想定読者:日本株の運用会社のファンドマネジャー・アナリスト、年金や機関投資家で運用委託先を評価する担当者、スタイル指数を使う商品企画の担当者、PBRを説明する事業会社の財務・IR担当
前提知識:CAPMとベータ、PBR、回帰分析の決定係数(R²)の意味

年金基金の運用委員会で、日本株のバリュー型の委託先が1年でベンチマークを大きく下回ったと報告されたとする。委託先は「バリューに逆風の年だった」と説明し、委員の一人が「市場は上がったのに、なぜバリューだけ負けたのか」と尋ねる。このやり取りに欠けているのは、逆風の中身である。景気の見通しが悪化したのか、金利の低下で遠い将来の利益を持つ株が買われたのか、先行きの不確実性が高まったのか、それとも特定の業種の利益が落ちただけなのか。どれだったかで、翌年も同じ委託を続けてよいかの判断は変わる。

Harvard、Yale、LSE の研究者による NBER のワーキングペーパーは、米国株のバリュー戦略が経験してきた好況と急落を、この問いに沿って分解した1。答えは「市場ではなく、市場の将来についての3種類のニュースが約半分を説明する。ただし説明できるのは主に同じ業種の中での割安・割高の部分である」というものだった。

この記事が主に参照する研究

John Y. Campbell, Stefano Giglio and Christopher Polk(2023)「What Drives Booms and Busts in Value?」NBER Working Paper No. 31859

  • 公表:著者の研究ページの草稿 2023年3月、NBER ワーキングペーパー初版 2023年11月。参照した版:2025年5月の改訂版。査読:未査読(ワーキングペーパー)2
  • データ:米国株。3つのニュースは1926〜2022年の四半期データの時系列モデル(VAR)で推定し、バリュー戦略は1963〜2022年の四半期と、1990〜2022年の日次で分析。業種は Fama-French の48業種3
  • 方法:バリュー戦略のリターンを3つのニュースに回帰する時系列の分析(相関の分析で、因果の識別ではない)4
  • 位置づけ:既存理論(長期投資家の資産価格モデル ICAPM)を、平均リターンではなくリターンの時系列の変動で検証し、業種内・業種間の分解と日次の推定方法を加えた研究

理解に​必要な​道具:​3つの​ニュースと、​業種内・​業種間の​バリュー

研究の対象は、ファーマ・​フレンチ3ファクターモデルの HML である。簿価時価比率(PBRの逆数)の高い株を買い、低い株を売ったときのリターンで、バリュー株がグロース株をどれだけ上回ったかを表す。

市場全体のリターンのうち予想外の部分は、将来の配当(キャッシュフロー)の見通しの改定と、将来の期待リターン(割引率)の見通しの改定に分けられる。著者らの先行研究はこれに将来のボラティリティの見通しの改定を加えた。この3つが「ニュース」である。長期の投資家にとって、キャッシュフローの悪化による値下がりは取り戻せない損失だが、割引率の上昇による値下がりはその後の高いリターンで一部取り戻せる。ボラティリティの上昇は投資機会そのものの悪化を意味する。このため、長期投資家の資産価格モデル(ICAPM)では、キャッシュフロー・ニュースへの感応度(ベータ)に割引率ニュースへの感応度より高い対価が付き、ボラティリティ・ニュースへの感応度には負の対価が付く。先行研究は、バリュー株がキャッシュフローのベータは高く、割引率とボラティリティのベータは低いことを示し、これでバリューの高い平均リターンを説明してきた5。通常のCAPMが市場への感応度という1本のベータで見るのに対し、ICAPM は3本で見る。

もう1つの道具が業種の分解である。HML は業種をそろえずに作るため、例えば PBR の低くなりやすい銀行を多く組み入れる。著者らは48業種ごとに HML を作って時価総額で合成し、HML への回帰係数が1になるよう尺度をそろえたものを「業種内の成分」、HML のうちそれで説明できない残り(回帰の定数項を含む)を「業種間の成分」と呼んだ。前者は同じ業種の中で割安な株を買い割高な株を売る部分、後者は割安な業種を多めに持つ傾きの部分に当たる。HML の変動の75.4%は業種内の成分で説明された6。

