国の雇用統計が予想より強く出た夜、株価指数の先物が上がったあとで伸び悩む。翌朝の会議では「良い数字はもう織り込まれていた」という説明が出やすい。逆に指標の後で指数が大きく動けば「市場の行き過ぎ」と言われ、反動を待つ意見が出る。どちらも、指数の動きの大きさを、投資家の受け止め方の強さと同じものとして扱っている。

この前提を疑わせる研究がある。Francesco Bianchi、Sydney C. Ludvigson、Sai Ma の3人は、米国の経済ニュースへの株価の反応を、投資家が何をどう受け止めたかという部品に分けて推計した。結論は直感に反する。投資家はどの種類のニュースにも過剰反応していたが、反応が互いに打ち消し合うために、指数は合理的な水準より動き足りないことが多かった1。本稿はこの研究を、業績予想を見直す側の実務に引き寄せて読む。

この記事が主に参照する研究

Francesco Bianchi, Sydney C. Ludvigson and Sai Ma(2024)「What Hundreds of Economic News Events Say About Belief Overreaction in the Stock Market」NBER Working Paper No. 32301

  • 公表:初版 2024年4月(NBER WP)。参照した版:NBER WP の2026年6月改訂版。査読:The Review of Financial Studies 39巻10号(2026年)に掲載済み(掲載版の本文は未確認)2
  • データ:米国の経済指標(GDP・CPI・失業率・雇用者数)の発表1,234件、FOMC の声明220件、株価指数が決算ニュースで大きく動いた日16日(1980〜2021年の範囲)。反応は S&P500 の発表前後の短い時間の変化で測る3
  • 方法:投資家の期待の歪みを組み込んだ構造的な資産価格モデルを、調査の予想・先物・株価と、実時点の情報だけを使う機械学習の予想で推計し、歪みをなくした反実仮想の反応と比べる。自然実験のような因果の識別ではなく、モデルを前提にした分解
  • 位置づけ:投資家の過剰反応(診断的期待)や不注意による過小反応という既存の理論を、新しい手法と高頻度のデータで検証したもの4

過剰反応は​どう​測られてきたか、​この​研究は​何を​変えたか

過剰反応とは、ニュースを受けて将来の見通しを動かしすぎることを言う。従来の研究は、アナリストや投資家の調査の予想を使い、予想の外れ(実績−予想)を直前の予想の修正幅に回帰してきた。上方修正の後に実績が予想を下回る傾向があれば、修正が行き過ぎていた、という読み方である。ただしこの方法では、どのニュースが行き過ぎを生んだのかが分からない。理論のモデルも、利益や配当という単一のショックへの反応を想定してきた5。この方法による代表的な研究では、個々の専門予測者は自分の得た情報に過剰反応する一方、それを平均したコンセンサス​予想は過小反応していた6。過剰か過小かは、誰の、どの予想を見るかで変わる。

主論文はここに二つの工夫を加える。一つは、株式市場全体の株主への支払いを「経済全体の産出(GDP)」と「その中で支払いに回る割合」に分け、この割合をさらに長く続くトレンドの部分と、すぐに戻る循環の部分に分けたことだ。米国の利益の成長率を1変数の自己回帰で説明するより、この分け方の方がデータへの当てはまりがよかったと著者らは報告している7。推計では利益を支払いの観測信号の一つとして使い、アナリスト予想と対象をそろえるため、特別損益などを除く「ストリート利益」を用いる8。利益と支払いは概念として別だが、論文も割合の変動を利益の対GDP比の変動として論じており、本稿ではこの割合を「利益シェア」と呼ぶ。

もう一つは、ζ(ゼータ)という1つの数で、知覚したすべてのショックへの反応の強さを調整したことだ。ζが正なら過剰反応(診断的期待)、負なら不注意による過小反応を表す。モデルにはもう一つ、経済の動き方についての受け止めの歪みがあり、ζがゼロで、かつこの歪みもないときに合理的期待になる。ζは共通でも、変動の大きいショックや長く続くショックほど、株価に及ぶ歪みの影響は大きくなる。この「ショックごとに歪みの大きさが違う」点が、後で見る打ち消し合いの源になる。

