想定読者:銀行・証券・保険の販売部門や IFA の管理職、コンプライアンス・内部監査の担当者、ウェルスマネジメントを志望する方
前提知識:投資信託と ETF の違い、確率の差を「%ポイント」で表す読み方(統計の用語は本文で説明します)

窓口で顧客が「最近よく聞く ETF はどうでしょう」と尋ねる。担当者は、顧客の年齢や資金の使い道を聞き取り、手数料の安い商品をいくつか比べたうえで勧める。記録上は申し分のない提案に見える。だが担当者自身が同じ種類の商品を長く持っていて、その良さを疑ったことがないとしたら、提案は顧客の条件で決まったのか、担当者の慣れで決まったのか。

販売の現場の点検は、手数料や販売目標といった利益相反に目が向きやすい。カナダの研究者らが行った実験は、それと並んで、担当者が自分で持っている商品、販売資格を持っている商品、顧客が口にした商品にも推奨が引っ張られることを示した。しかも対象は、一般の販売員より厳しい要件を満たした資格保有者である。

この記事が主に参照する研究

Philippe d’Astous, Irina Gemmo, Pierre-Carl Michaud(2024)「The quality of financial advice: What influences recommendations to clients?」Journal of Banking & Finance 169

  • 公表:初版 2022年7月(NBER Working Paper No. 30205)。参照した版:NBER WP 版(2022年7月)。掲載版(2024年8月オンライン掲載、査読済み)は本文を確認できず、要旨のみ参照
  • データ:カナダの資格を持つファイナンシャル・プランナー1,044人のオンライン回答(案内19,469通に対し完了回答1,044件。論文は回答率を約9%と記すが、この2つの数からの単純計算では約5.4%で一致しない)。実施時期は本文に記載なし
  • 方法:退職貯蓄・資産の取り崩し・介護・投資の4分野で、架空の顧客事例の条件を無作為に変えて推奨を選ばせる実験(多項ロジットの平均部分効果)。担当者の保有・資格との関係は観察された属性との関連
  • 位置づけ:利益相反・親近性・顧客の関与という既存の論点を、同じ回答者への条件の無作為化という手法でまとめて検証した研究

同じ​担当者に、​条件だけを​変えた​事例を​出す

研究者らは、ケベック州の職能団体 IQPF と、それ以外の州を受け持つ FP Canada の協力を得て、CFP などの資格を持つプランナーに調査を案内した。カナダで金融商品の販売資格を持つ約10万人のうち、こうした資格の保有者は約2万5千人だという1。回答者の平均年齢は49.5歳、経験は平均16年である。

回答者は、4分野でそれぞれ2件、計8件の顧客事例を読み、4つ前後の選択肢から1つを勧める。事例の一部は無作為に入れ替わる。顧客の名前と性別、顧客が特定の選択肢について尋ねる一文、税率や金利、手数料の水準、取り崩しの事例では「投資信託の販売は担当者の報酬になる」という一文である。冒頭では、すべての商品の販売資格を持っていると仮定して答えるよう指示した2。

この設計では、読み方を二つに分ける必要がある。無作為に変えた条件(問い合わせの一文、報酬の一文、手数料など)は、それ以外が平均的に同じ二つの集団を比べることになるので、条件そのものの効果と読める。一方、担当者が自分でその商品を持っているか、配偶者が持っているか、販売資格を持っているか(研究はこの三つを「親近性」と呼ぶ)は、担当者がもともと持つ属性である。年齢や所得などを統制しても、関連であって因果の識別ではない3。以下の数値は、ある選択肢が勧められる確率の差を%ポイントで表したものだ。

推奨は​まず、​税率・​金利・​手数料に​大きく​反応した

最初に確認すべきは、プランナーが事例の条件を読んで合理的に答えているかである。退職貯蓄の事例では、拠出時の限界税率が30%から50%に上がると、拠出時に所得控除を受けて引き出し時に課税される RRSP(登録退職貯蓄プラン)の推奨が42.4%ポイント上がり、拠出は課税後で運用益と引き出しが非課税の TFSA(非課税貯蓄口座)は27.9%ポイント下がった。負債の金利を最も高い水準にすると、債務返済の推奨が46.5%ポイント増えた4。

