想定読者:J-REIT・不動産株を担当するアナリストと運用担当、資産運用会社・不動産会社の財務・IR・サステナビリティ担当、不動産の取得や融資の審査をする実務家
前提知識:βとCAPMの意味、FFOやNOIなど不動産の収益指標の基本(回帰分析の知識はなくても読める)

J-REITや不動産会社の保有物件の一覧を前に、湾岸の物流施設や河川沿いの商業施設が多いと気づいたとき、その事実を株式の分析にどう反映させるかで手が止まることがある。災害で壊れた分は保険と修繕費、つまりキャッシュフローの問題として扱えばよいのか。それとも、災害リスクの高い場所に物件が集まった会社の株式は、市場全体の動きに対しても振れやすく、投資家が求めるリターン(資本コスト)そのものが高いのか。

後者を、物件の所在地のデータから正面から測ったのが、ミュンヘン工科大学とケンブリッジ大学の研究者による2026年の論文である。米国の上場不動産会社141社の2002〜2021年のデータで、保有物件の所在地の災害リスクが高い会社ほど株式のβが高かったと報告した1。本稿は、その結論がどこまで言えるのかを確かめたうえで、日本の投資法人や不動産会社の分析にどう持ち込めるかを考える。

この記事が主に参照する研究

Bing Zhu and Franz Fuerst(2026)「The Transmission of Climate Hazard Exposure to Equity Risk: Evidence From Real Estate Firms」The Journal of Real Estate Finance and Economics 73(3)

  • 公表:初版は2023年1月の前身稿(ERES 2023年次大会、題名「Natural Hazard Exposure and REIT Equity Risk」)。掲載誌のオンライン公開は2026年3月。参照した版:掲載誌のオープンアクセス版。査読:済2
  • データ:米国の上場不動産会社141社(2002〜2021年、企業×年1,703件)の保有物件の所在地と、米連邦緊急事態管理庁(FEMA)などの公的なハザード指標
  • 方法:企業と年の固定効果を入れたパネル回帰(相関の分析)。物件の立地選択の偏りを操作変数で、伝達経路をハリケーン・竜巻を使った自然実験で確かめる
  • 位置づけ:稀な災害の資産価格モデルという既存理論を、物件所在地の新しい測定で検証した実証研究

βと​「想定年間損失率」:研究が​測った​二つの​もの

β​(ベータ)は、市場全体のリターンが1%動いたときに個別株がどれだけ動くかを表す。分散投資で消せない市場全体のリスクへの感応度なので、CAPMではβが高いほど株主が求める資本コストが高くなる。研究は、各社の1年分の日次リターンを当日と前日の市場リターンに回帰し、二つの係数の和をその年のβとした。標本のβの平均は85.07%、中央値は76.05%である3。βの推定の考え方は回帰分析と​ベータ推定の​記事で詳しく扱った。

災害リスクの側は二通りに測る。一つは、過去の災害の記録から作った「事後」の指標で、FEMAが郵便番号(ZIPコード)の区域ごとに公表する、寒波・雹・沿岸洪水・熱波・ハリケーン・河川洪水・竜巻など11種の気象災害による建物の想定年間損失率を使う。建物価値のうち、1年あたり平均して何%が災害で失われると見込まれるかを表す数字で、過去の損失率に年間の発生頻度を掛けて作られている。会社ごとの値は、保有物件の延床面積の比率で区域の値を加重平均したもので、平均0.14%、標準偏差0.11%だった4。地震は11種に入っていない。

もう一つは「事前」の指標で、温室効果ガスの排出が多いシナリオ(RCP8.5)の今世紀末の、将来の洪水(極端な降水の日数)と海面上昇の予測を、建築基準の強靭さで割り引いて使う5。

研究が​示した​結果:ハザードの​高い​会社ほど​βが​高かった

企業の規模、負債比率、PBR、売買回転率、FFO、地理的な集中度、用途構成などをそろえ、さらに会社ごと・年ごとの違いを固定効果で取り除いたうえで、前年のハザードの指標とその年のβの関係を推計した。事後と事前の指標を同時に入れた推計で、係数は事後が0.4111(1%水準で有意)、事前が0.1904(5%水準で有意)だった。著者らの換算では、事後の指標が1標準偏差(0.11%)高いとβは4.52ポイント(βを%で表したときのポイントで、βの値では0.045)、事前の指標が1標準偏差高いと5.52ポイント高く、両方が同時に1標準偏差高ければ合計10.04ポイントになる6。βの平均が0.85なので、目安として0.85が0.95前後になる大きさである(編集部の換算)。なお、論文の本文には表の係数と一致しない換算値があり、本稿が使う推計でも事前の換算値は表の値からの再計算(5.55)と完全には一致しないが、著者の記載値を使った7。

