甘いリスク管理、はかなく散ったドリームチーム

あんな偉人でも間違えるのか――。1998（平成10）年、通貨オプションのカリスマの一人で、ノーベル経済学賞受賞者でもあるマイロン・ショールズ氏が加わっていたヘッジファンドのロングターム・キャピタル・マネジメント（ＬＴＣＭ）が破綻し金融工学系の市場参加者に衝撃を与えた。当時、社会人になったばかりの大沢孝元氏もその一人だ。為替のデリバティブ（派生商品）に長く携わってきた大沢氏は「ＬＴＣＭ事件をきっかけにリスクの正しい認識がいかに難しく、そして重要か分かった」と振り返る。

大沢孝元氏

おおさわ・たかもと　1998年に東京工大大学院の総合理工学研究科環境物理工学課程を修了後、チェース・マンハッタン銀行（現ＪＰモルガン・チェース銀行）に入行。ストラクチャラー・カスタマーディーラーとして市場経験を積んだ。2007年６月にバークレイズ銀行の東京支店に転じるとストラクチャー担当で頭角をあらわし、14年に市場営業本部長に就いた。18年１月からは東京外国為替市場委員会の副議長も務める

◆巨大な振幅が瞬時に拡大、理論は役立たず

ＬＴＣＭはショールズ氏のほか、ショールズ氏とフィッシャー・ブラック氏が作ったデリバティブの価格算出式「ブラック・ショールズ方程式」を証明により確立し、ノーベル経済学賞をとったロバート・マートン氏も参加していた。米連邦準備理事会（ＦＲＢ）出身者もいて市場からは「ドリームチーム」と呼ばれていたが、97年のアジア通貨危機と98年のロシア財政危機が抱える潜在的なリスクを見逃した。

ＬＴＣＭの基本戦略は、資産価格が割安か割高かを見極めて売り買いする「レラティブ・バリュー」。自らの資産の何倍にも運用額を膨らませるレバレッジ取引に傾いていた。にもかかわらずリスク管理が甘かった。

リスク回避（ヘッジ）は厳密にし過ぎるとパフォーマンスを下げてしまう。半面、しないと市場が予想と真逆に動いたときのダメージは計り知れない。

ブラック・ショールズ方程式は相場の動きを予測するモデルで、熱伝導に似た法則性を活用している。だが、危機時の相場は巨大なエネルギーが波のように振幅を伴って瞬時に広がる。ブラック・ショールズ式の理論が役に立たない。

強気一辺倒の場合はバブルを起こし反動は激しい。それを防ぐにはリスクを認識しヘッジ可能な環境が必要なのだが、90年代はリスク管理に使えるパラメーター（要素）が少なすぎた。

リスクをリスクと気づかない状況。リスクに気づけず膨らんだ持ち高はリスクの顕在化とともに破裂し、影響は倍どころか「乗数」で拡大していく。

例えば外国為替市場での円高・ドル安だ。98年10月７日の夕刻、突如円相場は１秒間に１円以上の速さで急伸し、持ち高の時価評価額はわずか数分で数千万円～数億円振れた。経験不足だったあのころは怖くて顧客の電話はとれなかった。

折しも日本は金融システム不安のまっただ中だった。97年の三洋証券を皮切りに銀行と証券会社の破綻が続いていて、生命保険会社の一部は身売りを迫られた。不良債権問題から抜け出せず長くもがいてきたが、それだけにリスク管理では先行できたかもしれない。ＬＴＣＭ破綻後の円の急伸を主導した日本マネーによる対外資産の圧縮は2008年のリーマン・ショックではさほど目立たなかった。

人は「のど元すぎると熱さを忘れる」という。リーマン・ショックにおける欧米の混乱は1990年代の危機を忘れてしまったのかと思わせた。対して日本はバブル崩壊からの立ち直りが遅れていたぶん、自分も含めてリスクへの感応度や耐性は磨かれていたかもしれない。

◆市場の歪みは本物か、どれだけ続くか見極めを

通貨オプションなどのデリバティブを組み合わせて商品設計する「ストラクチャー」部門での営業経験が長い。すべての商品の基本はリスクとリターンは釣り合うということ。メリットが大きければリスクも大きいし、メリットが小さければリスクも小さいわけだ。

リスクとリターンを釣り合わせればどんな商品でも作れてしまう。うまみの大きな商品はそれなりのリスクを内包している。低リスクで高収益を生む商品は作れない。

そんな世界なので、売る側にも買う側にも高い倫理観と専門知識が求められる。もし市場に何らかのゆがみが存在し、デリバティブで利益を得るチャンスが高いと判断したとしても、本当にゆがんでいるのか、ゆがみがどの程度持続するかは常に意識しなければいけない。利益追求の意欲が先にたつあまり、実は自分たちの目のほうがゆがんでいたなんて話もずいぶんある。

相場にかかわる人はすべからく、「何を勉強してもプラスにしかならない」と日々研さんすべきだ。数年前にギリシャ危機が起きた際にはギリシャ関連の書物を読みあさった。電子ブローキング（ＥＢＳ）の価格変化の背後に、ギリシャの先人が川辺で板を使って洗濯する光景が思い浮かんだほどだ。そこまでのめり込んではじめてわかってくることは少なくない。

◆ＡＩはまだ発展途上

ここ数年、市場をにぎわせている機械取引や人工知能（ＡＩ）の分野はまだ発展途上だ。いまＡＩ活用の場とされているのは、90年代から続くパターン分析や回帰分析の延長にすぎない。大量のマーケットデータを集めた「ビッグデータ」を機械に学習させて将来を読み解こうとするアプローチは、マシンラーニング（機械学習）であってもパターン分析の域を出ていない。

確かに機械学習によってパターン予測はできる。期間や利益率、リスクの量といった項目を詳しく入力すると、短期的には効果をあげられるレベルには達した。誤解を恐れずにいえば短期の相場を支配するのは主に様々な「ノイズ」で、それをビッグデータから解析できると一定の成績はあげられる。

ＡＩ活用の次のステップは中長期の相場予測だろう。マーケットデータは様々な「多次元的」要素を上がるか下がるかの「１次元」につぶしてしまっているので、取り扱いには注意しなければならない。大量のデータを使ったとしても、現実に起こっている相場変動を完全には分析できない。

現実の相場は人々の思考や文化、宗教、欲望や営みまでが複雑に絡み合う。あらゆる情報は相場に反映される半面、逆はまだ現時点では真ではない。

最近は気象の勉強を始めた。やりたいことが多すぎて時間が全然足りない。データ処理とＡＩの進展で次に何が生まれるのか、楽しみだ。10年後、20年後に後れをとることのないよう頑張りたい。

＝聞き手は日経ＱＵＩＣＫニュース（ＮＱＮ）菊池亜矢

＝随時掲載