標準偏差と正規分布の限界——ブラックスワンを数学的にどう組み込むか（実務版）

※以前ブラックスワンの記事を出しましたが、そちらの実務編＆もう一段階深く踏み込んだ記事になります

投資のリスクを説明するとき、よく登場するのが「標準偏差」です。

標準偏差が大きければ値動きが激しく、小さければ比較的安定している。投資信託やポートフォリオを比較するうえで便利な指標ですが、これだけでリスクを判断すると、思わぬ落とし穴があります。

なぜなら、標準偏差は基本的に「過去の値動きが、ある程度いつもと同じように続く」という前提で使われるからです。

ところが現実の市場では、突然の暴落、金融危機、戦争、災害、政策変更など、それまでのデータからは想像しにくい出来事が起こります。

いわゆる「ブラックスワン」です。

ブラックスワンを数学的に扱うことはできるのでしょうか。

先に結論を言うと、完全に予測することはできません。ただし、正規分布だけに頼るよりも、壊れにくい運用へ近づける方法はあります。

この記事では、正規分布の限界から、ファットテール、VaR、ジャンプ拡散モデル、極値理論までを順番に見ながら、最後に個人投資家が実際に使える形へ落とし込みます。

1．正規分布モデルは何を前提にしているのか

金融リスクの基本モデルでは、一定期間の収益率 \(r\) を次のような正規分布で近似することがあります。\[ r \sim N(\mu,\sigma^2) \]

それぞれの記号は、次の意味です。

\(\mu\)：期待収益率
\(\sigma\)：標準偏差
\(\sigma^2\)：分散

難しく見えますが、考え方はそれほど複雑ではありません。

期待収益率は「平均すると、どのくらいの利益が見込めるか」、標準偏差は「その平均から、どのくらい値動きが散らばるか」を示しています。

標準偏差を簡単に考えると

たとえば、1日の平均収益率がほぼ0％、標準偏差が1％だったとします。

正規分布を前提にすると、日々の収益率はおおよそ次の範囲へ収まります。

約68％がプラスマイナス1％以内
約95％がプラスマイナス2％以内
約99.7％がプラスマイナス3％以内

つまり、3σを超える値動きはかなり珍しいと考えるわけです。

普段の値動きを測る

平均的な値動き
↓
標準偏差でばらつきを測る
↓
どの程度の変動まで起こりやすいか推定する

通常時の値動きを整理する目的なら、この方法は十分に役立ちます。

問題は、その「通常時」がいつまでも続くとは限らないことです。

2．5σや10σは本当に起こらないのか

正規分布では、平均から離れるほど発生確率が急速に小さくなります。\[ P(|r-\mu|>k\sigma) \]

ここで \(k\) が大きくなるほど、極端な値動きを表します。

正規分布を厳密に当てはめると、両側で3σを超える確率は約0.27％です。5σを超える確率は約0.000057％まで下がります。

5σは「絶対に起こらない」わけではありませんが、正規分布の世界では極めて珍しい出来事です。

ところが、実際の金融市場では、正規分布の想定よりも大きな値動きが繰り返し観測されます。

ただし、「市場では5σや10σが頻発する」という表現には少し注意が必要です。

ここでいうσを過去の穏やかな期間から計算していると、相場が荒れ始めたときに変動を過小評価します。市場の変動率そのものが一定ではないため、古いσを基準にすれば、大きな値動きが次々と「異常値」に見えてしまうのです。

現実の市場で起きていること

市場には、次のような特徴があります。

値動きの激しい日が続く
下落時に複数の資産が同時に売られる
普段は小さい相関が危機時に強まる
流動性が低下し、売りたい価格で売れなくなる
投資家の不安が別の投資家の売りを呼ぶ

値動きが互いに独立しておらず、変動の大きさも時間とともに変わっています。

そのため、現実の極端な値動きの確率は、正規分布による予測よりも大きくなりやすいのです。\[ P(|r|>x)_{\text{現実}} > P(|r|>x)_{\text{正規分布}} \]

私は、標準偏差を「リスクそのもの」ではなく、「最近の相場がどの程度揺れていたかを示す温度計」と考えるようにしています。

温度計は便利ですが、明日の台風までは教えてくれません。標準偏差にも、それと似た限界があります。

3．現実の市場には「ファットテール」がある

正規分布よりも極端な値が出やすい分布を「裾が厚い分布」と呼びます。英語ではファットテールです。

分布の中央部分では正規分布と似ていても、左右の端に行くほど大きな違いが現れます。

正規分布

中央付近の値動きが多い
↓
端へ行くほど確率が急速に小さくなる

ファットテール

中央付近の値動きが多い
↓
大幅な上昇や下落も、正規分布ほど珍しくない

この違いは、平常時にはあまり目立ちません。

しかし、大きな損失を考える場面では無視できなくなります。

4．Studentのt分布で裾の厚さを表す

ファットテールを扱う代表的な方法の一つが、Studentのt分布です。\[ r \sim t_{\nu}(\mu,s) \]