研究が​示した​結果:市場では​説明できず、​3つの​ニュースで​約半分

まず、バリューの好不調は市場の上げ下げとほとんど並ばない。1963〜2022年の HML の市場ベータは−0.17で、市場リターンだけで説明できた変動は5.5%にとどまった7。これに対し、3つのニュースを同時に使うと HML の四半期リターンの変動の47.8%が説明できた。業種内の成分は37.3%、業種間の成分は13.6%で、1990年以降に限っても47.0%、37.1%、13.0%とほぼ変わらない(図1)8。

図1 市場とICAPMの説明力図1 市場ではなく3つのニュースが説明する四半期リターンの変動のうち説明できた割合(%)HML(全体)市場だけ5.5%3ニュース47.8%1990年以降47.0%業種内の成分市場だけ0.8%3ニュース37.3%1990年以降37.1%業種間の成分市場だけ8.6%3ニュース13.6%1990年以降13.0%市場リターンだけで説明(CAPM)3つのニュースで説明(1963〜2022年)3つのニュースで説明(1990〜2022年)
出所:R1(表2・表3、PDF p.44・46)の​数値を​基に​大手町​プレップ作成​(原図・原表の転載ではない)。​米国株、​Fama-French の HML​(簿価時価比率で作るバリュー対グロースの差)、​1963年第3四半期〜2022年第4四半期。​「3つのニュース」は​市場の​キャッシュフロー、​割引率、​ボラティリティの​見通しの​改定​(ICAPM のニュース)で、​値は​多変量回帰の​調整済み​決定係数。​「市場だけ」は​市場の​超過​リターンへの​回帰の​決定係数​(表2)で、​表3とは​市場​リターンの​定義が​異なる​ため厳密な​比較ではない。​業種内・​業種間の​成分は R1 が Fama-French 48業種で​分解した​もの。

成分ごとに、どのニュースにどれだけ反応するかを表1に整理した。HML は割引率が下がって市場が上がる局面と、将来の変動の見通しが上がる局面で負けやすく、景気の見通しが良くなる局面で勝ちやすい。キャッシュフローとボラティリティへの感応度はほぼ業種内の成分にあり、業種間の成分は割引率への感応度が中心だった。平均リターンも業種内の成分が四半期1.43%と高く、業種間の成分は−0.44%とマイナスだった。著者らは、対価の大きいリスクを負う成分が平均リターンを生んでいるという点で、ICAPM と整合的だと解釈している9。

表1 バリューの成分ごとの感応度と平均リターン:研究の結果

表は横にスクロールできます →

割引率ニュースキャッシュフロー・ニュースボラティリティ・ニュース平均リターン(四半期)
HML(全体)−0.27(−7.95)+0.09(+7.50)−0.05(−4.66)0.99%(2.50)
業種内の成分−0.15(−4.78)+0.07(+6.21)−0.05(−4.68)1.43%(4.16)
業種間の成分−0.11(−5.34)+0.02(+2.48)0.00(−0.32)−0.44%(−2.26)
出所:R1(表3 Panel A、​PDF p.46。​平均​リターンは​本文 p.15)を​基に​大手町​プレップ作成​(原表の転載ではない)。​米国株、​1963年第3四半期〜2022年第4四半期。​3つの​ニュースを​同時に​入れた​回帰の​係数で、​括弧内は t 値。​係数は​通常の​回帰係数とは​尺度が​異なり、​各ニュースとの​共分散を​市場の​予期せぬ​リターンの​分散で​割って​尺度化した​ベータ​(R1 p.17 脚注16)。​割引率​ニュースの​係数は​割引率の​低下​(株価の追い風)を​正と​する​向きで​測った​もので、​負の​値は、​割引率の​低下で​市場が​上がる​局面で​バリューが​劣後しやすい​ことを​示す。​ボラティリティ・​ニュースの​負の​値は、​将来の​変動の​見通しが​上がると​劣後しやすい​ことを​示す。​t 値は VAR の​推定誤差を​含まない​通常の​最小二乗の​標準誤差に​よる​もので、​著者は​真の​精度は​これより​低い​可能性が​あると​注記している。