研究が​示した​結果:投資家は​過剰反応し、​指数は​動き​足りなかった

推計されたζは1.26で、投資家は知覚したすべてのショックに過剰反応していた9。過剰反応が最も大きかったのは利益シェアの循環の部分へのショックで、次がトレンドの部分だった。利益の対GDP比は米国で特に変動が大きい系列で、金利・物価・成長率のショックへの過剰反応は小さかった10。リスクプレミアムを動かすショックについては歪みがほとんど見られず、著者らはこれをモデルの仮定ではなく推計の結果だと説明している11。

個々のニュースでは、行き過ぎと動き足りなさの両方が見られた(図2)。2001年1月3日の FOMC の0.5%ポイント(50bp)の利下げでは、S&P500が30分で4.1%上がったが、歪みがなければ3.4%の上昇だったと推計された12。2020年3月11日のコアCPIの発表では、指数が2.7%下がったのに対し、歪みがなければ下落は0.56%だった。主因は、利益シェアが一時的に高まったと受け止め、その後の利益の反落を悲観しすぎたことである13。一方、2020年6月5日の雇用統計(失業率)では、指数は2.01%上がったが、歪みがなければ3.47%上がったはずだった。株式に求める上乗せの低下という好材料を、利益シェアの上振れの受け止め(悪材料)が一部打ち消したためで、全体としては過小反応だった14。決算ニュースでは、2009年1月20日の金融機関の含み損の報道で指数が5.6%下がったが、歪みがなければ0.7%の下落だった15。

図2 個々のニュースへの実際の反応と反実仮想図2 実際の反応と、歪みがなかった場合の反応S&P500 の変化(%)。発表をはさむ短い時間2001年1月3日 FOMC・50bpの利下げ実際+4.1合理的+3.42010年4月28日 FOMC・利上げ見送り実際+2.10合理的+1.482020年3月11日 経済指標・CPI(コア)実際−2.7合理的−0.562020年3月26日 経済指標・弱い雇用統計実際+2合理的+0.422020年6月5日 経済指標・失業率実際+2.01合理的+3.472009年1月20日 決算・金融機関の含み損実際−5.6合理的−0.70実際(モデルと一致)合理的期待の反実仮想
出所:R1(NBER WP 2026年6月版)​p.42〜48 の​本文の​数値​(図2・図3・図5の事例)を​基に​大手町​プレップ作成​(原図は転載していない)。​経済指標と FOMC は​発表の​10分前から​20分後まで、​決算​ニュースの​日は​前日の​終値から​翌日の​寄り​付きまでの​変化。​「合理的」は​論文の​構造モデルで​歪みを​なくした​反実仮想の​値で、​観測値ではない。​2020年3月26日の​実際の​上昇は​本文の​表記​(2%)。​2020年6月5日だけは​実際の​上昇が​合理的な​反応より​小さい​(過小反応)。

ニュースの種類ごとに平均すると、構図はさらにはっきりする(図1)。経済指標と FOMC の声明の全件の平均では、反応は合理的な水準より小さかった(それぞれ−12.2%、−13.3%)。ところが市場の変化が大きかった事象(経済指標と FOMC は上位10%、決算ニュースは16日のうち上位3日)に限ると、どの種類も過剰反応で、決算ニュースの大きい日では平均+43.1%の行き過ぎだった16。小さい反応の群の値は割合で大きく出やすい。予想どおりで新しい情報をほとんど含まない発表も多く、分母となる市場の変化が小さいためで、著者らもこの点を注意している17。

