金融相関モデリングの世界へようこそ！

FRMの学習を進める中で、分散投資こそが金融における「唯一のフリーランチ（タダの食事）」であることはすでに学びましたね。しかし、その食事が本当にタダかどうかを知るには、各資産がどのように連動して動くのかを理解しなければなりません。そこで登場するのが相関モデリングです。

この章では、ボトムアップ・アプローチに焦点を当てます。レゴブロックで城を作る場面を想像してください。城全体を一つの大きな灰色の塊として見るのではなく、個々のブロック（各借り手や各資産）を一つずつ見て、それらがどのように組み合わされているかを分析するようなものです。これは、CDO（債務担保証券）のような複雑な金融商品の価格設定や、信用リスク・ポートフォリオの管理において不可欠なスキルです。

最初に見ると難しく感じるかもしれませんが、大丈夫です！ 相関というものは、市場が暴落すると変化してしまうため、非常に「扱いにくい」性質を持っています。一つずつ順を追って紐解いていきましょう。

1. トップダウンとボトムアップ：どちらの視点を選ぶ？

深く掘り下げる前に、リスク管理者がポートフォリオを見る際に用いる2つの主要な手法の違いを確認しておきましょう。

  • トップダウン： ポートフォリオ全体を一つの「塊」として扱います。個々の借り手Aが誰であるかは重要ではなく、グループ全体のデフォルト率の合計のみを重視します。
  • ボトムアップ： 各構成銘柄の個別のデフォルトリスクをモデル化し、それらを結びつけるための数学的な「糊（コピュラ）」を使用します。

なぜボトムアップを使うのか？ より柔軟な対応が可能になるからです。ローン額の規模の違い、格付けの違い、業界間の固有の関連性などを考慮に入れることができます。

クイック復習： ボトムアップ・アプローチは、ポートフォリオ内の資産の個別の特性が大きく異なる場合に非常に重要となります。

2. コピュラの概念

この章で唯一、絶対に覚えておくべき単語があるとすれば、それはコピュラ（Copula）です。ラテン語で「絆」や「結びつき」を意味する言葉です。

例え話：料理のレシピ

食事を作る場面を想像してください。
1. 周辺分布（Marginal Distributions）は材料（鶏肉、ブロッコリー、ライス）です。それぞれに固有の性質があります。
2. コピュラは、それらを組み合わせるための「ソース」です。ソースは鶏肉をブロッコリーに変えるわけではありませんが、一緒に食べたときにどのような味になるかを決定します。

数学的には、コピュラを用いることで、各変数の個別の挙動と、それらの依存構造（dependence structure）を分離して考えることができます。これは非常に強力な手法です。例えば、借り手Aには正規分布を、借り手Bには別の分布を割り当て、コピュラを使ってそれらを結合することができるからです。

スカラーの定理（Sklar’s Theorem）

これはコピュラにおける「黄金律」です。あらゆる多変量結合分布は、単変量の周辺分布関数と、変数間の依存構造を記述するコピュラを用いて表現できるという定理です。

\( F(x_1, x_2, ..., x_n) = C(F_1(x_1), F_2(x_2), ..., F_n(x_n)) \)

ここで：
- \( F \) は結合分布。
- \( C \) はコピュラ。
- \( F_n \) は個別の（周辺）分布。

重要なポイント： コピュラを使えば、「個々の挙動」とは切り離して、「どのように連動して動くか」をモデル化できるのです。

3. ガウス・コピュラ（正規コピュラ）

ガウス・コピュラは長らく業界の標準でしたが、（2008年の金融危機の際にはその原因の一つとして有名になりました）。これは資産間の依存関係が多変量正規分布に従うと仮定するものです。

仕組み：

各企業のデフォルト確率を標準正規分布上にマッピングします。もし「潜在変数」（企業の健全性と考えてください）があるしきい値を下回った場合、その企業はデフォルトすると見なされます。

大きな欠点：テール依存性

ガウス・コピュラにはテール依存性がありません（ゼロです）。つまり、ある企業で「100年に一度」の災害が起きたとしても、別の企業でも同時に同じことが起きる確率はほぼゼロであると仮定してしまうのです。

ご存知ですか？ 実際の市場では、悪いことが起きるときはまとめて悪くなります。ガウス・コピュラは、暴落時に多くの企業が同時にデフォルトするリスクを過小評価する傾向があります。

4. スチューデントのtコピュラ

もしガウス・コピュラが暴落に対して「楽観的すぎる」のであれば、スチューデントのtコピュラはより現実的な選択肢となります。これには自由度 (\( \nu \)) と呼ばれるパラメータが導入されています。

  • 自由度が小さい場合： 裾野（テール）が厚くなります。これは、極端な事象が同時に発生する確率が高い（テール依存性が高い）ことを意味します。
  • 自由度が大きい場合： \( \nu \) が大きくなるにつれて、tコピュラはガウス・コピュラに近づいていきます。

覚え方： 「TはTails（裾野）のT」と覚えましょう。一度にすべてが崩壊するような「伝染効果」を捉えたい場合は、スチューデントのtコピュラを使ってください。

5. 1要因モデル（One-Factor Model）

100社もの企業と、それぞれの相互相関（A対B、A対C、B対C...）をすべてモデル化するのは悪夢のような作業です。計算量が膨大になりすぎるため、これを簡略化するために1要因モデルを使用します。

考え方：

一つの共通要因（経済全体の状態など）が全員に影響を与え、一方で固有要因がその特定の企業のみに影響を与えると仮定します。

企業 \( i \) の資産リターン \( X_i \) の式は以下の通りです：
\( X_i = \sqrt{\rho} M + \sqrt{1 - \rho} Z_i \)

ここで：
- \( M \) = 共通の市場要因（全員に影響する）。
- \( Z_i \) = 固有要因（企業 \( i \) 独自のもの）。
- \( \rho \) = 共通要因との相関。

順を追った解釈：
  1. \( \rho \) が高い場合、市場要因 \( M \) が支配的になります。ほとんどの企業は、良くも悪くも一緒に動くことになります。
  2. \( \rho \) が低い場合、固有要因 \( Z_i \) が支配的になります。デフォルトはランダムかつ独立に発生します。

よくある間違い： 受講生はよく資産相関とデフォルト相関を混同します。資産相関 (\( \rho \)) は1要因モデルへの入力値ですが、デフォルト相関はあくまで観察される結果です。一般的に、デフォルト相関は資産相関よりもはるかに低くなります。

6. 主な違いのまとめ

学習の整理に役立つ比較表を作成しました。

比較表

ガウス・コピュラ： テール依存性なし。計算は容易。「ブラックスワン」事象を過小評価する。
スチューデントのtコピュラ： 対称的なテール依存性。ストレスのかかった市場に適している。複雑。
1要因モデル： 単一の共通市場要因を使用して相関を簡略化。CDOトランシェの価格設定に使用される。

7. クイック復習ボックス

1. コピュラとは？ 個別の周辺分布を結合して、一つの結合分布を作る関数です。
2. ガウスとtコピュラの差は？ tコピュラはテールが厚く、同時暴落を捉えられますが、ガウスは捉えられません。
3. 1要因モデルの「M」とは？ ポートフォリオ内の全企業に影響を与える共通の市場要因を表します。
4. なぜボトムアップを使うのか？ 大規模なプール内にある個々の資産に対して、きめ細かなリスク管理ができるからです。

頑張りましょう！あなたはFRM Part IIのカリキュラムの中でも、最もテクニカルな部分をマスターしようとしています。忘れないでください、相関は単なる数値ではありません。金融システムを支える「糊（接着剤）」なのです！