同じ「バリューの不振」でも、時期によって原因の組み合わせは違った。1970年代はキャッシュフロー・ニュースが HML を押し下げる一方、割引率とボラティリティのニュースが押し上げて相殺し合った。金融危機前の2000年代は3つがそろって押し上げ、コロナ期は3つがそろって押し下げた。一方で、2007年以降の長引く不振は3つのニュースでも説明できず、当てはめた値は2015年ごろまで0付近にとどまった10。

コロナ期について、著者らは日次の推定を新たに作って調べた。2020年は割引率とボラティリティのニュースの影響がおおむね打ち消し合い、3つのニュースで説明される部分では、HML と業種内の成分に主にキャッシュフロー・ニュースが寄与した11。業種間の成分は3つのニュースでは説明しにくく、実際の利益を見ると別の姿が出てくる。HML は石油や銀行に買い、ビジネスサービスや医薬品に売りの傾きを持っていた。2020年、市場全体との関係を調整した累積利益(簿価で尺度化)は、バリュー側の業種でおおむね横ばい(銀行は良く石油は悪い)、グロース側で相対的に良かった。著者らは、市場全体のキャッシュフローでは捉えられない業種固有の利益の差が、業種間の成分の不振を生んだと見ている12。

バリュー以外では、投資を抑えた企業を買い積極的な企業を売る投資ファクター(CMA)で3つのニュースの説明力が36%(市場だけでは14%)と高かった一方、収益性ファクター(RMW)は3%にとどまり、モメンタムは説明力が12%あってもベータの符号が平均リターンと逆だった。193のアノマリーでも、改善はバリュー・無形資産・投資の系統に偏っていた13。

2007年以降の​不振は​「リスクの見直し」でも​説明できるか

2006年末以降、HML の累積リターンは約-50%だった。著者らの月次5年ローリング推定では、この間に HML のキャッシュフロー・ベータが0.04から0.14へ上がり、ボラティリティ・ベータが0.00から−0.10へとマイナス方向に動いたことを示した14。ICAPM の下では、対価の大きいリスクが増えれば期待リターンは上がる。期待リターンが上がるには、まず価格が下がらなければならない。リスクが増えていく途中では、実現するリターンはむしろ低くなる。

著者らはこの「再評価」の大きさを概算した。ベータの変化から求めた期待リターンの上昇を、予想外の変化と仮定してデュレーション20で価格の変化に直し、期間で割ると、HML で四半期−1.89%になる。実際の2007年以降の平均リターンの変化は−1.74%ポイントで、試算とほぼ同じ大きさだった。ただしこの変化は統計的に有意ではない(t値−1.78)。業種内の成分では実績が−2.05%ポイント(t値−2.63)、試算が−1.61%で、試算は実績の約79%に当たる(図2)15。小型株のバリューとグロースの簿価時価比率の対数の差(バリュー・スプレッド)も2006年末の1.30から2022年末の1.63へ約25%広がり、業種内のスプレッドは約36%広がった16。価格の見直しという説明と矛盾しない動きである。

図2 実績と再評価の試算図2 2007年以降の不振と「再評価」の試算四半期あたり。実績は%ポイント、試算は%HML(全体)実際の平均の変化−1.74再評価の試算−1.89業種内の成分実際の平均の変化−2.05再評価の試算−1.61業種間の成分実際の平均の変化+0.31再評価の試算−0.2802007年以降の平均リターンの差(実績、%ポイント)ベータの変化から逆算した再評価(試算、%)
出所:R1(表6 Panel B、​PDF p.50。​本文 p.34〜35)の​数値を​基に​大手町​プレップ作成​(原図・原表の転載ではない)。​米国株。​実績は​1990年2月〜2022年12月の​標本に​対する​2007年第1四半期以降の​平均​リターンの​差で、​t値は HML −1.78(統計的に有意でない)、​業種内 −2.63。​試算は、​5年​ローリングで​推定した ICAPM ベータの​2006年→2022年の​変化から​期待​リターンの​上昇​(HML +1.51%など)を​求め、​変化が​予想外だったと​仮定し、​デュレーション20で​価格への​影響に​直して​期間の​四半期平均に​した​著者の​概算。​リスクの​価格の​変化や​予想の​有無は​考慮していない。