ここで \(\nu\) は自由度を表します。

自由度が小さいほど裾が厚くなり、極端な値動きが起こる確率も高くなります。反対に、自由度が大きくなると正規分布に近づいていきます。

t分布を使う利点

正規分布では「ほぼ起こらない」と判断される値動きに、もう少し現実的な確率を与えられます。

そのため、日々のリターンを正規分布だけでモデル化するより、大幅な変動を表現しやすくなります。

ただし、t分布を使えばブラックスワンを予測できるわけではありません。

自由度などのパラメータは過去のデータから推定します。過去に存在しなかったタイプの危機や、市場構造そのものの変化までは捉えられないからです。

モデルを正規分布からt分布へ変えても、「過去から未来を推定する」という基本構造は残ります。

5．パレート分布と「平均さえ安定しない世界」

極端な損失を考えるときは、パレート型の裾も重要になります。\[ P(X>x)\sim Cx^{-\alpha} \]

ここで、\(\alpha\) はテール指数、\(C\) は定数です。

テール指数が小さいほど、非常に大きな値が出やすくなります。

理論上は、次のような性質があります。

\(\alpha \leq 2\)：分散が有限にならない
\(\alpha \leq 1\)：平均も有限にならない

これは、「データを増やせば平均や標準偏差が安定する」という感覚が通用しない領域があることを意味します。

もちろん、実際の金融市場が永久に一つのパレート分布へ従うと決まっているわけではありません。

それでも、「標準偏差さえ計算すればリスクを測れる」と考えるのが危うい理由は見えてきます。

標準偏差を使うには、分散が安定して存在することが前提です。ところが裾が極端に厚い世界では、その前提自体が怪しくなるのです。

6．VaRはどこまで信用できるのか

金融機関や運用実務で使われる代表的なリスク指標に、VaRがあります。

VaRは「一定の確率の範囲内で、どの程度の損失まで想定しておくか」を示す指標です。

信頼水準を \(q\) とすると、VaRは次のように表せます。\[ VaR_q = \inf\{x \mid P(L\leq x)\geq q\} \]

ここで \(L\) は損失額です。

たとえば、1日・信頼水準99％のVaRが100万円なら、モデル上は「99％の日は、1日の損失が100万円以内に収まる」と解釈します。

しかし、これは「損失が最大100万円」という意味ではありません。

残り1％の領域で、損失が110万円になるのか、500万円になるのか、1,000万円になるのかまでは、VaRだけでは分からないのです。

VaRの弱点

使用する分布によって結果が変わる
過去データの期間によって数値が変わる
VaRを超えたあとの損失規模が見えない
危機時の相関上昇や流動性低下を捉えにくい
モデルの前提が崩れると数値も信用しにくくなる

VaRは役に立たない指標ではありません。

ただし、VaRを「最大損失」と読み違えると危険です。VaRが示しているのは、あくまで設定した確率までの境界線です。

7．Expected Shortfallで「境界線の先」を見る

VaRの弱点を補う指標として、Expected Shortfallがあります。CVaRと呼ばれることもあります。\[ ES_q = E[L\mid L\geq VaR_q] \]

分布が連続である場合、これは「VaRを超えるような悪い状況で、平均するとどの程度の損失になるか」を表します。

VaR

どこからが深刻な損失かを示す境界線

Expected Shortfall

その境界線を越えたあと、平均でどこまで悪化するかを見る指標

VaRよりもテールリスクを意識した指標ですが、万能ではありません。

Expected Shortfallも、損失分布をどのように仮定するかによって結果が変わります。過去データに大規模な危機がほとんど含まれていなければ、最悪時の平均損失も小さく見積もられる可能性があります。

要するに、指標を改良しても、入力するデータとモデルが現実から外れていれば、出てくる数字も外れてしまいます。

8．ブラックスワンを数学へ組み込む3つの方法

ブラックスワンは、単に「値動きが少し大きい日」ではありません。

市場構造、投資家の行動、相関、流動性などが、それまでと異なる状態へ変わる出来事です。

通常モデルの前提である「定常性」「独立性」「同じ分布の継続」が崩れるため、扱いが難しくなります。

それでも、極端な変化をモデルへ近づける方法はあります。

方法1：ジャンプ拡散モデル

通常の小さな値動きに、突然のジャンプを追加するモデルです。\[ \frac{dS_t}{S_{t^-}} = \mu\,dt+\sigma\,dW_t+J_t\,dN_t \]