懸念されるのは、リスクの低い市場を好む会社と高い市場に出る会社で、もともと性格が違うことだ。著者らは、物件は本社に近い場所に集まりやすいという性質を使い、本社からの距離で重み付けたハザードを操作変数にして推計し直した。係数は事後0.3049、事前0.1046と、正で有意なまま小さくなった。著者らは、通常の推計が関係を過大に見積もっている可能性を認めている8。図1は著者の換算値と、係数の比で縮めた編集部の換算を並べた。

図1 1標準偏差あたりのβの上昇図1 ハザード1標準偏差あたりのβの上昇βの上昇幅(βを%表示したときのポイント)事後ハザード(過去の気象災害11種)OLS・著者の換算4.52IV・編集部の換算3.35事前ハザード(将来の洪水・海面上昇)OLS・著者の換算5.52IV・編集部の換算3.03OLS:固定効果のパネル回帰(表2列4)IV:本社からの距離を操作変数に(表6)
出所:R1(p.20〜21 表2列4と​本文、​p.31 表6)の​数値を​基に​大手町​プレップ作成​(原図・原表は転載していない)。​米国の​上場​不動産会社141社・2002〜2021年。​OLSは​著者の​換算値​(合計10.04ポイント)。​IVの​棒は、​著者の​換算値に​IVと​OLSの​係数の比​(事後74%、事前55%)を​掛けた​編集部の​換算で、​論文には​載っていない。​標本の​βの​平均は​85.07%​(0.85)。​1標準偏差は​事後0.11%、​事前29.13%。

図1から読み取れるのは、操作変数で推計しても効果は消えないが、事前の指標では半分近くに縮むことである。偏りが除かれたとも薄い棒が真の効果とも確定したわけではなく、効果は両者の幅で見ておく方が慎重だろう。

会社単位の回帰とは別に、ハザードの高い上位20%と低い下位20%の銘柄で時価加重のポートフォリオを作ると、両者のβの差は事後で0.159、事前で0.160あり、いずれも1%水準で有意だった。同じポートフォリオでは、市場要因で説明できない超過リターン(α)が高ハザード側で低く、差は月−0.4%だった。著者らは、低ハザードの銘柄を買い高ハザードの銘柄を売ると年4.8%の超過リターンになったと書いている9。さらに個別銘柄の超過リターンを説明する回帰では、βは正で有意だったが、ハザードの指標そのものの係数は統計的に有意でなかった10。著者らはこれを、災害リスクがβを通じて期待リターンに織り込まれている証拠と解釈している。

どこを​通って​伝わったか:賃料・​修繕・​返済負担

βが上がる理屈として、著者らは稀な災害のモデルを使う。災害が会社の生産性(不動産会社なら物件の稼ぐ力)を、資本財の価格よりも大きく損なうとき、会社のキャッシュフローは市場全体の落ち込みと一緒に動きやすくなり、βと株式のリスク・プレミアムが上がる。これを確かめるため、被害額10億ドル超のハリケーン33件と暴風雨・竜巻131件を、予測できない時期と場所で起きた自然実験として使い、被災の後に業績がどう変わったかを調べた。表1に結果を整理した。

表1 被災は業績のどこに表れたか(研究の結果の整理)