著者ら自身、これはリスクの価格の変化や、ベータの変化がどこまで予想されていたかを無視した簡単な概算で、不振の唯一の説明ではないと書いている17。

研究の​対象・​方法と、​読む​ときの​留保

結果は米国株の、Fama-French 流に作った HML という特定のバリュー戦略についてのものである。分析は時系列の回帰で、3つのニュースがバリューの値動きを「引き起こした」ことを識別したものではない。表の t 値は VAR の推定誤差を含まない計算で、著者らは真の精度はこれより低い可能性があると注記している。3つのニュースを作る VAR にはバリュー・スプレッドそのものが入っており、そのショックだけで HML の変動の52%が説明される。著者らは、ニュースはバリューを説明するように作った合成ではないこと、業種間の成分は自前のスプレッドを入れても説明力が10%と基準の14%より低いことを挙げ、機械的な結果ではないと論じている。業種の分け方を変えた3通りの分解でも結果はおおむね同じだった18。未査読のワーキングペーパーであり、2007年以降の再評価の節は2025年の改訂で加わった部分である。

関連する研究との関係も確かめた。土台となった著者らの2018年の論文は、1963年以降、極端なバリュー株のボラティリティ・ベータが極端なグロース株より0.11低いことを示し、グロース株が「変動の高まり」に対する保険の役割を持つと論じた19。本研究はその横断面の結果を時系列の変動に広げたものと言える。一方、Fama と French は1963〜2019年の後半でバリュー・プレミアムの平均が大きく低いものの、変動が大きく、期待プレミアムが前後半で同じという仮説を棄却できないとした。本研究の著者らも、近年の低い平均リターンが構造変化なのか不利なショックの連続なのかは明らかでないと書いている20。

大手町​プレップの​考察:​「バリューの逆風」を​3つに​分けて​語る

以下は研究の結果を踏まえた編集部の見方であり、研究が検証したものではない。

第1に、バリューの成績を「市場が上がった・下がった」で説明するのは、この研究の結果と合わない。市場ベータが小さいことは、リスクが小さいことを意味しない。同じ市場の上昇でも、景気の見通しの改善で上がったのか、割引率の低下で上がったのかで、バリューへの影響は逆向きになりうる。

第2に、業種内と業種間を混ぜたまま成績を評価すると、平均リターンを生んできた部分と、説明しにくい業種の賭けの部分を区別できない。米国のこの標本では業種間の成分の平均リターンはマイナスだった。日本株で同じ符号になるかは確認されていないが、少なくとも両者を分けて見る理由にはなる。

第3に、長い不振を見て「バリューの期待リターンは下がった」と結論するのは早い。再評価の論理では、リスクが増えている期間の不振は、その後の期待リターンが上がったことの裏返しでありうる。ただし、リスクの対価が下がった場合や構造変化の場合も、同じように低い実現リターンが生じる。どちらかを見分ける材料の1つが、バリュー・スプレッドの水準と推移だと考えられる。

日本の​実務への​応用:スタイル​指数と​委託先評価、​PBRの​説明

日本株のバリューの物差しの1つに、JPX 総研の TOPIX スタイルインデックスがある。算出要領では、TOPIX 500 と TOPIX Small の構成銘柄をそれぞれ連結 PBR の順に並べ、浮動株時価総額の約3分の1ずつをバリューとグロースに選び、中間の銘柄は時価総額を50%ずつ両方に配分する。両者を合わせたものが TOPIX バリューと TOPIX グロースになり、定期入替は年1回10月である。予想 PER や財務指標の極端な変動を勘案して一部の分類を変えることはあるが、業種ごとに分けて並べる手順は書かれていない21。PBR の水準は業種ごとに異なりうるため、この作り方では業種の傾きが指数に入ると考えられる。参考までに、TOPIX グロースの PBR は2026年9月末時点で3.14倍だった22。

ここから、バリュー型の委託先や社内ファンドの評価では、対ベンチマークの差を「業種配分効果」と「業種内効果」に分けて報告させることが考えられる。業種の傾きで勝った年と、業種内の銘柄選択で勝った年を、同じ「バリューが効いた年」として扱わないためである。