それぞれの項は、次の動きを表します。

\(\mu\,dt\)：時間とともに進む平均的な変化
\(\sigma\,dW_t\)：日常的なランダム変動
\(J_t\,dN_t\)：突然発生する上昇または下落

\(dN_t\) はジャンプが発生したかを表し、\(J_t\) はジャンプの大きさを表します。

普段は通常の値動きをしながら、一定の確率で大きく飛ぶ。この考え方により、正規分布だけでは表しにくい急落を組み込めます。

ただし、ジャンプの発生確率や大きさも推定しなければなりません。

過去の暴落を参考に設定することはできますが、次の危機が同じ形で起きる保証はありません。

方法2：レジームスイッチングモデル

市場には「通常時」と「危機時」という異なる状態がある、と考える方法です。\[ r_t\mid s_t \sim N(\mu_{s_t},\sigma_{s_t}^{2}) \]\[ s_t\in\{\text{通常時},\text{危機時}\} \]

通常時には値動きが小さく、危機時には値動きが大きくなるように、状態ごとに平均や標準偏差を変えます。

通常状態

値動きが比較的小さい
相関も比較的安定している
↓
何らかのショックで状態が変わる
↓
危機状態

値動きが急激に大きくなる
資産同士の相関も高まりやすい

このモデルのよいところは、「相場環境そのものが変わる」という現実を表現できる点です。

一方で、危機への切り替わりを事前に正確に判断できるとは限りません。危機が始まったと分かる頃には、すでに大きく下落していることもあります。

方法3：極値理論（EVT）

極値理論は、分布全体ではなく、一定の基準を超えた極端な部分へ注目する方法です。

しきい値を \(u\) とすると、超過損失 \(X-u\) の条件付き分布をモデル化します。\[ P(X-u\leq y\mid X>u) \approx G_{\xi,\beta}(y) \]

\(G_{\xi,\beta}\) には、一般化パレート分布が使われます。

普段の小さな値動きを精密に説明するのではなく、「大きな損失が起きた領域だけを詳しく見る」という発想です。

極端な損失の確率を考えるうえで有用ですが、ここでもデータ不足が問題になります。

極端な出来事は、そもそも観測数が少ないからです。しきい値を高くするとデータが減り、低くすると極値らしくないデータまで混ざります。

数学的には洗練されていても、推定にはかなりの不確実性が残ります。

9．数学で扱えるリスクと、扱いにくいリスク

ここまでの内容を整理すると、数学でできることは少なくありません。

正規分布以外の分布を使う
ファットテールを表現する
市場状態の変化をモデル化する
突然のジャンプを組み込む
極端な損失の部分だけを推定する
複数のストレスシナリオを比較する

それでも、完全なブラックスワンを事前に捕捉することはできません。

ブラックスワンは「過去より大きな値が出た」というだけでなく、過去のデータを作っていた仕組みそのものが変わる可能性を含むからです。

通常のリスク計算

過去のデータ
↓
分布や相関を推定
↓
将来の損失を計算

ブラックスワン

市場構造そのものが変化
↓
過去から推定した分布や相関が崩れる
↓
計算結果が実態と合わなくなる

この場面では、「どのモデルが最も正しいか」という競争だけでは足りません。

モデルが間違っていても生き残れる設計が必要になります。

10．実務で大切なのは「予測」よりも「生存設計」

リスク管理は、未来を完全に当てる作業ではありません。\[ \text{Risk Management} \neq \text{Perfect Prediction} \]

むしろ、実務では次のように考えたほうが現実的です。\[ \text{Risk Management} = \text{Survivability Design} \]

日本語にすると、「リスク管理とは生き残るための設計」です。

私は、この考え方がリスク管理の中心だと思っています。

何％の確率で暴落するかを細かく計算しても、その数字を信じてレバレッジをかけすぎれば、一度の想定外で退場する可能性があります。

一方、暴落の時期を当てられなくても、現金を残し、投資額を抑え、複数のストレスを想定しておけば、立て直せる余地が残ります。

重要なのは、予測の正しさを競うことではなく、予測が外れたときにも次の一手を打てる状態にしておくことです。

11．個人投資家が取り入れたい4つの実務設計

① 破壊条件を先に決める

まず確認したいのは、「どこまで損をすると生活や運用の継続が難しくなるか」です。\[ L_{\max} \leq \text{許容可能な損失} \]