研究者らは、各プランナー自身の株式リターン予想を使い、25年後の手取りが最も大きい選択肢を「最適」と定義して照合している。RRSP が最適な条件では72.3%が RRSP を勧め、最適でない条件では22.4%にとどまった。債務返済でも61.9%対31.6%と差がはっきりしている5。投資の事例では、投資信託の手数料が年1%から3%に上がると投資信託の推奨が16%ポイント下がり、ETF が10%ポイント上がった6。

つまり推奨の大枠は、費用と便益で説明できる。問題は、その上に何が乗っているかだ。図1は、条件の効果と、条件以外の要因の大きさを同じ物差しで並べたものである。

図1図1 推奨の確率を動かした要因の大きさ単位:%ポイント(推奨される確率の差)A 商品の条件を変えた(無作為化)負債の金利が最高水準 → 債務返済+46.5拠出時の税率50% → RRSP+42.4投資信託の手数料3% → 投資信託−16.0B 顧客の一言・報酬の一文(無作為化)顧客がETFを尋ねる → ETF+9.0投信販売が報酬になる → 投信を含む案−9.9C プランナー自身の属性(観察値・関連)自分がETFを保有 → ETF+12.3ETFの販売資格を持つ → ETF+9.2自分が負債を持つ → 債務返済−12.0-2002040
カナダの​資格を​持つ​ファイナンシャル・​プランナー1,044人に​架空の​顧客事例を​示した​実験で、​条件の​違いが​特定の​選択肢を​勧める​確率を​どれだけ​変えたか。​A・Bは​事例ごとに​無作為に​変えた​条件で、​因果の​効果と​読める。​Cは​プランナーが​元から​持つ属性との​関連で、​因果の​効果ではない。​Bの​「報酬」と​Cの​保有・​資格は、​全事例を​まとめ担当者の​他の​属性を​調整せずに​比べた​推奨率の差​(t検定)。​Cの​負債は​無作為化した​条件を​調整した​回帰の​推計。​それ以外は​多項​ロジットの​平均部分効果。​いずれも​1%水準で​有意。​比較の​基準は、​A:負債金利2.5%・税率30%・手数料1%、​B:尋ねない・​報酬の​記載なし、​C:保有・​資格・​負債なし。​報酬の​行は​予想と​逆向き​(本文参照)。​出所:R1(NBER WP​版 p.18 表3、​p.26 表10、​p.21 表5、​p.30 表12、​p.57 表​A22)の​数値を​基に​大手町​プレップ​作成。

図1のAの棒は数十%ポイントに達する。これに対しBの棒(無作為に入れた問い合わせ・報酬の一文による差)とCの棒(保有・資格は属性を調整していない推奨率の差、負債は無作為に入れた条件を調整した関連)は10%ポイント前後である。保有・資格の差には担当者の他の属性の違いも含まれうるため、条件をそろえても残る差とは言えない。

条件以外で​推奨を​動かした​もの​——問い​合わせ、​自分の​保有、​販売資格

顧客が​尋ねた ETF は​勧められやすくなった

投資の事例で、顧客が ETF について尋ねる一文を入れると、ETF の推奨は9%ポイント上がり、投資信託は4%ポイント、元本保証型の GIC は5%ポイント下がった。全事例をまとめた比較では、ETF の推奨率は尋ねた場合が35.3%、尋ねない場合が26.4%である。一方、貯蓄の事例でユニバーサル生命保険を、取り崩しの事例で投資信託を、介護の事例で住宅ローンの返済を尋ねさせた場合には、尋ねられた商品そのものの推奨に統計的に有意な増加は見られなかった。ただし貯蓄の事例では、生命保険を尋ねると RRSP の推奨が3.6%ポイント下がった(5%水準)7。尋ねられた商品の推奨が有意に増えたのは、4分野のうち投資の事例の ETF だけである。

自分が​持つ商品、​資格を​持つ商品は​勧められやすい

全事例をまとめ、担当者の他の属性を調整せずに単純に比べると、本人が保有している商品は勧められやすく、差は年金で12.5%ポイント、ETF で12.3%ポイント、保険会社が提供し死亡時の保証などが付くセグリゲーテッド・ファンドで11.2%ポイント、投資信託で5.6%ポイントだった。販売資格についても、投資信託・セグリゲーテッド・ファンド・介護保険・ETF で推奨率が6.5〜9.7%ポイント高い。すべての商品の資格があると仮定させたにもかかわらず、実際の資格の有無が推奨と結びついていた。一方、RRSP・TFSA などの保有や、年金の販売資格では有意な関係は確認されなかった8。