表は横にスクロールできます →

指標係数(有意水準)読み方
企業:負債/賃料収入0.1862(1%)被災の翌年に上昇(返済負担が重くなる方向)
企業:収益のボラティリティ0.0033(10%)上昇。有意水準は10%と弱い
企業:capex比率0.0162(5%)上昇
企業:負債コスト(加重平均)−0.0074(有意でない)統計的に有意な関係は確認されなかった
物件:賃料/利払い−0.6698(1%)被災1回あたり低下
物件:賃料(対数)−0.0255(1%)被災1回あたり約2.5%低い
物件:賃料の変動(対数)+0.1341(1%)上昇
物件:capex比率+0.0219(1%)上昇
物件:被災前後の推移図5(イベントスタディ)賃料は2年目に最大4.84%低下、capex比率は3年目以降に上昇(著者記載3.59%、単位は確認できない)
出所:R1(p.21〜25、表3・表4・図5)を​基に​大手町​プレップ作成​(原表は転載していない)。​企業​レベルは、​前年に​保有物件が​被害10億​ドル​超の​ハリケーン33件・​暴風雨/竜巻131件の​被災地に​あった​度合い​(損失率×被災)と​翌年の​指標の​関係​(企業・年の固定効果)。​物件​レベルは、​同じ ZIP コード​内で​被災した​物件としなかった​物件の​保有期間平均の​比較。​有意水準の​括弧は​1%・5%・10%。​賃料​(対数)の%は​係数を​指数で​換算した​編集部の​計算。

会社単位では、前年に被災した度合いが大きいほど、賃料収入に対する負債の倍率、収益の変動、資本的支出(capex)の比率が上がった。一方、加重平均の負債コストには統計的に有意な関係が確認されなかった。著者らは、不動産会社は特定の物件に結び付かない無担保の債券でも調達するためと説明している11。物件単位では、同じZIPコードの中で被災した物件はしなかった物件より、賃料が低く、賃料の振れが大きく、capex比率が高く、利払いに対する賃料の倍率が低かった。被災前後の推移を追うと、被災前に差の傾向を示す証拠は確認されず、賃料は被災の翌年から下がり、2年目に最大4.84%低下し、観測された事後の区分では低下が続いた。capex比率は3年目から上がり、著者は3.59%と書く(比率の水準の推計で、増加率か%ポイントかは判別できない)12。

この負債コストの扱いは、版によって変わっている。2023年の前身稿は、βの上昇を負債コストの上昇と賃料収入の減少で説明していた13。掲載誌版の要旨も負債コストの上昇を経路の一つに挙げるが、表で有意だったのは賃料収入に対する負債の倍率であり、借入金利そのものではない。要旨の一文だけを引いて「災害リスクは借入金利を押し上げる」と紹介するのは、この研究の結果からは言えない。

研究の​対象・方法と​限界

第一に、標本は米国の上場不動産会社で、ハザードは米国の公的データの気象災害である。地震は含まれない。第二に、ZIPコード単位のハザードの値は時間を通じて一定で、会社の値が変わるのは物件を売買して所在地の構成が変わったときだけである。著者ら自身、時間による変化がないことが因果の解釈を弱めると認めている。第三に、事前の指標は洪水と海面上昇の二つしかなく、ZIPコード単位の損失率には用途や建物の品質の違いが混ざる。βを3年分の月次データで推計し直すと、結果は弱まった14。

もう一つ注意したいのが、社会の関心による違いである。検索量から作った全国の気候への懸念の指数や、気候に関するニュースの量と、ハザードの指標の交差項を入れると、関心が高い時期ほどハザードとβの関係が強かった。ニュースの量との交差項で有意なのは事後の指標だけだった。このとき、ハザードの指標そのものの係数は有意でなくなった15。著者らは、社会の関心が高まったときに初めて災害リスクが価格に織り込まれると解釈する。関心の指標は全国で一つの時系列なので、ここでの違いは時期の違いだけから推計されている。同じ問題を株式リターンの側から調べた Ling らの研究も、気候イベントの起きた地域への保有が多い不動産会社ほど事後の四半期リターンが低く、将来の気候リスクの評価は気候変動への関心の高い市場でだけ企業価値を下げたと報告している(要旨による)16。

大手町​プレップの​考察:期待損失と​資本コストを​分けて​考える

以下は編集部の推論であり、研究が検証したものではない。

実務で役立つのは、災害リスクを二つに分けて考える視点だろう。一つは、平均して毎年いくら失われるかという期待損失で、これは修繕費・保険料・賃料の減少としてキャッシュフローの予測に入れるべきものである。もう一つは、災害が市場全体の悪い時期と重なりやすいために生じる、分散で消せない部分で、研究が測ったβの上昇はこちらに当たる。不動産DCFや株式の評価で、期待損失を割引率の上乗せで済ませたり、逆にキャッシュフローで十分に織り込んだうえで割引率にも同じリスクを足したりすると、同じものを二重に数えたり、逆に見落としたりする。

