ジム・サイモンズ「我々が知っているのはパターンだけだ。なぜそうなるかは知らない」

ジム・サイモンズ。この名前を聞いて、ウォール街の伝説に少しでも触れたことのある者ならば、ある種の畏敬の念を抱かずにはいられないだろう。ルネサンス・テクノロジーズが運用するメダリオン・ファンドは、1988年から2018年までの30年間で、手数料前ながら年平均66%という、文字通り「投資史上、断トツの最高記録」を叩き出した。この驚異的な数字は、ウォーレン・バフェットのバークシャー・ハサウェイやジョージ・ソロス、ピーター・リンチといった偉大な投資家たちの実績をも霞ませる。しかし、サイモンズのアプローチは、彼ら「物語を語る」投資家とは一線を画す、冷徹なまでの数学的厳密さに貫かれている。

驚異のリターンを叩き出した男：ジム・サイモンズの異端の哲学

ジム・サイモンズは、ハーバード大学で数学の博士号を取得し、MITやハーバードで教鞭を執った後、冷戦下では国防総省の暗号解読プロジェクトにも携わった、生粋の数学者であり科学者だ。彼の投資哲学は、まさにこの数学と科学のバックグラウンドに根差している。市場の「なぜ」を問わず、ただ「パターン」を検出することに徹する――この一見単純な原則こそが、メダリオン・ファンドの超人的なパフォーマンスの核心にある。

我々のモデルは市場に存在するパターンを検出する。なぜそのパターンが存在するかは問わない。‘なぜ’を問うことは、人間のバイアスを持ち込むことを意味する

サイモンズのこの言葉は、市場分析における伝統的なアプローチに対する明確なアンチテーゼである。通常、アナリストやファンドマネージャーは、企業のファンダメンタルズ、マクロ経済指標、地政学リスク、そして経営者の資質といった要素を深く掘り下げ、「なぜ」その株が上がるのか、あるいは下がるのかという物語を探求する。しかし、サイモンズにとって、そうした「物語」は、人間の認知バイアスや感情が入り込む余地を与える、無駄な、あるいは有害な情報に過ぎなかった。

「なぜ」を問わない：数学的厳密性と物理学の知見

サイモンズのアプローチは、金融市場を複雑な物理システムとして捉えることに近い。物理学者は、時には現象の背後にある完全な理論を理解せずとも、観測データから特定のパターンや法則性を見出し、未来の振る舞いを予測する。例えば、ケプラーは惑星運動の法則を発見したが、そのメカニズム（万有引力）はニュートンまで待たねばならなかった。サイモンズもまた、市場に存在する「統計的に優位なパターン」を、その「なぜ」を深く掘り下げずに、純粋にデータとして抽出することに集中したのである。

このアプローチの背後には、情報理論、信号処理、統計的機械学習といった高度な数学的・計算科学的知見が応用されている。市場のノイズの中から、わずかながらも繰り返し現れる「エッジ（優位性）」を捉え、それを数千、数万と繰り返すことで、確率論的に大きな利益を積み上げていく。これは、ギャンブルにおいて、わずかに有利なサイコロを無限に振り続けるようなものだ。個々の試行では負ける可能性があっても、長期的に見れば確実に勝つ。市場の「効率性」を完全に否定するものではないが、その「不完全性」を徹底的に利用する戦略と言えるだろう。

筆者の見立て：現代のデータ過多時代におけるパターン認識の優位性

現代の金融市場は、かつてないほどのデータ量に溢れている。高速取引データ、SNSのセンチメント分析、サプライチェーン情報、衛星画像まで、あらゆる情報がデジタル化され、分析の対象となり得る。このような環境下では、人間の処理能力を超えた情報を「物語」として消化しようとすることは、むしろノイズに惑わされるリスクを高める。サイモンズの哲学は、このデータ過多の時代においてこそ、その真価を発揮する。つまり、膨大なデータの中から、人間の感情や解釈を排して「パターン」だけを抽出する能力こそが、これからの競争優位性を生み出す源泉となるのだ。

ウォール街の「知りすぎた」知識：バイアスの排除

サイモンズがウォール街の常識と決定的に異なっていたのは、人材採用戦略にも表れている。

我々は物理学者、数学者、統計学者を雇う。ウォール街出身者は雇わない。彼らは市場について「知りすぎている」。その知識がバイアスになる。

— Jim Simons

この言葉は、金融業界に長年身を置くプロの投資家たちに、耳の痛い真実を突きつける。ウォール街のベテランたちは、往々にして特定の理論、成功体験、あるいは市場観に固執しがちだ。彼らの「知識」は、時にアンカリング・バイアス、コンファメーション・バイアス、あるいはプロスペクト理論で示されるような、人間の認知バイアスと不可分に結びついている。市場が予期せぬ方向へ動いたとき、彼らは自分の信じる「物語」を修正するよりも、市場の方が間違っていると考える傾向がある。