実務上、最も示唆が大きいのは次の結果だろう。セグリゲーテッド・ファンドの手数料が投資信託と同じか安く、投資信託を選ぶ理由が乏しい条件に限っても、投資信託を自ら保有するプランナーは保有しない者より16〜17%ポイント多く投資信託を勧めた。販売資格の効果は、この条件では見られなかった9。逆向きの例もある。自分が借入を抱えるプランナー(標本の75%)は、顧客に債務返済を勧める確率が12%ポイント低かった10。問い合わせと保有の関係も推計されている。顧客が尋ねた商品を担当者自身も保有している場合、担当者ごとの違いを除いた推計で、尋ねられた商品の推奨確率は約5.1%ポイント高かった。ただしこれは保有の有無による差の推計で、問い合わせの効果への上乗せを直接測ったものではない。保有・配偶者の保有・資格を同時に入れた推計では、本人の保有は有意でなかった11。

表1 推奨を左右した要因と、確認されなかった場面

表は横にスクロールできます →

要因確認された場面と大きさ統計的に有意な関係が確認されなかった場面R1の頁
顧客の問い合わせ(無作為化)投資:ETFを尋ねるとETFの推奨+9%ポイント、投資信託−4%ポイント、GIC−5%ポイント尋ねた商品そのものの推奨:貯蓄(生命保険)・取り崩し(投資信託)・介護(住宅ローン返済)。貯蓄では生命保険を尋ねるとRRSPが−3.6%ポイント(5%水準)p.18・p.26〜27・p.31
販売報酬の一文(無作為化)取り崩し:投資信託だけの案−8%ポイント、全額年金化+6%ポイント(予想と逆向き)他の3分野は報酬の一文を設けていないp.22・p.30〜31
本人の保有(観察値)年金+12.5、ETF+12.3、セグリゲーテッド・ファンド+11.2、投資信託+5.6(%ポイント)RRSP・TFSA・介護保険・指数連動GICp.29〜30
販売資格(観察値)投資信託+8.5、セグ・ファンド+6.5、介護保険+9.7、ETF+9.2(%ポイント)年金・ユニバーサル生命保険・指数連動GICp.29〜31
顧客の性別(無作為化)WP版では取り崩しで女性顧客への投資信託の推奨−4%ポイントなど介護・投資。掲載版の要旨は経済的に有意な効果なしとするp.18〜27
数値は​推奨される​確率の差​(%ポイント)。​問い​合わせ・​報酬は​多項​ロジットの​平均部分効果、​保有・資格は​全事例を​まとめ、​担当者の​他の​属性を​調整せずに​比べた​推奨率の差​(t検定)。​保有・資格は​プランナーの​観察された​属性との​関連で、​因果の​識別ではない。​年金の​保有者の​観測は​68と​少ない。​性別の​結果は、​参照した​WP版と​掲載版の​要旨とで​結論の​表現が​異なる​ため参考にと​どめる。​出所:R1(NBER WP版)の​本文・表の​数値と、​掲載版の​要旨を​基に​大手町​プレップ​作成。

報酬の​一文は、​予想と​逆向きに​働いた

取り崩しの事例で「投資信託の販売は担当者の報酬になる」と書き添えると、投資信託だけを勧める案は8%ポイント減り、全額を年金にする案が6%ポイント増えた。投資信託を含む案をまとめると、推奨率は報酬の記載がある場合69.0%、ない場合78.8%である。著者らは、回答者に実際の金銭的な誘因はなかったため、この効果は下限かもしれないとだけ述べている12。ただ、回答者の実際の報酬形態は多様で、給与のみは11.4%にすぎない。販売連動の賞与、預り資産連動、歩合で報酬を得る者は、給与のみの者より自分が資格を持つ商品を勧めやすかった(これも関連である)13。