次に、高ハザードの銘柄のαが低かったという結果は、市場が災害リスクを事前に十分には織り込まず、被災や関心の高まりで遅れて価格が調整された可能性とも整合する。そうだとすれば、ハザードの集中は「割引率が少し高い」だけでなく「まだ価格に十分反映されていないかもしれない」論点として、投資判断の前に確かめる価値がある(仮説)。

最後に、緑の認証やESGの評価が高い会社で関係が弱かったという結果は、建物の強靭さや管理体制がリスクを和らげる可能性を示すが、あくまで相関である17。認証を取れば資本コストが下がると読むのは飛躍で、認証の中身(設備の浸水対策、非常用電源の位置など)を確認する方が実務的だろう。不動産の​グリーン認証の効果についてはグリーンビルディング​認証と​投資価値の​記事も参照してほしい。

日本の​実務への​応用:​使える​データと、​違う点

日本では、国土交通省が2024年3月に「不動産分野における気候関連サステナビリティ情報開示対応のためのガイダンス(不動産分野TCFD対応ガイダンス改訂版)」を公表した。対象は開示する事業者だけでなく、不動産関連企業の開示を読み、対話する投資家・金融機関も含む18。その概要版は、物理的リスクの分析に使う道具としてハザードマップや浸水ナビ、国交省の物理的リスク評価の手引きを挙げ、計画規模と想定最大規模の浸水深、将来の洪水発生頻度の倍率から、物件の将来の浸水深と洪水被害額を推定する方法を例示している。また、2022年4月に東証プライム市場の上場会社にTCFDに沿った開示が求められたことも整理している19。開示制度の全体像はESG​開示規制の​枠組みにまとめた。物件ごとの入口となるデータは、国土交通省と国土地理院のハザードマップポータルサイトで、住所から洪水・土砂災害・高潮・津波のリスク情報を調べられる20。

研究を日本に持ち込むときの違いも大きい。日本の不動産の災害リスクでは地震を外せない。地震のリスクを表す指標にはPML​(地震の予想最大損失率)があるが、PMLは「まれな大地震でどれだけ壊れるか」を表す指標で、研究の想定年間損失率(毎年の平均)とは性質が違うため、そのまま加重平均に混ぜることはできない。また、J-REITは投資法人の仕組みをとり、運用の体制や資本構成が米国の不動産会社と同じではない。研究の係数の大きさが日本の投資法人に当てはまるかは検証されておらず、以下の設例はあくまで仮定の計算である。

学習用の​設例:物件の​入替えで​ハザードと​資本コストは​どれだけ​動くか

学習用の設例(架空)

  • 投資法人Aは5物件を保有する。延床面積の比率と、物件ごとの想定年間損失率(建物価値に対する1年あたりの期待損失、架空の値)は、P1 湾岸の物流施設30%・0.40%、P2 都心のオフィス25%・0.08%、P3 郊外の賃貸住宅20%・0.12%、P4 河川沿いの商業施設15%・0.30%、P5 内陸の物流施設10%・0.05%
  • P1を売却し、同じ面積の内陸の物流施設P6(損失率0.06%)を取得する。取得価格・賃料・費用の違いは無視する
  • 仮定:研究の事後ハザードの係数が日本の投資法人にもそのまま当てはまるとしたら、を計算する。無リスク金利1.5%、当初のβ 0.85、分配金の永久成長率1.0%

研究と同じく面積で加重平均すると、入替え前の値は0.214%で、そのうちP1の寄与が0.120ポイントと全体の約56%を占める。P1をP6に入れ替えると0.112%になり、0.102ポイント下がる。研究の標本の標準偏差(0.11%)で測ると約0.93個分の動きである。