図1 ニュースの種類別の過剰反応と過小反応図1 ニュースの種類別に見た反応の行き過ぎ(基本モデル−合理的期待)÷実際の反応、平均(%)右(+)=過剰反応、左(−)=過小反応経済指標(1,234件)全件−12.2大きい+24.2小さい−24.9決算ニュースの日(16日)全件+14.4大きい+43.1小さい+5.4FOMC の声明(220件)全件−13.3大きい+12.1小さい−18.30過剰反応過小反応
出所:R1(Bianchi, Ludvigson and Ma, NBER WP 2026年6月版)​p.50 表4の​数値を​基に​大手町​プレップ作成​(原表・原図は転載していない)。​米国 S&P500 の​発表前後の​短い窓での​変化。​「合理的な反応」は​論文の​構造モデルで​歪みを​なくした​反実仮想の​値で、​観測値ではない。​値は​(|基本​モデルの​反応|−|合理的期待の​反応|)​÷|実際の​市場の​反応|の​平均で、​両者の​向きが​同じ​事象だけを​平均している。​基本モデルは​実際の​反応を​ほぼ誤差なく​再現する​(p.41)。​「大きい」​「小さい」は​経済指標と FOMC が​市場の​変化の​絶対値で​上位・​下位10%、​決算​ニュースは​16日の​うち上位・​下位3日。​決算​ニュースの​日は​株価が​大きく​動いた​日だけを​選んだ​標本。

期間全体の値動きで見ても同じ傾向が出る。2001〜2021年の S&P500 の時価総額の対前月GDP比(バフェット​指数と同じ形の比率)を対数にとり、その変動を標準偏差(単位は対数ポイント)で測ると、実際は0.25だったのに対し、投資家が合理的だったと仮定した反実仮想では0.41だった。合理的な市場の方が大きく揺れていたことになり、著者らはこれを「超過変動」ではなく「超過安定」のパズルと呼ぶ18。世界金融危機の期間では同じ単位で基本モデル0.24(実際の動きとほぼ重なる)、反実仮想0.46で、利益シェアの急低下の後に投資家が利益の回復を楽観しすぎたことが、下落を和らげたと推計された19。

過小反応が最も大きかった4件には共通点があった。いずれも割引率には好材料、利益には悪材料が同時に出たニュースで、多くは景気が弱く FRB が利下げしていた時期だった。発表の前後では、社債のクレジットスプレッド(Baa 格の社債と国債の利回り差)が縮み、利益の対GDP比の足元の見込みが上がる一方、1年先の利益成長の予想は下がっていた20。利益シェアが一時的に高い、だから来期は反落する、という読みが行き過ぎた形である。

この読みは、アナリストの予想の外れとも合っていた。S&P500 の利益成長について、IBES の予想の外れ(実績−予想)を、モデルが推計した利益シェアの循環のショックに回帰すると、3か月先の係数は5.83(t値7.68)、12か月先は0.76(t値2.15)で正、24か月先では統計的に有意な関係は確認されなかった21。利益シェアが一時的に上がった局面では、アナリストはその後の利益の反落を大きく見すぎ、実績が予想を上回りやすかったことになる。外れが予測できたのは短い期間ほどだった。さらに、モデルが過剰反応と分類したニュースの後には逆方向の、過小反応と分類したニュースの後には同じ方向のリターンが続く傾向があった。ただし有意性は概ね10%水準にとどまる22。

研究の​対象と​限界:モデルを​前提に​した​分解である

まず、ここでの「合理的な反応」は観測値ではない。推計したモデルから歪みを取り除いて計算した反実仮想であり、結果はモデルの形に依存する。著者ら自身、結果は様式化された構造モデルを条件とするものだと明記している23。特に利益シェアの循環の部分の扱いが効いている。このショックをなくした反実仮想では、同じ対数の標準偏差で金融危機の期間は基本モデル0.31、合理的期待0.29となり、従来どおりの「過剰反応が変動を増幅する」結果に戻った。全期間では超過安定は残るが、差は小さくなる(基本モデル0.31、合理的期待0.34。どちらもショックを除いた反実仮想で、観測値ではない)24。

