
AIを使う個人投資家の強みを、小型株に絞らず分析と行動に置いた理由
市場平均を上回る理由をどう選び、その答えから投資対象をどう決めるか。自分の投資方法にも使える形で整理します。
個人投資家が市場平均を上回れる理由を考えたとき、最初にもっとも有力に見えたのは小型株でした。
大きなファンドは、資金の規模ゆえに、小さな企業の株を自由に売買できません。実際、ファンド規模による運用成績への悪影響は、小型・非流動株へ投資するファンドほど強いと報告されています。個人なら、機関投資家が入りにくい企業も実際の投資対象にできます。
ところが、完成した設計では、時価総額の上限も下限も置いていません。
小型株へ絞るかどうかは、投資対象の好みでは決められません。個人投資家が何によって市場平均との差を作るのかを、先に決める必要がありました。
前回の記事では、機関投資家が運用会社を審査するときに使うDDQを参考に、AI支援型の投資プロセスが先に答えるべき項目を決めました。今回は、そのうち「市場平均を上回る理由をどこに置くか」と、「どこを調べ、何を扱わないか」を考えます。投資の専門用語では、投資哲学とユニバースにあたる部分です。

ここでいう投資哲学は、「長期投資を大切にする」といった好みの表明ではありません。
市場のどこに、なぜ価格のずれが残り、自分は何によってそのずれを捉えられるのか。
この問いへの答えです。
投資哲学――市場平均との差をどこに置くか
四つの方法を比べた
検討の出発点として、個人投資家が使えそうな強みを四つに分けました。これはILPAやMorningstarの公式分類ではありません。ILPAが投資戦略と対象範囲を、Morningstarが投資哲学と運用者の「優位性」を問う項目をもとに、今回の設計で比較するために整理したものです。
情報優位 ほかの投資家がまだ持っていない情報を、先に得る
分析優位 同じ公開情報から、構造変化の因果や規模をより正確に読む
行動優位 短期の運用成績による職業評価や、顧客の解約圧力に合わせず、不人気な判断を実行し続ける
構造優位 運用資産の規模や制度上の制約が違うことで、機関投資家が扱いにくい企業や資料を扱う
四つを、個人に実現できるか、投資対象を狭めすぎないかという二点で比べました。結論は次のとおりです。
基盤にする:分析優位と行動優位 企業規模を問わず使えます。ただし、本当に市場平均との差を作れるかは、これから検証します。
条件が合うときに加える:構造優位 小型株など、個人と機関投資家の制約の差が実在する場合に使います。
独立した強みにはしない:情報優位 非公開情報の入手は前提にしません。公開されていても十分に読まれていない情報は、分析または構造の違いとして扱います。
小型株を基盤にしなかった理由
構造優位は、個人にもっとも取りやすく見えました。ただし、小型株であること自体が超過収益を生むわけではありません。情報が少ない理由は、見落とされているからではなく、事業の不確実性や売買の難しさにあるかもしれません。
反対に、NVIDIAのように広く知られた大型株でも、認識の差は残りえます。AI向けGPUの需要があることを知っていても、その需要がどこまで大きくなり、何年続き、どれほど利益として残るかまで正しく見積もれるとは限りません。
私が狙うのは、まだ知られていない企業の発見ではなく、知られている変化が企業利益へどれだけ届くかの見積もりです。
この方法は企業規模を問いません。そこで、小型株を必須条件にせず、分析と行動を基盤にしました。
採用した強みを、検証できる形にする
分析優位として検証するのは、構造変化の因果と規模を、市場の予想より早く正しく読むことです。

「AIが普及する」「防衛費が増える」は、最初の変化にすぎません。誰が支払い、金額はいくらで、どこが制約になり、どの企業の利益へ届くのか。途中がつながらなければ、投資候補には残しません。
AIには資料の収集と整理、因果の組み立て、反対仮説の提示を任せます。ただし、何を一次資料で確かめ、どこで候補を止めるかは先に決めます。詳しい分担は、後続の工程と一緒に次回扱います。
行動優位も、個人であれば自動的に得られるものではありません。
個人には、不人気な企業も検討でき、証拠が足りなければ買わず、仮説が崩れていなければ短期の値動きだけで手放さない自由があります。一方、この自由は、含み損を認めずに持ち続ける言い訳にもなります。
そこで、買う理由と考えを変える条件を判断前に記録します。値下がりしたあとで説明を作り直さず、先に決めた条件どおりに見直せた場合にだけ、行動の違いを強みとして評価します。
ユニバース――何を調べ、何を外すか
投資哲学を決めたことで、調査対象の範囲も次のように決まりました。
個別株 日本と米国
そのほかの地域 ETFまたは投資信託
金などの商品 ETFを通じて扱う
時価総額 上限・下限を置かない
業種 最初から除外しない
保有期間 四半期から数年。仮説が利益へ表れる時間に合わせる
日本と米国以外の企業を個別株から外した理由は、魅力の有無ではなく、調べきれる範囲です。会計、規制、言語、取引制度まで含めて個別企業を検証するには、現在の私の工程では広すぎます。地域全体の構造変化へ参加するなら、ETFや投資信託を使います。
業種は先に絞りません。「自分がまだ理解できない」と「その業種に投資機会がない」は別だからです。必要な因果、金額、利益までの経路、考えを変える条件を説明できなければ、業種ごとではなく個別の調査段階で見送ります。
調べない対象と、調べた結果として見送る対象を、同じにしない。
投資対象を決めるときに残したかったのは、この区別です。
目的から売却まで、設計を三回に分ける
実際のプロジェクトでは、これらの決定を一つの設計書で管理しています。AIと私が同じ基準を参照するための文書で、ファイル名は`SYSTEM.md`です。
この設計は、前回から次回までの三回に分けて組み立てています。
この設計は、前回から次回までの三回に分けて組み立てています。
前回(第2話) AI支援型の投資プロセスは何から作るか
目指す結果と、候補探しから売却までに答える項目を決めました。今回(第3話) 市場平均との差を作る方法と、対象範囲を決めました。
次回(第4話) AI投資で判断をぶらさないために、先に決めた7つの関門
候補をどこから見つけ、どこまで調べれば十分とし、いくら投じ、何を監視し、何を見たら手放すかを決めます。各段階でAIに任せることと人間が判断すること、判断時点の基準をどう残すかも整理します。
この三回で、現在の設計書を一通り扱います。ただし、設計書が完成しても、市場平均を上回れるとは限りません。ここで決めるのは、これから何を、どの手順で検証するかです。
本文で参照した資料
ILPA:Due Diligence Questionnaire 2.0――投資戦略、地域、業種、取引規模、保有期間など、先に定める対象範囲の確認に使用
Morningstar:Medalist Rating (Process)――投資哲学、運用工程の優位性、反復可能性を問う観点に使用