線形代数応用：ポートフォリオ共分散行列、リターンの線形結合

金融工学の現場において、線形代数は単なる計算ツールを超え、資産の動きを体系的に理解するための基盤となっています。特にポートフォリオ理論では、共分散行列の構築とリターンの線形結合が、リスク管理とリターン最適化の核心をなしています。本稿では、これらの概念を数学的な厳密性に基づき解説し、現代の投資判断がどのように裏付けられているかを明らかにします。

ポートフォリオ共分散行列：リスクの定量評価

ポートフォリオのリスクを正確に測るためには、各資産の相関関係を数値化できる構造が必要です。その鍵となるのが共分散行列です。これは、ポートフォリオ内にある複数の資産のリターンがどう動いているかを表す $n \times n$ の正方行列として定義されます。

共分散行列 $\Sigma$ の対角線上の要素は、各資産自身の分散（ばらつき）を表し、それ以外（オフダイアゴナル要素）は異なる資産間の共分散を示します。歴史的な価格データから計算されるこの行列は、以下のような式で構成されます。

$$
\text{Cov}(r_i, r_j) = \frac{1}{N-1} \sum_{t=1}^{N} (r_{i,t} - \bar{r}i)(r{j,t} - \bar{r}_j)
$$

ここで、$r_{i,t}$ は時点 $t$ における資産 $i$ のリターン、$\bar{r}_i$ はその平均リターンを表します。この計算結果は、単なる個別の資産リスクの合計ではなく、資産同士がどう連動するかという相関構造を浮き彫りにします。

この共分散行列の意義は、分散投資の効果を数式で裏付けることにあります。2 資産からなるポートフォリオの分散（リスク）は、以下の式で表されます。

$$
\text{Var}(r_p) = \sigma_{11} \cdot w_1^2 + \sigma_{22} \cdot w_2^2 + 2 \sigma_{12} \cdot w_1 \cdot w_2
$$

この式において、$\sigma_{12}$ は資産 1 と資産 2 の共分散、$w_1, w_2$ はそれぞれのポートフォリオ内での保有比率です。重要な点は、資産間の共分散（あるいは相関）がリスクを低下させるメカニズムです。相関が低い資産を組み合わせることで、個別の資産のボラティリティが相殺され、ポートフォリオ全体のリスクを最小化できることが示されます。つまり、共分散行列は、投資家が「どの資産を選ぶべきか」だけでなく、「どの組み合わせが最も安全か」を判断するための羅針盤となります。

リターンの線形結合：最適化の数学的基盤

ポートフォリオの総リターンを算出する際、各資産のリターンを単純に足し合わせるのではなく、線形結合という数学的アプローチを用います。ポートフォリオ全体の期待リターン $r_p$ は、各資産のリターン $r_i$ にその保有比率 $w_i$ をかけた和として表現されます。

$$
r_p = \sum_{i=1}^{n} w_i r_i
$$

この式は、ポートフォリオ理論における最も基本的な等式の一つであり、資産の重み付けをすることで、複雑な市場環境下での期待収益を導き出します。重み $w_i$ の和が 1 に等しくなるように設定することで、ポートフォリオがバランスを保つことが保証されます。

この線形結合の概念は、現代ポートフォリオ理論の中心にある期待値と分散の計算を可能にします。ポートフォリオの期待リターンは、各資産の期待リターンの重み付き平均として計算されます。

$$
\mathbb{E}[r_p] = \sum_{i=1}^{n} w_i \mathbb{E}[r_i]
$$

一方、ポートフォリオのリスク（分散）を評価する際には、前述の共分散行列 $\Sigma$ と重みベクトル $\mathbf{w}$ の積が不可欠になります。

$$
\text{Var}(r_p) = \mathbf{w}^T \Sigma \mathbf{w}
$$

この行列計算式は、ポートフォリオリスクが単なる個別リスクの合計ではないことを強調しています。資産間の相関関係（共分散行列）がリスクに与える影響が、この式を通じて明確に現れます。

さらに、投資判断の最終段階であるシャープ比の算出にも線形代数が活用されます。シャープ比は、単位リスクあたりの超過リターンを評価する指標であり、以下の式で定義されます。

$$
\text{Sharpe Ratio} = \frac{\mathbb{E}[r_p] - r_f}{\sqrt{\text{Var}(r_p)}}
$$

ここで $r_f$ はリスクフリーレートです。線形代数を用いることで、投資家は膨大な資産の中から、リスク調整後のリターンが最も高いポートフォリオを効率的に選別・最適化することが可能になります。

結論

線形代数は、金融分析において不可欠な言語となっています。共分散行列は、資産間の複雑な連動性を可視化し、分散投資によるリスク低減効果を定量的に示すための強力なツールです。一方、リターンの線形結合は、個々の資産のリターンを統合し、期待収益とリスクを同時に最適化する数学的基盤を提供します。

これらの概念を統合的に理解することは、投資家がデータに基づいた合理的な判断を下し、効率的なポートフォリオを構築する上で必須のスキルです。金融市場が常に変化し続ける中、数学的な厳密性を支えたモデルの進化は、経済研究と実務の両面で不可欠な役割を果たし続けていくでしょう。