事業会社の側でも使える。東証は2023年3月、プライム市場とスタンダード市場の全上場会社に、資本コストや株価を意識した経営の実現に向けた対応を要請した23。自社の PBR の低さを説明するとき、それが業種全体の PBR の低さによるものか、業種の中で相対的に低いのかを分けると、投資家との対話の論点が変わる。前者は業種の利益やリスクの見通しの問題、後者は自社固有の資本効率や成長の問題に近い。同業の倍率を並べる手順はマルチプルの​選び方やPBR1倍割れの​記事で扱っている。研究は日本株を分析しておらず、日本で同じ説明力を持つかは未確認である。

設例:バリューの​13.6%ポイントの​劣後を​2つに​分ける

学習用の設例(架空)

  • 同じ市場から作ったバリュー側(V)とグロース側(G)のポートフォリオがあり、3つの業種に分かれる
  • 業種ウエイト、業種全体のリターン、各側の銘柄のリターンは表2のとおり(すべて架空の1年間の値)
  • 業種配分効果と業種内効果に分ける足し算の分解を使う。研究の回帰による分解とは方法が異なる

この年、V のリターンは−4.85%、G は+8.70%で、差は−13.55%ポイントになる。分解すると、業種配分効果が−9.45%ポイントで差の約70%を占め、業種内効果は−4.10%ポイントだった(表2)。

表2 学習用の設例(架空):バリューとグロースの差を2つに分ける

表は横にスクロールできます →

業種ウエイト(V/G)業種全体のリターン銘柄のリターン(V/G)業種配分効果業種内効果
業種A(金融・素材など)45%/10%−12.0%−13.0%/−10.0%−4.20%ポイント−0.65%ポイント
業種B(製造)35%/35%−2.0%−4.0%/+1.0%0.00%ポイント−1.75%ポイント
業種C(情報・サービス)20%/55%+15.0%+12.0%/+17.0%−5.25%ポイント−1.70%ポイント
合計100%/100%—−4.85%/+8.70%−9.45%ポイント−4.10%ポイント
出所:学習用の​仮定に​基づき大手町​プレップ作成​(架空の数値。R1 の推計ではない)。​V=バリュー​側、​G=グロース​側。​業種配分効果=​(Vの業種ウエイト−Gの業種ウエイト)×業種全体の​リターン。​業種内効果=Vの​業種​ウエイト×(Vの銘柄のリターン−業種全体)​−Gの​業種​ウエイト×(Gの銘柄のリターン−業種全体)。​2つの​合計は V と G の​リターン​差 −13.55%ポイントに​一致する。​R1 は​回帰で​業種間の​成分を​取り​出しており、​この​足し算の​分解とは​方法が​異なる。

報告書の「バリューに逆風」の大部分は、割安な業種Aを多く、好調な業種Cを少なく持った業種の傾きから来ている。設例で確認できるのは業種配分の寄与までで、架空の数値に利益のデータはなく、業種の差の原因は分からない。研究では、米国のコロナ期に業種固有の利益の差が業種間の成分を動かした(前述)。委員会で議論すべきは「バリューを続けるか」ではなく、「業種の傾きをこの大きさで持つことを委託の範囲として認めるか」になる。

再評価の大きさも、デュレーションを使えば手で概算できる。バリュー側の要求リターンが年0.5%ポイント上がり、デュレーションを20とすると、価格は約−10%下がる。これが5年かけて織り込まれれば、その間の実現リターンは年−2%ポイントほど押し下げられる。その後は年0.5%ポイント高い期待リターンが続くが、失った約10%を取り戻すにはおよそ20年かかる計算になる(複利や再度の変化を無視した単純化)。研究の試算もデュレーション20を仮定している24。「割安になったのだから、すぐ戻る」と期待するのは、この計算とは合わない。