次に、対象は米国の株価指数全体である。個別銘柄の決算への反応や、日本の市場は分析していない。決算ニュースの16日は、新聞が「決算が主因」とした指数の大きな変動の日だけを選んだもので、決算発表一般の平均ではない。アナリストの予想が市場全体の期待をどこまで代表するかは未解決の問題だと著者らも認めており、そのために調査だけでなく株価・先物など多くの信号で期待を推計している。期待成長が株価の後を追うだけだとする見方や、ニュースと無関係な資金の流れが値動きを生むとする見方もあり、著者らは自らの方法をそれらと補い合うものと位置づける25。数値も版で少し動いている。2026年3月版ではζは1.12で、事例の数値にも小さな違いがあった26。

大手町​プレップの​考察:​「指数の反応の大きさ」と​「受け止めの強さ」は​別物

以下は編集部の見方で、研究が検証したものではない。

この研究から実務に持ち帰れる最大の点は、1つのニュースに対する指数の動きは、複数の受け止めの合計だということである。割引率の好材料に少し過剰反応し、利益の悪材料に大きく過剰反応すれば、合計は合理的な水準を下回りうる。著者らも、仮の数値で同じ仕組みを説明している27。「動きが小さいから織り込み済み」とも「動きが大きいから行き過ぎ」とも、指数の数字だけでは言えない。

アナリストにとってより直接の含意は、利益率の一時的な変動の扱いだと考えられる(仮説)。研究で最も歪みが大きかったのは利益の対GDP比の循環の部分で、予想の外れもこの部分で予測できた。景気の急な変化で利益率が一時的に跳ねたとき、来期の反落を大きく見積もりすぎていないか。急落したときに、回復を早く大きく見すぎていないか。どちらも、予想修正の根拠を「この変動は何四半期で平均に戻るのか」という問いに置き直すことで点検できる。ただし研究は指数全体の集計値の分析で、個別企業の利益率に同じ傾向があるかは確かめていない。

日本の​実務への​応用:時間差と​統計の​違いを​踏まえる

日本で同じ見方を使うには、いくつかの違いを押さえる必要がある。第一に時間である。研究は発表の10分前から20分後の値動きで反応を測ったが、東京証券取引所の立会時間は前場9時〜11時30分、後場12時30分〜15時30分で28、米国の経済指標や FOMC の発表は日本の取引時間外に出る。翌営業日の寄り付きの変化で日本株の反応を見るなら、その間に入った別の材料も混ざることに注意したい。発表直後の米国の株価指数先物と、翌朝の日本株を分けて記録するのが現実的だろう(編集部の提案)。

第二に、利益シェアの統計である。研究は米国の企業利益の対GDP比を使った。日本で近いものを作るなら、財務省の法人​企業統計調査(四半期別調査は資本金1,000万円以上の営利法人等が対象)の経常利益と、内閣府の名目GDPを並べる方法が考えられる29。ただし上場企業の集計利益とは範囲が違い、日本の利益シェアにトレンドと循環のどのような動きがあるかは、この研究では検証されていない。編集部の仮の提案として、自社の担当業種の営業利益率を過去の平均と比べ、「平均から離れた分」を循環の候補として別に扱う程度にとどめるのが慎重だろう。

学習用の​設例:打ち​消し​合いで​指数が​動き​足りなくなる

学習用の設例(架空)

  • ある国の経済指標が弱く出て、中央銀行の利下げ観測が強まった。合理的な投資家なら、割引率の好材料を+1.5%、循環的な利益率の悪材料を−0.3%と評価し、指数は合計+1.2%動く
  • 投資家は割引率の材料に1.1倍、利益率の材料に3.0倍の強さで反応する(どちらも過剰反応。倍率は説明用の仮定で、論文の推計値ではない)

実際の指数の動きは、割引率の分+1.65%と利益の分−0.90%の合計で+0.75%になる。合理的な+1.2%を下回り、基本モデルの反応を実際と同じとみなして図1と同じ定義で測ると−60.0%の過小反応である。投資家はどちらの材料にも過剰反応しているのに、全体では動き足りない。利益への反応の倍率を変えると、表1のように、倍率が1.5倍を超えたところで過剰反応から過小反応に切り替わる。