図2 設例のハザード加重平均図2 学習用の設例(架空):加重平均の内訳想定年間損失率の加重平均(%)と物件ごとの寄与入替え前:0.214%P1P3P4入替え後(P1を売却しP6を取得):0.112%P3P40.0%0.1%0.2%P1 湾岸の物流施設30%×0.40%=0.120P2 都心のオフィス25%×0.08%=0.020P3 郊外の賃貸住宅20%×0.12%=0.024P4 河川沿いの商業施設15%×0.30%=0.045P5 内陸の物流施設10%×0.05%=0.005P6 内陸の物流施設(新規取得)30%×0.06%=0.018
出所:学習用の​仮定に​基づき大手町​プレップ作成​(研究の数値ではない)。​想定年間損失率は、​建物価値に​対して​1年あたりに​見込む​災害損失の​割合を​表す架空の​値。​加重は​研究と​同じく​延床面積の​比率で​行った​(研究は​米国の ZIP コード​単位の​値、​設例は​物件単位)。​P6は​P1と​同じ​面積の​内陸の​物流施設とし、​取得価格・​賃料・​稼働率の​違いは​無視した。​凡例の​右は​「面積の比率×損失率=寄与(%)」。

図2のとおり、面積で3割の物件がハザードの合計の半分以上を生んでいる。加重平均は少数の物件に左右されやすいので、まず物件ごとの寄与を並べるのが先である。

この変化を、研究の係数を仮に当てはめて資本コストに換算したのが表2である。研究の通常の推計(OLS)の係数ならβは−0.042、操作変数の係数なら−0.031変わる。市場リスク・プレミアムを6%とすると、株主資本コストは−0.19ポイント(操作変数の場合)動き、分配金の永久成長モデルの理論価格は+3.4%変わる計算になる。

表2 学習用の設例(架空):資本コストと理論価格の感応度

表は横にスクロールできます →

前提とする係数βの変化MRP 5%MRP 6%MRP 7%
研究のOLS(表2列4)(0.4111)−0.042−0.21pt/+4.6%−0.25pt/+4.7%−0.29pt/+4.8%
研究のIV(表6)(0.3049)−0.031−0.16pt/+3.4%−0.19pt/+3.4%−0.22pt/+3.5%
IVの半分(日本では弱いと仮定)(0.1525)−0.016−0.08pt/+1.7%−0.09pt/+1.7%−0.11pt/+1.7%
出所:学習用の​仮定に​基づき大手町​プレップ​作成。​各セルは​「株主資本​コストの​変化​(%ポイント)​/理論価格の​変化」。​図2の​入替えで​加重平均が​−0.102ポイント​動く​とき、​研究の​事後​ハザードの​係数が​そのまま​当ては​まると​仮定して​βの​変化を​出し​(係数×−0.102)、​CAPM​(無リスク金利1.5%、当初のβ 0.85)で​資本​コストに、​分配金の​永久成長​モデル​(成長率1.0%)で​理論価格に​換算した。​MRPは​市場​リスク・​プレミアム。​MRP 6%の​とき当初の​資本コストは​6.6%。​日本の​投資法人に​研究の​係数が​当ては​まる​根拠は​なく、​入替えに​伴う​NOI・​取得価格・​費用の​変化も​無視している。

表2で注意したいのは、資本コストのわずかな変化が理論価格を大きく動かすことだ。資本コストと成長率の差が5.6%しかないため、0.2ポイント弱の変化でも価格は3%台動く。研究の係数が日本で半分の大きさだったとしても、価格への影響は+1.7%と無視できない。この種の換算は前提に敏感なので、点の推計ではなく、物件の入替えを議論するときの「桁の感覚」として使うのがよい。

明日から​使える​確認項目

  1. 保有物件の一覧に、ハザードマップポータルサイトで調べた洪水・高潮・津波・土砂災害の区分(浸水深の帯など)を物件ごとに付け、延床面積と取得価格の両方の比率で加重平均を出す。加重の仕方で順位が入れ替わる物件は、その理由を書き留める。
  2. 加重平均への寄与の上位3物件が全体の何割を占めるかを計算する。5割を超えるなら、集中の議論を個別物件の議論として扱う(5割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. 地震はPML、水害は浸水想定と、指標の性質を混ぜずに別の欄で管理する。年間の期待損失に換算する場合は、換算の前提(再現期間、損傷率)を明記する。
  4. 過去に被災した物件について、被災の前後3年の賃料単価・稼働率・capexの推移を確認する。研究では賃料の低下が2年目に最も大きく、capexの増加は3年目から表れた。
  5. 資産運用会社や不動産会社のIRに、次の質問をする。「浸水想定の区域にある物件の比率は、面積・取得価格でそれぞれ何%か」「その物件で、電気設備や非常用発電機はどの階にあるか」「被災時の賃料減少と修繕費は、保険でどこまで補填される契約か」。
  6. 評価モデルでは、期待損失(修繕費・保険料・賃料減少)はキャッシュフローに、市場全体と重なりやすいリスクは割引率に、と置き場所を分け、同じリスクを二重に数えていないかを確かめる。