明日から​使える​確認項目

  1. バリュー運用の月次報告に、対ベンチマーク差の業種配分効果と業種内効果の内訳を加える。委託先には「この期間の差のうち、業種の傾きで説明できるのは何%ポイントか」と尋ねる。業種配分効果が差の半分を超える期が続く場合は、業種の賭けとして別に議論する(半分は編集部の仮の目安で、研究で検証されていない)。
  2. 不振の期を、利益見通しの悪化、金利(割引率)の低下を伴う市場の上昇、VIXなどで見た不確実性の高まり、特定業種の利益の悪化のどれと重なったかで記録する。原因の組み合わせが期ごとに違うことを前提にする。
  3. バリューの成績を市場ベータで説明せず、ベータが小さいことを「リスクが小さい」と書かない。
  4. 不振が続くときは、グロース群の PBR をバリュー群の PBR で割った倍率の推移を確かめる(対数をとれば研究のバリュー・スプレッドと同じ考え方だが、研究は小型株で測る。編集部の簡易版)。不振と同時にスプレッドが広がっていれば、価格の見直しが進んでいる可能性を検討する。ただし、それだけで将来の回復は判断できない。
  5. スタイル指数をベンチマークにするときは、算出要領で選定の基準(PBR の順位、入替の頻度)と業種の扱いを確かめ、業種中立でない前提で評価する。

よく​ある​質問

この​研究から、​これから​バリュー株が​上がると​言えますか。

言えません。​研究は​過去の​値動きを​3つの​ニュースで​説明した​もので、​将来の​リターンの​予測ではありません。​2007年以降の​再評価の​試算も、​著者らは​簡単な​概算で​唯一の​説明ではないと​しています。

​日本株でも​同じ​結果に​なりますか。

研究は​米国株だけを​分析しており、​日本株での​検証は​含まれていません。​TOPIX スタイル​指数も PBR の​順位で​選ぶため​業種の​傾きを​含むと​考えられますが、​業種内・​業種間の​成分が​どれだけ​説明されるかは​未確認です。

まとめ

米国株の約60年で、バリュー戦略の好不調は市場の上げ下げではほとんど説明できず、市場のキャッシュフロー・割引率・ボラティリティの見通しの改定で約半分が説明された。説明できたのは主に同じ業種の中の割安・割高の部分で、業種の傾きの部分は、コロナ期のように業種固有の利益で動いた。2007年以降の不振には、リスクが増えて価格が見直されたという説明の余地があるが、著者ら自身が概算と断っている。日本でバリューの成績を読むときは、業種の傾きと業種内の選択を分け、どのニュースが来た期だったかを記録することから始めたい。