顧客の性別については、参照した WP 版は取り崩しの事例で女性顧客に投資信託を勧める確率が4%ポイント低いなどの結果を示したが、掲載版の要旨は経済的に有意な性別の効果は見つからないとしており、要旨の結論表現が WP 版と異なる。掲載版の本文を確認できていないため、本稿では性別の結果に依拠しない14。

研究の​対象・方法と​限界

第一に、これは架空の事例への回答である。著者ら自身、仮想の場面は実際の推奨の代わりにはならないと認めている。回答率は論文の記載で約9%(完了回答数からの単純計算では約5.4%)と低く、回答者は母集団より学歴が高い。報酬の一文には実際の金銭が伴わない15。第二に、親近性の結果は担当者の属性との関連である。投資信託を持つ人ほど投資信託に前向きな考えを持ち、それが保有と推奨の両方に表れている、という説明とも矛盾しない。第三に、本稿が数値を確認したのは WP 版で、掲載版は本文を読めていない。掲載版の要旨は、親近性が特定の状況で助言の質を損ないうると述べる点では WP 版と同じ方向だが、数値が改訂されている可能性はある16。WP 版の本文と表の数値が食い違う箇所もあり、本稿は表の値を使った(脚注4・8・13)。

カナダの先行研究とは整合的である。Foerster らは家計の口座データから、アドバイザー自身のポートフォリオが顧客の特性を統制しても顧客の配分をよく予測すると報告した17。Linnainmaa らは、多くのアドバイザーが自分の資産も顧客に勧めるのと同じように運用しており、高コストの助言の一因は利益相反よりも誤った信念にあると論じた18。本研究は、条件を統制した実験でも同じ方向の関連が出ることを示した点に位置づけられる。

大手町​プレップの​考察——善意の​偏りは、​利益相反の​点検では​見つけに​くい

以下は編集部の見方である。手数料や販売目標によるエージェンシーコストは、報酬体系や商品別の販売額を見れば点検の糸口がある。これに対し、担当者が自分の使っている商品を「良いもの」と信じて勧める偏りは、本人に悪意がなく、説明も誠実なので、通常の利益相反の管理では表に出にくい。Linnainmaa らの結果と合わせると、販売の誘因を取り除いても、この種の偏りは残りうると考えられる(仮説)。

顧客の問い合わせに推奨が寄る点も、二通りに読める。顧客の関心を尊重するのは受託者責任の観点からも当然だが、尋ねられた商品が他より劣る条件でも勧めるなら、迎合になる。本研究で尋ねられた商品の推奨が統計的に有意に増えたのは ETF の事例だけで、それは手数料の安い商品への問い合わせでもあった。どの商品について、どんな条件で尋ねられたときに推奨が動くのかは、日本の窓口の記録で確かめるしかない。報酬の一文が予想と逆に働いた点は、回答者が研究の意図を察して望ましい答えに寄せた可能性もある(編集部の仮説。論文は検証していない)。架空の事例で報酬の影響を測る難しさを示しているともいえる。

日本の​実務への​応用——原則6の​「比較」を​記録で​確かめる

金融庁の「顧客本位の業務運営に関する原則」(2017年策定、2021年・2024年改訂)は、原則3で販売に伴う手数料の受け取りなどを利益相反の例に挙げ、原則6の注で、顧客の意向を確認したうえで、各業法の枠を超えて類似・代替の商品と手数料を含めて比較しながら提案するよう求める。原則7は、報酬・業績評価体系や研修を含む動機づけの枠組みの整備を求めている19。金融庁は、顧客の最善の利益を勘案した誠実公正義務が2024年11月に法定化されたことも掲げている20。

以下の商品の対応づけと応用は、いずれも編集部の例示と推論で、日本の制度の細部を本稿の資料で確かめたものではない。カナダの研究を日本へ持ち込むには、違いを押さえる必要がある。商品体系(RRSP・TFSA・セグリゲーテッド・ファンド)はカナダ固有で、日本では NISA・iDeCo、外貨建保険、ファンドラップなどが相当する場面になる。販売の担い手も、銀行・証券会社・保険会社の窓口、金融商品仲介業の IFA(IFAの​仕組みと​収益モデル)と分かれる(ウェルスマネジメントの​担い手の​比較)。資格と推奨の関連は、日本では担当者や所属先がどの商品を扱っているかの違いとして現れるかもしれない(仮説)。