表1 設例:利益の悪材料への反応の倍率で、指数の動きはどう変わるか

表は横にスクロールできます →

利益への反応の倍率割引率の分利益の分指数の変化合理的な反応との差全体の判定
1.0倍+1.65%−0.30%+1.35%+0.15%ポイント過剰反応
1.5倍+1.65%−0.45%+1.20%0.00%ポイント合理的な反応と同じ
2.0倍+1.65%−0.60%+1.05%−0.15%ポイント過小反応
3.0倍+1.65%−0.90%+0.75%−0.45%ポイント過小反応
4.0倍+1.65%−1.20%+0.45%−0.75%ポイント過小反応
出所:学習用の​仮定に​基づき大手町​プレップ作成​(指数・ニュース・倍率はすべて架空)。​合理的な​投資家なら​割引率の​好材料を​+1.5%、​循環的な​利益率の​悪材料を​−0.3%と​評価し、​指数は​+1.2%動くとする。​割引率への​反応は​1.1倍​(過剰反応)で​固定し、​利益への​反応の​倍率だけを​変えた。​倍率1倍は​利益の​ニュースを​合理的に​評価した​場合。​論文の​推計値ではなく、​論文が​示した​「ショックごとに​過剰反応の​大きさが​違うと、​全体では​過小反応に​なりうる」​仕組みを​単純化した​もの。

同じ倍率でも、利益のニュースが好材料だった場合は向きが変わる。合理的な反応+1.8%に対して実際は+2.55%となり、+29.4%の過剰反応になる。材料の向きがそろうと行き過ぎ、食い違うと動き足りなさが出る。研究で大きな反応ほど過剰反応だった結果とも整合的な形だと編集部は考える(研究がこの設例を検証したわけではない)。

明日から​使える​確認項目と​分析手順

  1. 大きな指標や中央銀行の発表の後、指数の変化を「割引率(金利・クレジットスプレッド)の動き」と「利益見通しの動き」に分けてメモに書く。金利とスプレッドが下がったのに指数の上げが小さいときは、利益見通しの悪化が打ち消していないかを先に確かめる
  2. 予想を修正するときに「今回の利益率の変化のうち、何割が何四半期で戻ると見ているか。その根拠は何か」を自問し、レポートに書く。根拠が「過去にそうだった」だけなら、反落や回復の大きさを控えめにした場合の予想も並べる
  3. 予想修正の記録を残し、四半期ごとに外れ(実績−予想)と、修正時に見込んだ利益率の変化を並べる。利益率が一時的に上がった局面で外れがプラス(実績が予想を上回る)に偏っていれば、反落を見すぎている合図と読める。判定の基準(例えば4四半期のうち3回)は編集部の仮の目安で、研究で検証されたものではない
  4. 発表直後の大きな値動きを見て反動を狙う発想には慎重であること。研究でも反動の傾向の有意性は概ね10%水準で、モデルに基づく分類を前提にしている。売買の規則として使える結果ではない
  5. 米国の発表を日本株の判断に使うときは、発表直後の米国の株価指数先物の変化と、翌朝の日本株の寄り付きの変化を分けて記録し、間に入った別の材料を書き添える

よく​ある​質問

​「投資家は過剰反応する」なら、​大きく​下げた​翌日は​買えば​よいのですか。

この​研究から​そうは​言えません。​過剰反応と​分類された​ニュースの​後に​逆方向の​リターンが​続く​傾向は​ありましたが、​有意性は​概ね10%水準で、​分類自体が​モデルの​推計に​依存しています。​指数が​動き足りない​場合も​あり、​大きな​値動きだけを​手が​かりに​した​売買の​規則と​しては​検証されていません。

論文の​「合理的な反応」は​どうやって​求めたのですか。

実時点で​入手できた​多数の​データから​機械学習で​作った​予想を​「歪みのない予想」の​目安と​して​モデルに​組み込み、​推計した​モデルから​歪みを​取り除いて​計算しています。​実際に​観測された​値ではないため、​モデルの​形が​変われば​値も​変わります。