脚注

  1. R1(NBER WP 改訂版, 2025年5月)p.2(著者の所属)、p.3(1節。HML の1963年第1四半期〜2022年第4四半期の好況・急落の時期)。ページは R1 の PDF の物理ページ(印刷ページ=物理ページ−2)。以下同じ。↩
  2. R1 p.1〜2、NBER の掲載ページ(Issue Date: November 2023、Revision Date: May 2025。2026年11月8日閲覧)。著者 Campbell の研究ページに2023年3月の草稿が置かれていることを検索結果と Internet Archive の保存ファイル名(cgp_valueboomsbusts_20230311.pdf)で確認した(ページ本体は閲覧できず未読)。2021年より前の前身稿・旧題は、確認した範囲(NBER・検索・Internet Archive)では見つからなかった。初版(2023年11月)は標本が2022年第1四半期までで、本記事の s3 に当たる節はない。Crossref の検索では学術誌への掲載の登録は見当たらなかった(2026年11月8日時点、網羅性は保証できない)。p.1 によれば、Campbell は運用会社 Arrowstreet Capital のパートナー、Giglio は同社の顧問で、同社は本研究に資金を出していない。↩
  3. R1 p.6、p.11〜12(2.2節。VAR は1926年第3四半期〜2022年第4四半期、状態変数は実質市場リターン・期待分散・10年平均利益による株価収益率・期間スプレッド・小型株のバリュー・スプレッド・デフォルト・スプレッド)、p.14(3.1節。48業種)、p.25・27(5節。日次 VAR は1990年1月4日〜2022年12月31日、VIX を追加)。↩
  4. R1 p.10(2.1節。3つのニュースは VAR の係数から算出)、p.17(3.2節、脚注16・17)。↩
  5. R1 p.4〜6(1節)。キャッシュフロー・ベータを「悪いベータ」、割引率ベータを「良いベータ」と呼び前者に高い対価が付くとする Campbell and Vuolteenaho(2004)と、ボラティリティのニュースを加えた R2 についての R1 の要約による。Campbell and Vuolteenaho(2004)の本文は本稿では未確認。R2 は NBER WP 版の本文で確認した(脚注19)。↩
  6. R1 p.14〜15(3.1節。銀行の例、48業種ごとの HML の時価総額加重、回帰による尺度調整)、p.44(表2の説明。業種間の成分は回帰の定数項と残差の和。表2 Panel A。業種内の成分への回帰の R² 75.4%)。↩
  7. R1 p.16(本文は R² を「6%」と記述)、p.44(表2 Panel A 行(4):ベータ −0.17、R² 5.5%。行(5)(6):業種内 0.8%、業種間 8.6%)。表2は市場の超過リターン、表3は市場の予期せぬ実質対数リターンを使うため、両者は厳密には一致しない(p.17 脚注15)。↩
  8. R1 p.6(1節。本文は48%・37%・14%、1990年以降47%・37%・13%と丸めて記述)、p.46(表3。調整済み決定係数 47.8%・37.3%・13.6%、1990年以降 47.0%・37.1%・13.0%)。本文・図1は表3の値を使った。初版(2023年11月)では48%・39%・13%だった。↩
  9. R1 p.15(3.1節。平均リターンは四半期 HML 0.99%(t値 2.50)、業種内 1.43%(4.16)、業種間 −0.44%(−2.26))、p.17〜18(3.2節)、p.46(表3 Panel A)。↩
  10. R1 p.18〜19(3.2節。図4の説明)。↩
  11. R1 p.29(5.2節。日次回帰の R² は HML 27%、業種内 26%、業種間 15%)、p.31(2020年の分解。付録表20の本文の記述として、業種内の成分はキャッシュフロー 16%・ボラティリティ 14%で説明され、業種間の成分は 85%が説明されず、2020年はキャッシュフローの寄与が両成分とも 21%に上がった。付録の表そのものは本稿では未確認)。↩
  12. R1 p.32〜33(6節・図9)、p.7〜8(1節。バリュー業種は物理的な事業が多いとの記述)。↩
  13. R1 p.20(4.1節・表4。SMB は 20%(市場だけ 15%)、CMA 36%(14%)、RMW 3%、MOM 12%(6%))、p.21(Hou, Xue and Zhang(2020)の193アノマリー、図5)。↩
  14. R1 p.34(7節。累積リターン約-50%)、p.50(表6 Panel A。月次データ・5年窓の推定。業種内はキャッシュフロー・ベータ 0.04→0.12、ボラティリティ・ベータ +0.01→−0.08、業種間はほぼ変化なし)。↩
  15. R1 p.34〜35(7節)、p.50(表6 Panel B。期待リターンの上昇は四半期 HML +1.51%、業種内 +1.32%、業種間 +0.20%。リスクの対価は R2 の推定値)。編集部が本文の説明(期待リターンの変化×デュレーション20÷16年)で再計算すると、HML は−1.89%で表と一致したが、業種内は−1.65%(表は−1.61%)、業種間は−0.25%(表は−0.28%)で少し異なる。原因は確認できなかったため、本文・図2は表の値を使った。「約79%」は表の値による編集部の計算(本文は約80%と記述)。↩
  16. R1 p.35(7節)、p.12(2節。スプレッドは小型バリューと小型グロースの簿価時価比率の対数の差)。業種内のスプレッドは1.16→1.58。↩
  17. R1 p.35、p.37(8節)。↩
  18. R1 p.17(脚注17)、p.21〜22(4.2節。17業種、業種内で平均を除く方法、業種の傾きを直接作る方法)、p.23〜24(4.4節)。↩
  19. R2(NBER WP 版, 2015年6月改訂)p.32(表3の説明)。等加重した極端なバリュー株と極端なグロース株の比較。↩
  20. R3 の要旨(1963年7月〜2019年6月)。R1 p.8(1節・脚注7)にも同じ趣旨の引用がある。R3 の本文は本稿では未確認。↩
  21. R4(JPX 総研「TOPIX スタイルインデックスシリーズ 算出要領」)p.4〜6。2026年11月8日取得。↩
  22. R5(JPX「TOPIX グロース」ファクトシート、2026年9月30日時点)p.2。構成銘柄数は995。↩
  23. R6(日本取引所グループ、2023年3月31日)。↩
  24. R1 p.35(7節。典型的な株式のデュレーションを20と仮定し、対数線形化のパラメーター ρ=0.95 と整合させたと説明)、p.10(2.1節)。設例の数値は架空。↩

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。