非上場資産 vs 上場資産の世界へようこそ！
この章では、オルタナティブ投資における最も重要な「探偵」の仕事の一つに取り組みます。それは、非上場資産（プライベート資産）と上場資産（パブリック資産）のリスクとパフォーマンスにおいて、実際には何が起きているのかを突き止めることです。プライベート・エクイティ・ファンドがなぜ「滑らか」で安定して見える一方で、S&P 500がジェットコースターのように見えるのか不思議に思ったことがあるなら、ここはまさにぴったりの場所です！滑らかな数字の裏側に隠された真のリスクを暴いていきましょう。
1. 基本的な違いを理解する
数式に入る前に、これら2つの資産クラスの基本的な「性格」の違いを見てみましょう。
上場資産（パブリック）: 取引所で取引されるお気に入りのハイテク株のようなものです。これらは高頻度で価格付けされます。毎日の取引時間のすべての秒において、誰かがその資産の価値を教えてくれています。これが「観測される」高いボラティリティにつながります。
非上場資産（プライベート）: 未公開不動産やプライベート・エクイティのようなものです。これらは頻繁に取引されません。シカゴのダウンタウンにある特定のオフィスビルに対して、市場のティッカー（株価表示）は存在しません。代わりに、私たちは鑑定評価（アプレイザル）に頼ることになります。鑑定評価は時折（例えば四半期ごとや年ごとなど）しか行われないため、価格は長い間安定しているように見えます。
問題点：古い価格（Stale Pricing）
非上場資産の価値は毎秒更新されるわけではないため、古い価格（stale pricing）の問題を抱えています。つまり、今日私たちが目にしている価値は、数ヶ月前の市場状況を反映している可能性があるということです。これは、昨日撮影した空の写真を見て天気をチェックするようなものです。今雨が降っているかどうかは分かりません。
重要ポイント
パフォーマンス報告における非上場資産と上場資産の主な違いは、必ずしも基礎となるリスクそのものではなく、価格が更新される頻度にあります。頻度の低い更新は「平滑化（スムージング）」されたデータをもたらします。
2. 低リスクの幻想：リターンの平滑化
価格がゆっくりと変化し、すべての最新情報を反映していない状態をリターンの平滑化（リターン・スムージング）と呼びます。これには、注意を払っていない投資家を騙すいくつかの「副作用」があります。
- 観測されるボラティリティの低下： 非上場資産の標準偏差は、上場資産よりもはるかに低く見えます。ギザギザした線ではなく、滑らかな線のように見えるのです。
- ラグを伴う相関： 非上場資産は、株式市場と連動していないように見えるかもしれません。しかし実際には連動しており、単に反応が遅いだけです。これを「ラグ（遅延）」と呼びます。
- 人工的に高いシャープレシオ： 分母となるリスク（ボラティリティ）が実際よりも小さく見えるため、シャープレシオは驚くほど高く見えてしまいます。
豆知識：
もしあなたが平滑化されたデータを平均分散最適化モデル（平均分散法）に入力すると、モデルは「ほぼリスクなしで高いリターンが得られる」という理由で、すべての資金を非上場資産に投資するよう提案してくるでしょう。騙されてはいけません！ これは「ゴミを入れたらゴミが出てくる（Garbage In, Garbage Out）」という典型的なシナリオです。
3. 平滑化の解除（De-smoothing）：探偵の仕事
「真の」パフォーマンスを見るためには、リターンの平滑化を解除（デ・スムージング）する必要があります。ここで難しく感じて緊張してしまう学生も多いですが、心配はいりません。見た目よりずっとシンプルです！「観測された」リターンは、真の現在のリターンと前回の観測リターンの混合物であると仮定するモデルを使用します。
観測リターン（\( r_{obs,t} \)）の式：
\( r_{obs,t} = \alpha r_{true,t} + (1 - \alpha) r_{obs,t-1} \)
ここで：
\( \alpha \)（アルファ） = 調整の「速度」（どれだけ新しい情報が含まれているか）。
\( 1 - \alpha \) = 「平滑度」または「古い」係数（どれだけ過去に縛られているか）。
真のリターン（\( r_{true,t} \)）を求めるために式を変形します：
\( r_{true,t} = \frac{r_{obs,t} - (1 - \alpha)r_{obs,t-1}}{\alpha} \)
ステップ・バイ・ステップの例：
1. 今四半期の観測リターンが 5% (\( r_{obs,t} = 0.05 \)) であるとします。
2. 前四半期の観測リターンは 3% (\( r_{obs,t-1} = 0.03 \)) でした。