まとめ

Bianchi・Ludvigson・Ma の研究は、米国の経済ニュース1,470件への株価の反応を分解し、投資家はどのショックにも過剰反応していたが、指数はむしろ動き足りないことが多かったと推計した。鍵は、割引率と利益の材料が同時に出るとき、利益シェアの一時的な変動への大きな過剰反応が好材料を打ち消すことにある。結果は米国の株価指数とモデルを前提にしたもので、日本や個別企業に当てはまるかは検証されていない。実務では、指数の反応の大きさを受け止めの強さと取り違えず、ニュースを割引率と利益に分けて記録し、利益率の一時的な変動を予想にどこまで外挿したかを自分で確かめることが、この研究から引き出せる使い方である。

脚注

  1. R1(NBER WP 版, 2026年6月)p.2(要旨)・p.5(1節)。ページはPDF の物理ページ(印刷ページ=物理−2。以下同じ)。↩
  2. R1 p.1(表紙「April 2024, Revised June 2026」と、NBER WP は査読を経ていない旨の注記)。NBER WP の Issue Date は2024年4月(Crossref の登録は2024年4月8日)。掲載誌は Crossref で The Review of Financial Studies 39巻10号 pp.3191〜3239(2026年7月21日、DOI 10.1093/rfs/hhag062、著者は同じ3名)を確認したが、掲載版の本文は読んでおらず、WP 版との異同は未確認。↩
  3. R1 p.36(5節。経済指標1,234件は1980年1月〜2021年12月、決算ニュースの日16日は1999年3月〜2020年5月、FOMC 220件は1994年2月〜2021年12月)、p.42(計1,470件)。反応の窓は p.36・p.41(発表の10分前〜20分後。日次しかない系列は前日と翌日。市場の閉場中は S&P500 の E-mini 先物。決算ニュースの日は前日の終値から翌日の寄り付き)。決算ニュースの日は、新聞記事から株価指数の大きな変動の原因を分類した R4 のデータによる(p.36 脚注21)。↩
  4. R1 p.4(1節。ζ は知覚したすべてのショックへの反応を調整し、経済の動き方についての知覚の歪みとは別のパラメータ)、p.13(ζ=0 かつ知覚した動き方が客観的なものと一致するとき合理的期待になる)、p.17〜20(2節。調査・先物・株価を主観的な期待の信号、機械学習の予想を合理的な予想の信号として状態空間モデルに入れる)、p.23(3節。LSTM による機械学習)、p.32(5節。ベイズ推計。ζ と知覚の歪みの事前分布は0を中心に対称)。↩
  5. R1 p.3(1節)。機械学習で予想の歪みを測った著者らの先行研究(R3)では、調査の予想の外れと過去の予想修正の関係を示す証拠は乏しかったと、p.4 で述べている。↩
  6. R2(NBER WP 版, 2018年8月)p.2(要旨)。米国の専門予測者の調査による研究で、American Economic Review 110巻9号(2020年)に掲載。↩
  7. R1 p.9(2節)、p.11 表1(S&P500 のストリート利益の成長率。対数尤度はトレンド・循環のモデル−544.759、1変数の自己回帰−549.170。BIC はそれぞれ1,104.687と1,113.508で、どちらの基準でもトレンド・循環のモデルが良い)。↩
  8. R1 p.9(利益は概念として株主への支払いと同じではないが、その変動の最も重要な要因とする研究があり、推計では利益を含む複数の信号を使う)、p.35(5節)。IBES のストリート利益は、非継続事業・特別損失などの項目を除いた利益で、アナリストの予想の対象とそろう。↩
  9. R1 p.37 表2(事後分布のモード)。事後分布の1パーセンタイルの値は0.91(p.57 脚注33)。↩
  10. R1 p.38(6節。ショックの標準偏差は付録の表 A.7 にあり、本稿は付録を確認していないため本文の記述による)、p.39〜40 図1(2標準偏差のショックへの反応の比較)。↩
  11. R1 p.43(6節)。↩