原則6が求める「比較」が実際に行われたかは、提案書の​作成や​アニュアルレビューの文面だけでは分からない。研究の設計にならえば、提案の記録に、顧客が特定の商品を尋ねたか、担当者自身がその商品カテゴリーを保有しているか、担当者がどの商品の販売資格や取扱いを持つか、を残しておけば、推奨率を属性ごとに比べられる。担当者の保有情報を点検に使えるかは、利用目的や個人情報の扱いを社内規程と法務で確かめる必要がある。適合性原則の​実務で求められる顧客情報の記録に、担当者側の情報を対にして置くという発想である。

設例:提案記録で​推奨率の​差を​点検する

学習用の設例(架空)

  • ある金融機関の投資相談の記録1,180件。担当者が自分でも同じ商品カテゴリー(例:特定のテーマ型投資信託)を保有している記録が480件、保有していない担当者の記録が700件
  • そのカテゴリーを推奨した割合は、保有する担当者で30%(144件)、保有しない担当者で22%(154件)
  • 顧客の年齢・資産・リスク許容度の分布は二群で同じと仮定する(実際には確かめる必要がある)

差は8%ポイントである。二つの比率の差の検定(標準的な近似)では z 値が3.11、両側の p 値は約0.002で、差の95%信頼区間はおよそ2.9〜13.1%ポイントになる21。各記録が互いに独立だと仮定した計算で、同じ担当者の記録が多い場合は担当者内の似通いを考慮すると区間は広がる。偶然だけでは説明しにくい差だが、これで偏りが証明されたわけではない。保有する担当者が、そのカテゴリーに合う顧客を多く担当しているだけかもしれないからだ。次の段階では、顧客の属性をそろえた比較や、研究の「劣後する条件」にならい、同じ目的でより低コストの代替商品があった提案に絞った比較を行う。

点検を始める前に、記録が何件あれば差を見分けられるかを確かめておくとよい。表2は、推奨率の差を両側5%の検定、検出力80%で見分けるのに要る1群あたりの件数である。

表2 設例:推奨率の差を見分けるのに要る提案記録の件数(1群あたり、架空)

表は横にスクロールできます →

比較の基準になる推奨率差 5%ポイント差 9%ポイント差 12.5%ポイント
10%686件240件136件
25%1,251件402件215件
学習用の​設例​(架空)。​担当者が​自分でも​保有している​(または販売の誘因がある)​グループと、​そうでないグループの​提案記録を​同じ​件数ずつ​集め、​特定の​商品​カテゴリーの​推奨率の​差を​両側5%の​検定、​検出力80%で​見分けるのに​要る​件数​(比率の差の標準的な近似式)。​差9%ポイント・12.5%ポイントは、​R1の​カナダの​実験で​問い合わせ​(ETF)と​保有​(年金・ETF)に​ついて​観察された​大きさを​目安と​して​借りた​もので、​日本の​窓口で​同じ​大きさが​生じる​ことは​確かめられていない。​出所:学習用の​仮定に​基づき大手町​プレップ​作成。

基準の推奨率が25%で差が5%ポイントなら、1群あたり1,251件が要る。研究で観察された程度の差(9〜12.5%ポイント)なら、数百件が目安になる(各記録が独立という仮定の下での件数で、同じ担当者の記録が多ければ、より多くの件数が要る)。支店単位では件数が足りず、全社の記録をまとめるか、期間を延ばす必要がある場合が多いだろう。

明日から​使える​確認項目

  1. 提案記録の項目を確かめる。顧客が特定の商品を尋ねたか(はい/いいえ)、比較した代替商品とその手数料、担当者が扱える商品の範囲、の三つが残っているか。残っていなければ、次の様式改定で追加を検討する。
  2. 商品カテゴリーごとに、担当者の保有の有無(社内の自己取引の届出などから、規程上使える範囲で)別の推奨率を出し、差と件数を表2の目安と照らす。差が5%ポイントを超え、件数が足りていれば、顧客属性をそろえた比較に進む(閾値は編集部の仮の目安で、研究で検証されたものではない)。
  3. 「劣後する提案」の比率を数える。同じ目的・同じリスク水準で、手数料がより低い代替商品が記録上あったのに選ばれなかった提案の割合を、担当者別・属性別に出す。
  4. 顧客の問い合わせから始まった提案を抜き出し、尋ねられた商品が選ばれた割合と、代替商品との比較が記録されている割合を確かめる。尋ねられた商品が選ばれること自体は問題ではない。比較の痕跡が無いことが点検の対象である。
  5. 研修では、利益相反の説明に加えて、自分の保有商品・扱い慣れた商品に寄る傾向を事例で示す。著者らも、こうした偏りを自覚させる研修が有効かもしれないと述べている(効果は検証されていない)22。