3. 平滑化パラメータ (\( 1 - \alpha \)) が 0.6 （つまり \( \alpha = 0.4 \)）であるとします。
4. 式に当てはめます： \( r_{true,t} = \frac{0.05 - (0.6 \times 0.03)}{0.4} = \frac{0.05 - 0.018}{0.4} = \frac{0.032}{0.4} = 0.08 \) つまり 8% です。
結論： 目には5%のリターンしか見えていなかったとしても、古いデータが数値を引き下げていただけで、真の経済的リターンは8%だったということです。
クイック復習ボックス
低いアルファ (\( \alpha \)) = 平滑化が高い、データが非常に古い。
高いアルファ (\( \alpha \)) = 平滑化が低い、データが真実に近い。
4. リスク指標への影響
データを平滑化解除すると、リスク指標は大きく変化します。観測データと比較して、「真の」数値には何が起こるのでしょうか：
標準偏差： 真の標準偏差は、常に観測されたものよりも高くなります。関係式は以下の通りです：
\( \sigma_{true} = \sigma_{obs} \times \sqrt{\frac{1 + (1 - \alpha)}{1 - (1 - \alpha)}} \) （注：これはCAIAレベルII向けの簡略化された概念的バージョンです）。
相関： プライベート・エクイティと上場株式市場との間の真の相関は、通常、生データで観測されるものよりはるかに高くなります。つまり、非上場資産は書類上の見た目ほど分散効果を提供していないことを意味します。
ベータ： 相関と同様に、非上場資産の真のベータは、観測されるベータよりも高くなります。平滑化を無視すれば、非上場ポートフォリオの市場リスクを過小評価することになります。
記憶の助け：輪ゴムの例え
真の市場が走っている人間（真のリターン）だと想像してください。観測される非上場資産のリターンは、長くて伸縮性のあるリードに繋がれた犬（観測リターン）です。犬はやがて人間と同じ場所に行きますが、遅れが生じ、人間のような突然のダッシュや停止は見せません。平滑化の解除とは、リードを短くして、人間に対して犬が「実際には」どこにいるのかを見えるようにする作業のようなものです。
5. プロキシ（代理変数）としての上場資産
非上場データがこれほど複雑なら、上場プライベート・エクイティ（LPE）やREITを使って非上場資産を理解すればいいのでは？
答えは：Yesですが、注意が必要です。
- 良い点： 上場プロキシは日次価格を提供し、リアルタイムの市場センチメントを反映します。
- 悪い点： 上場プロキシは株式市場のセンチメントに影響を受けます。例えば、市場が暴落した際、基礎となるオフィスビルが100%入居中で賃料を支払っていても、人々がパニックになってすべてを売却すれば、REITは20%下落する可能性があります。
したがって、上場資産はしばしば短期的なボラティリティを過大評価し、非上場資産はそれを過小評価します。真実はたいていその中間にあるのです！
重要ポイント
リアルタイムの方向性を把握するために上場プロキシを利用しつつも、それらには非上場の世界には存在しないかもしれない、株式市場特有の「ノイズ」が含まれていることを忘れないでください。
6. 学生が陥りやすい罠
試験当日にこれらのトリッキーな分野で躓かないようにしましょう：
- アルファと 1-アルファの混同： 教科書によっては、\( \alpha \) を平滑化係数とするものもあれば、\( 1 - \alpha \) を平滑化係数とするものもあります。必ず問題文の定義を確認してください。平滑化係数 ＝ 古い（stale）データのウェイトです。
- 「滑らか」＝「安全」という思い込み： 線が平坦だからといって、その資産がリスクを負っていないわけではありません。これは「鑑定評価の遅延」であり、リスクの欠如ではありません。
- 分散の幻想： 株式との相関が0.3だからといって、非上場資産は素晴らしい分散資産だと考えがちです。しかし平滑化を解除した後では、その相関は0.8まで跳ね上がるかもしれません！
最終まとめ
非上場資産と上場資産のリスクとパフォーマンスを理解する鍵は、鑑定評価に基づいた価格付けという「滑らかな」表面を見抜くことにあります。データを平滑化解除することで、真のボラティリティ、真のベータ、そして真の相関が明らかになります。非上場資産は「高いリターンと低いリスク」という「フリーランチ」のように見えますが、平滑化を解除したデータを見ると、上場資産と同じ市場圧力の影響を多く受けていることがわかります。ただ、それが現れるのに少し時間がかかるだけなのです！
あなたなら大丈夫です！ただ覚えておいてください：データがあまりにも滑らかすぎて信じがたいなら、それはおそらく何か裏があります。勉強頑張ってください！