  12. R1 p.42〜43 図2(a)。同じく FOMC の2010年4月28日(利上げ見送り)では、実際2.10%の上昇に対し、歪みがなければ1.48%(p.43 図2(d))。↩
  13. R1 p.43 図3(a)。コアCPI は予想を0.1%下回った。発表は米国の株式の取引時間前のため、E-mini 先物で測っている(p.43 脚注25)。↩
  14. R1 p.44〜47 図3(c)。2020年3月26日の雇用関連の弱いデータでは、指数が2%上がり、歪みがなければ0.42%の上昇(主に株式の上乗せの低下による。p.44 図3(b))。↩
  15. R1 p.47〜48 図5(b)。↩
  16. R1 p.50 表4。値は(基本モデルが再現した反応の絶対値−合理的期待の反実仮想の反応の絶対値)÷実際の市場の反応の絶対値の平均で、両者の向きが同じ事象だけを平均している(p.50 脚注29)。基本モデルは実際の反応の向きと大きさをほぼ誤差なく再現している(p.41)。大きい・小さいは、経済指標と FOMC が市場の変化の絶対値で上位・下位10%、決算ニュースは上位・下位3日。決算ニュースの大きい日の値は、本文は「平均43%」、表は43.1%で、本稿は表の値を使う。↩
  17. R1 p.51。決算ニュースの日が大きな変動の日だけを選んだ標本である点も、同じ箇所で注意している。↩
  18. R1 p.51〜52 図7(b)。比率は株式時価総額の対前月 GDP の対数(pDt−yt−1)で、標準偏差は図中の表記(Sample Std・RE Std)による。図7(b)は比較のため両系列を標準化して描いているが、本稿の値は図中の表記をそのまま記す。反実仮想は、推計したショックを与えたままパラメータだけを合理的期待の値に替えたもの(p.52)。↩
  19. R1 p.53 図7(c)(d)、p.56 図9(a)(2007年1月を起点とする期間。ζ だけをゼロにした場合は0.40)。コロナ危機でも合理的期待の方が下落は大きいが、差は小さい(p.53)。↩
  20. R1 p.53〜55 図8(2002年1月4日の雇用統計、2011年1月14日・2010年7月16日・2005年7月14日の CPI)。利益の足元の見込みと1年先の予想は Bloomberg の調査。図8の注は「FOMC の発表」と記すが、図の各事例は経済指標の発表である。↩
  21. R1 p.58〜59 表5。回帰の期間は表の注で IBES が1981年12月〜2021年12月(本文 p.58 は1990年1月〜2021年12月と記載しており、本稿は表の注に従う)。24か月先の係数は−0.14(t値−1.13)。Bloomberg の予想でも3か月先6.28、12か月先0.92で正。t値は不均一分散と系列相関に頑健な値。係数の単位は論文に明記がない。↩
  22. R1 p.59〜60(7節)。根拠の表(付録の表 A.6)は本稿では確認していない。下落を過剰反応と分類した事象では5%水準で有意だったと記載。↩
  23. R1 p.9(2節。結果は様式化された構造モデルを条件とする)、p.21(機械学習の予想を合理的期待のモデルの主体の予想と同一とは仮定しない)、p.41〜42(反実仮想の定義)。↩
  24. R1 p.54〜57 図9(b)(d)。ζ を事後分布の1パーセンタイルの0.91にしても、標準偏差は金融危機の期間0.29、全期間0.30で、ζ=0 の場合(0.40)を下回る(p.57 脚注33)。↩
  25. R1 p.7(1節)。↩
  26. R1 の2026年3月改訂版(NBER のサイトの rev12)では、ζ は1.12、2001年1月3日の上昇は4.2%、決算ニュースの大きい日の行き過ぎは平均44%と記載されていた。本稿は2026年6月版の数値を使う。↩
  27. R1 p.16〜17(2節の数値例。著者らも仮の値と明記している)。↩
  28. R5。2024年11月5日からの立会時間(JPX のページ、2024年11月4日更新)。↩
  29. R6。経常利益と名目GDPを並べて見る方法は編集部の提案で、研究で検証されたものではない。↩

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。