よく​ある​質問

担当者が​自分でも​持っている​商品を​勧めるのは、​むしろ​誠実なのではありませんか。

自分で​持てない​商品を​勧めるよりは​誠実に​見えます。​ただし本研究では、​投資信託が​より​有利な​代替商品に​劣る​条件でも、​保有者が​投資信託を​多く​勧めました。​問題は​保有​その​ものではなく、​顧客の​条件と​比較の​結果よりも​担当者の​慣れが​選択を​左右している​可能性です。

この​研究の​結果は​日本の​窓口にも​当ては​まりますか。

分かりません。​対象は​カナダの​資格保有者で、​架空の​事例への​回答です。​商品体系や​販売の​担い​手も​日本と​異なります。​日本で​確かめるには、​自社の​提案記録で​推奨率の​差を​測るのが​近道です。

まとめ

カナダの資格を持つプランナーの推奨は、税率・金利・手数料に大きく反応しており、大枠では合理的だった。その上で、顧客が ETF について尋ねると ETF の推奨は数%ポイント上がった(無作為に入れた条件の差)。担当者自身が保有する商品や販売資格を持つ商品は、属性を調整しない比較で数%から十数%ポイント勧められやすかった。保有と推奨の結びつきは因果ではなく関連で、性別の結果は掲載版の要旨と結論表現が異なるなど、読み方には注意が要る。日本の販売会社にとっての含意は、原則6が求める代替商品との比較を、担当者側の情報と対にした記録で検証できる形にしておくことだと編集部は考える。