よく​ある​質問

この​研究の​結果から、​J-REITの​割引率に​何%上乗せすれば​よいかが​分かりますか。

分かりません。​研究は​米国の​不動産会社の​2002〜2021年の​データで、​ハザードの​指標と​βの​関係を​推計した​もので、​日本の​投資法人に​ついて​検証した​ものではありません。​本稿の​表2は、​係数を​仮に​当てはめた​ときの​感応度の​例と​して​示しています。

​グリーン​認証を​取れば、​災害リスクに​よる​βの​上昇を​抑えられますか。

研究では、​LEED​認証の​物件の​比率が​高い​会社で、​将来の​ハザードと​βの​関係が​弱いと​いう​結果が​出ています。​ただし相関の​分析で、​認証が​原因で​リスクが​下がったとまでは​言えません。​認証の​有無より、​浸水対策など​建物の​中身を​確認する​方が​確実です。

まとめ

米国の上場不動産会社のデータでは、保有物件の所在地の気象災害リスクを面積で加重平均した指標が高い会社ほど、株式のβが高く、その差はポートフォリオを組んでも確認された。伝達の経路としては、被災後の賃料の低下、capexの増加、賃料収入に対する負債の倍率の上昇が観察された一方、負債コストとの統計的に有意な関係は確認されなかった。ハザードの指標は時間を通じて一定で地震を含まず、関係は社会の関心が高い時期に強かったため、米国の条件の下での相関として読む必要がある。日本では、ハザードマップと国交省のガイダンスで物件ごとの情報を集め、期待損失と資本コストを分けて、物件の寄与から議論を始めるのが現実的だろう。