本当のリスクは、株価が何％動いたかだけではありません。

生活資金が不足する、借金の返済ができなくなる、怖くなって底値で全部売るといった、回復できない状態へ入ることです。

事前に確認したいこと

この資産が50％下落しても生活に影響しないか
↓
数年間戻らなくても保有を続けられるか
↓
収入が減ったときも追加資金が必要にならないか

どれか一つでも難しいなら、投資額が大きすぎる可能性があります。

② レバレッジへ上限を設ける

レバレッジは利益を拡大しますが、損失も同じように拡大します。

単純化すると、資産が \(D\) だけ下落したとき、レバレッジを \(\lambda\) 倍かけたポートフォリオの損失率は、おおよそ次のようになります。\[ \text{損失率}\approx \lambda D \]

たとえば、想定する最大下落率が50％なら、2倍のレバレッジでは単純計算上100％近い損失になります。実際には追証、金利、売買コスト、強制決済が加わる可能性もあります。

「過去最大の下落に耐えられるか」だけでは不十分です。

過去最大よりもさらに悪い状況でも、強制退場にならない水準を考えておきたいところです。

③ 非対称な損益構造を意識する

非対称な設計とは、損失には上限を持たせながら、利益が伸びる余地を残すことです。\[ \text{限定された損失} \quad+\quad \text{上方向の利益余地} \]

個人投資家なら、次のような形が考えられます。

生活資金と投資資金を分ける
一つの銘柄へ資金を集中させすぎない
借入金で無理な投資をしない
倒産しても全資産を失わない投資額に抑える
現金を残し、下落後に動ける余地を持つ

オプションを使う方法もありますが、初心者が仕組みを理解しないまま使うと、かえってリスクが増えることがあります。

まずは「失敗したときに致命傷にならない金額で投資する」という単純な設計からで十分です。

④ ストレステストを行う

通常時の標準偏差だけではなく、意図的に厳しい条件を設定して資産への影響を確認します。

たとえば、次のような状況です。

株式が50％下落する
為替が短期間で20％動く
複数の資産が同時に下落する
分散投資の効果が一時的になくなる
売却したいときに希望価格で売れない
収入減と資産下落が同時に起こる

特に注意したいのが、危機時の相関です。

普段は異なる動きをしている資産でも、市場全体が混乱すると同時に売られることがあります。\[ r=-50\%, \qquad \rho\rightarrow1 \]

これは「価格が大きく下落し、資産同士の相関も1へ近づく」という厳しい想定です。

普段の分散効果が弱くなる状況でも耐えられるかを確認します。

12．実務では一つの数字に頼らない

標準偏差、VaR、Expected Shortfall、最大ドローダウンには、それぞれ違う役割があります。

標準偏差

通常時の値動きの大きさを確認するために使います。

ただし、分布の裾や相場環境の変化は十分に表せません。

VaR

一定の確率までに想定される損失の境界線を確認できます。

ただし、境界線を超えたあとの損失規模は分かりません。

Expected Shortfall

VaRを超えた悪い領域の平均損失を確認できます。

ただし、使用する分布や過去データに結果が左右されます。

最大ドローダウン

過去の高値から、どこまで下落したかを確認できます。

分かりやすい指標ですが、過去より大きな下落が起きない保証はありません。

ストレステスト

過去データにない厳しい状況も含めて検証できます。

ただし、自分が設定していないシナリオは検証できません。

どの指標にも得意な場面と苦手な場面があります。

一つの数字を「本当のリスク」として信じるのではなく、複数の角度から確認するほうが実務的です。

13．まとめ：モデルを正しくするより、壊れても残れる形にする

正規分布も標準偏差も、金融市場を理解するための便利な道具です。

問題は、道具そのものではありません。道具が想定している範囲を超えて使ってしまうことです。

この記事の要点を整理します。

正規分布は、通常時の値動きを近似するためのモデル
標準偏差だけでは極端な損失を過小評価する可能性がある
t分布や極値理論を使えば、ファットテールを表現しやすくなる
VaRよりExpected Shortfallのほうが、深刻な損失を捉えやすい
ジャンプや市場状態の変化もモデルへ組み込める
それでも、未知のブラックスワンを完全には予測できない
最後に頼れるのは、予測が外れても退場しない資金設計

ブラックスワンを数式の中へ完全に閉じ込めることはできません。

けれども、数式が壊れたときに自分まで壊れないよう準備することはできます。

私は、リスク管理の目的は「未来を言い当てること」ではなく、「未来を外しても投資を続けられること」だと考えています。

標準偏差の小数点を細かく計算する前に、まず確かめたいのは次の問いです。

もし想定より2倍悪いことが起きても、自分の資産と生活は残るだろうか。

その問いに不安が残るなら、必要なのはさらに複雑な数式ではなく、投資額やレバレッジを一段下げることかもしれません。

ブラックスワンに勝とうとしなくてもいい。
遭遇したあとも席に座っていられる設計こそ、数学の先にある実務です。