脚注

  1. R1(NBER WP 版, 2022年7月)p.3〜5(§1・§2.1・脚注2・脚注5)。案内19,469通に対し完了回答1,044件、回答率は「約9%」と記載。1,044÷19,469は約5.4%で、論文の記載と一致しない(回答率の定義・分母の記載はない。編集部の計算)。資格は CFP・QAFP・Pl. fin.。約10万人・約2万5千人は著者が業界記事の数値に Pl. fin. の人数を加えたもの。平均年齢・経験年数は p.12〜14・表1。R1 のページは PDF の物理ページ(印刷頁=物理頁−2。以下同じ)。↩
  2. R1 p.6〜10(§2.2)。各事例の無作為化の水準は事例ごとに異なり、報酬の一文は取り崩しの事例にだけある。実施時期は本文に記載がなく、質問票(p.89 Q24)が2020年の所得を尋ねることから2021年以降の実施と推定される(編集部の推定)。↩
  3. R1 p.10〜12(§3。多項ロジット、平均部分効果、頑健な標準誤差)・p.16〜17(§4。親近性の定義と、プランナーの属性を統制しても結論が変わらないという著者の確認)。親近性は無作為に割り当てたものではないため、編集部は関連として扱う。↩
  4. R1 p.18(表3)。いずれも1%水準。負債金利の最高水準は本文 p.7 では7%、表3では7.5%と表記が異なる。↩
  5. R1 p.19〜20(表4パネルA・§4.1)。最適の定義は、5,000ドルを25年運用した後の手取り額を、各プランナーが調査で答えた株式リターンの予想を使って比べたもの(著者の定義)。差はいずれも1%水準。↩
  6. R1 p.26(表10・§4.4)。投資信託・ETF とも1%水準。↩
  7. R1 p.26〜27(表10)・p.57(表A23。差8.9%ポイント、1%水準。尋ねた場合の推奨率は、尋ねない場合の約34%増しに当たる=編集部の計算)。他の3分野は p.18(表3)・p.22(表6)・p.25(表8)と p.31。尋ねた商品そのものの推奨は有意でないが、貯蓄の事例では生命保険の問い合わせで RRSP の推奨が3.6%ポイント下がる(表3、5%水準)。↩
  8. R1 p.29〜30(表12・§4.5)。全事例をまとめた推奨率の差の t 検定(担当者の他の属性は調整していない単純な比較)。年金12.5は5%水準(年金の保有者の観測は68と少ない)、その他は1%水準。ETF の推奨率は保有者37.6%・非保有者25.3%。販売資格の仮定の指示にもかかわらず資格の効果が残った点は p.27〜28(表11)。取り崩しの事例の表7(p.23)の値と、本文 p.23 の「8〜16%ポイント」「13〜34%ポイント」という記述は一致しない。本稿は表の値を使った。↩
  9. R1 p.28(§4.4)・表A21。プランナーの属性を統制してもしなくても成り立つと著者は述べる。↩
  10. R1 p.20〜21(表5・§4.1)。1%水準。介護の事例でも、負債を持つプランナーは住宅ローンの返済を勧めにくい(p.25〜26、表9)。↩
  11. R1 p.31(§4.5)・p.58(表A24)。プランナーの固定効果を入れた場合、本人保有で約5.1、配偶者保有で約5.8、販売資格で最大約4.5%ポイント。事例の固定効果も加えると2.0・2.4・4.3%ポイント。保有・配偶者の保有・資格を同時に入れた推計(表A24パネルD)では本人の保有は有意でなく、資格だけが事例の固定効果を加えた場合に1%水準で有意。いずれも問い合わせ商品の保有の有無による差の推計で、問い合わせの効果への上乗せ(交差項)は推計していない。↩
  12. R1 p.22(表6、1%水準)・p.30〜31(表A22 は p.57。差9.9%ポイント、1%水準)。「下限かもしれない」は著者の記述(p.31)で、根拠の詳しい説明はない。↩
  13. R1 p.15(表2)・p.31〜32(§4.6、表A27)。本文 p.14 は給与のみを10.4%と書き、表2の11.4%と食い違う。本稿は表の値を使った。報酬形態の構成は給与+販売連動賞与20.4%、主に歩合20.5%、主に預り資産連動32.5%、主に助言料8.1%。IQPF 認定者は FP Canada より13〜16%ポイント資格商品を勧めやすい(p.32)。↩
  14. R1 p.18(表3)・p.22〜23(表6)・p.25・p.27。WP 版の要旨(p.2)は性別に系統的に反応すると述べるが、掲載版の要旨(R2)は経済的に有意な性別の効果は見つからないとする。↩
  15. R1 p.6(§2.2)・p.31(実際の誘因がないこと)・p.14 と p.36(表A1。FP Canada の母集団と比べ学士以上の割合が高い)・p.5(脚注5)。↩
  16. R2(Journal of Banking & Finance 掲載版の要旨。RePEc/IDEAS の書誌ページで確認)。掲載版は ScienceDirect が本稿の取得に応じなかったため本文を確認していない。↩
  17. R3(NBER WP 20712, 2014年11月の要旨)。顧客の平均的な手数料負担は年2.7%超とも報告する。本文は確認していない。↩
  18. R4(NBER 学会稿, 2016年4月 p.1〜2)。カナダの3つの金融機関の、5,000人超のアドバイザーと50万人超の顧客のデータ(1999〜2013年)。掲載版は Journal of Finance 76(2)(2021年)。↩
  19. J1 金融庁「顧客本位の業務運営に関する原則」(2024年9月26日改訂版)p.1・p.5〜8(原則3・原則6(注1)・原則7)。↩
  20. J2 金融庁「顧客本位の業務運営に関する原則等について」のページ(2026年11月閲覧)。↩
  21. 学習用の設例(架空)の計算は finance/calc.py。比率の差の検定は二群をまとめた比率で標準誤差を求める z 検定、信頼区間は各群の比率で標準誤差を求める近似。必要件数(表2)は両側5%・検出力80%の標準的な近似式で、二群が同じ件数の場合。設例の検定と必要件数は、各記録が互いに独立であると仮定した近似。同じ担当者の記録が複数ある場合は、担当者単位の相関(クラスター)を考慮すると標準誤差・必要件数は大きくなる。↩
  22. R1 p.33(§5)。報酬に関するバイアスは誘因と助言の質のトレードオフを伴い解決が難しいとも述べる。↩

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。