脚注

  1. R1 p.1(要旨)、p.9(データ)。S&P Global Market Intelligence の米国上場不動産会社488社から、物件所在地・日次リターン・企業特性がそろう141社に絞った。ページは R1 の PDF の物理ページ(誌面の頁=物理頁+450)。以下同じ。著者の所属はミュンヘン工科大学(Zhu)とケンブリッジ大学(Fuerst)で、各大学の見解ではない。↩
  2. R2(前身稿、本文の版表示「This Version: 28 January 2023」、RePEc の登録 eres2023_64)。掲載誌の書誌は Crossref による(受付2025年9月18日、受理2026年1月19日、オンライン公開2026年3月6日、73巻3号451〜510頁、CC BY 4.0)。Crossref には同題の Research Square のプレプリント(2025年10月11日)の記録もある(本文は未確認)。前身稿の標本は REIT 139社・2004〜2021年。↩
  3. R1 p.9〜10(式15、表1)。前日の市場リターンの係数を加えるのは、取引の少ない銘柄で市場の動きが1日遅れて反映される影響を拾うため(Lewellen and Nagel 2006 の方法)。βは%表示で、平均85.07%は0.85に当たる。↩
  4. R1 p.13〜14(式16〜17)、p.10(表1)。損失率の「建物価値」は住宅と商業を含む区域内の全建物。最大値は1%。FEMA の National Risk Index による。↩
  5. R1 p.14〜16(式18〜19)、p.10(表1)。データは米国の Climate Mapping for Resilience and Adaptation(CMRA)。建築基準の強靭性で「強靭」0、「一部強靭」0.5、「強靭でない」1の係数を掛ける。洪水と海面上昇の合計の平均27.93%、標準偏差29.13%。↩
  6. R1 p.19〜21(式22、表2列4)、p.36(結論)。観測数1,602、標準誤差は企業単位のクラスター。著者の換算値はβを%表示したときのポイント(編集部の検算:事後 0.4111×0.11=0.0452、%表示で4.52ポイント。事前 0.1904×0.2913=0.0555、同5.55ポイントで著者値と不一致。論文に変数の単位の明記はない)。↩
  7. R1 p.19〜20。表2列1(事後だけを入れた推計)の係数は表では0.4416だが、本文は「0.49」「1標準偏差で5.39%」と書く(表の係数で計算すると4.86)。列2・3の本文の換算値(6.51%、6.25%)も表の係数×標準偏差とは一致しない。本稿は列4の著者記載値を使った(列4も事前は再計算と不一致、脚注6)。↩
  8. R1 p.30〜32(式26〜27、表6)。第1段階のF値は事後57.38、事前360.91で、弱い操作変数の懸念は小さいと著者は述べる。第2段階の標準誤差はワイルド・ブートストラップ。距離が物件の分散戦略を通じてβに影響する経路は、地理的集中度の統制で抑えたとしている。↩
  9. R1 p.33〜34(表7パネルA、月次・時価加重・12か月の保有)。βの差はいずれも1%水準、αの差は事後5%・事前1%水準で有意。年4.8%は著者の本文の記載。Fama-French の因子と不動産の因子を加えたモデルでもβの差とαの差は有意だった(表7パネルB)。↩
  10. R1 p.36〜37(表8、Fama-MacBeth 回帰、Newey-West 標準誤差)。条件付きβの係数0.0701(1%水準)。ハザードの指標の係数は事後0.0140・事前0.0365などで有意でない。↩
  11. R1 p.21〜22(式23、表3)。係数は負債/賃料収入0.1862(1%水準)、収益のボラティリティ0.0033(10%水準)、capex比率0.0162(5%水準)、負債コスト−0.0074(有意でない)。被災の度合いは ZIP コードの損失率×被災ダミーの加重平均。↩
  12. R1 p.22〜25(式24〜25、表4、図5)。物件単位は保有期間の被災回数1回あたりで、賃料/利払い−0.6698、対数賃料−0.0255、対数賃料ボラティリティ+0.1341、capex比率+0.0219(いずれも1%水準)。被災前後の推移は、複数回被災した物件を除き、規模・築年・改修の有無で傾向スコアを合わせた1,410物件の推計(90%信頼区間)。事後の最終区分は「3年以上後」の一括。capex比率(年間改修費÷建物総コスト)の3.59%の単位は確認できなかった。↩
  13. R2 p.5(序論)、p.15(1標準偏差で β が3.19%上昇)、p.29(ハザードの指標が超過リターンに有意に正)。掲載誌版では、負債コストの関係(表3)と、ハザードの指標そのものの価格付け(表8)がいずれも有意でなくなっている。↩
  14. R1 p.32(頑健性の検証と、時間変化がないことによる因果解釈の制約)、p.38(結論の限界:データの粒度、事前指標が洪水と海面上昇に限られること、長期のリスクを短い標本で推計する難しさ)。↩
  15. R1 p.28〜29(表5列3・4)。気候への懸念の指数(検索量に基づく全国の指数)との交差項は事後+1.1561(1%水準)、事前+0.2560(5%水準)。気候ニュースとの交差項は事後+0.2119(1%水準)のみ有意で、事前は+0.0305(有意でない)。↩
  16. R3(Journal of Regional Science 64(4)、Crossref に登録された要旨)。1標準偏差あたり四半期リターンが0.2〜1.4ポイント低い。本文は確認していない。↩
  17. R1 p.26〜28(表5列1・2)。LEED 認証の比率と事前ハザードの交差項−0.5771(1%水準。事後との交差項は有意でない)。ESG スコアとの交差項は事後−1.4142、事前−0.4042(いずれも5%水準、2015〜2021年、観測数686)。著者は結論(p.38)で、売却が難しい場合に建物の持続可能性やESGの強化が有効と述べるが、検証は交差項の相関までである。↩
  18. R4 国土交通省 報道発表(2024年3月28日)。ガイダンスの対象と、投資家・金融機関が投融資先の開示を確認・対話する際の活用に触れた記載による。↩
  19. R5 国土交通省「不動産分野における気候関連サステナビリティ情報開示対応のためのガイダンス(不動産分野TCFD対応ガイダンス改訂版)概要版」(令和6年3月)p.2(2022年4月の東証プライム市場のコーポレートガバナンス・コードによる開示要請)、p.4(物理的リスクの分析ツール例と洪水リスクの算定方法例)。↩
  20. R6 国土交通省・国土地理院「ハザードマップポータルサイト」(2026年11月閲覧)。「重ねるハザードマップ」は洪水・土砂災害・高潮・津波のリスク情報などを地図に重ねて表示する。掲載データの作成機関はデータの種類ごとに異なる。↩

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。