ダニエル・カーネマンやアモス・トヴェルスキーが確立した行動経済学は、投資家がいかに非合理的な意思決定を下すかを科学的に証明した。恐怖と欲望、群集心理、そして過去の成功体験による過信――これら全てが、客観的なデータに基づいた合理的な判断を曇らせる。サイモンズは、こうした人間の本質的な欠陥を徹底的に排除するため、金融市場に何の先入観も持たない、純粋な科学者たちを招き入れた。彼らは、市場の「なぜ」を語る物語には興味がなく、ただデータが示す統計的優位性のある「パターン」をコード化することに集中したのだ。

筆者の見立て：AI時代の進化と人間のバイアスの克服

現代はAIの時代であり、機械学習モデルは人間には到底識別できないような微細なパターンや相関関係を、膨大なデータセットの中から見つけ出す能力を持っている。サイモンズが先駆けた「バイアスの排除」という思想は、AIが進化するにつれて、より現実的かつ強力な戦略となりつつある。生成AIの台頭は、金融データだけでなく、ニュース記事や企業の財務諸表、アナリストレポートといった非構造化データからも意味のあるパターンを抽出する可能性を広げている。しかし、AIそのものも訓練データに内在するバイアスを学習してしまうリスクがあるため、モデル構築者には依然として高度な数学的・統計的厳密さが求められる。

メダリオン・ファンドのブラックボックス：アルゴリズムと秘密主義

メダリオン・ファンドの圧倒的なパフォーマンスの秘密は、その徹底した秘密主義によって守られている。ファンドへの新規資金の受け入れは停止され、サイモンズ自身も引退しているが、その内部で何が起きているのかは、極めて限られた人間しか知らない。推測されるのは、高頻度取引、市場のミクロ構造におけるアノマリーの利用、そして統計的アービトラージの極限までの洗練である。

市場全体の動きを追うS&P 500のような指数は、多くの投資家にとってのベンチマークとなるが、メダリオン・ファンドはその動きとはほとんど相関しない独自のパターンを取引し、市場の方向性に関わらず利益を上げてきた。これは、市場が上昇トレンドにあっても、下降トレンドにあっても、データの中に存在する短期的な統計的優位性を機械的に捕捉し続ける能力を示唆している。

メダリオンが追求したのは、市場の「長期的な方向性」ではなく、数秒から数日のうちに消え去る可能性のある「短期的な歪み」だ。これを捕捉するには、膨大な計算資源と、極めて洗練されたアルゴリズム、そして人間の感情が介在しない冷徹な実行力が不可欠となる。

現代マクロ環境への応用：インフレ、高金利、AIバブルを超えて

現在のマクロ経済環境は、過去数十年間で最も予測困難なものの一つと言えるだろう。世界的なインフレの昂進、それに対抗するための各国中央銀行による急激な金融引き締め、そして地政学的な緊張がサプライチェーンに与える影響など、伝統的なファンダメンタルズ分析では一貫した「物語」を描きにくい状況にある。さらに、AI技術の急速な発展は、特定のセクターに「バブル的」な価格形成をもたらしており、その持続可能性を巡って意見が分かれている。

このような不確実性の高い環境下でこそ、サイモンズの「なぜを問わない」哲学は、その強みを発揮する可能性がある。

• インフレと高金利: FRBなどの金融当局がインフレ抑制のために金利を急激に引き上げ、イールドカーブが逆転するといった現象は、過去のデータの中に明確なパターンとして現れることがある。伝統的な景気サイクル論は、これらの「なぜ」を説明しようとするが、サイモンズのアプローチは、高金利環境下でどのようなアセットクラスやセクターに統計的な優位性が生じるかをデータから直接導き出す。例えば、金利上昇局面で特定のコモディティが反応するパターンや、高金利が企業収益に与える影響が株価に織り込まれるまでのタイムラグなど、様々なデータ駆動型トレード戦略が考えられる。

• AIバブルとモメンタム: エヌビディアのようなAI関連企業の株価が驚異的な上昇を続けている現象は、多くの投資家がその「なぜ」（AI革命への期待）を語りたがる。しかし、サイモンズ哲学に則れば、「なぜ」を問う代わりに、その強いモメンタム自体を「パターン」として捉え、統計的に優位な取引機会として活用する。モメンタム投資自体は古くから存在する戦略だが、サイモンズのアプローチは、そのモメンタムがいつ反転するのか、どの程度の期間持続するのかといった微細な特性を、人間の直感ではなく、データとアルゴリズムに基づいて精緻にモデル化する点に独自性がある。

• 地政学的リスクとコモディティ: 戦争や国際紛争は、原油、天然ガス、銅などのコモディティ価格に大きな影響を与える。伝統的には、地政学専門家がリスクシナリオを分析し、それが価格にどう影響するかを推論する。しかし、サイモンズ哲学では、過去の地政学的イベントとコモディティ価格の反応をデータとして蓄積し、類似のイベントが発生した際に統計的にどのような価格パターンが現れるかを予測する。これにより、感情的な反応や主観的なバイアスを排し、冷徹にデータが示す優位性に従うことが可能になる。

個人投資家への示唆：データドリブンな意思決定の習慣

サイモンズのアプローチは個人投資家が模倣することは不可能だ。メダリオン・ファンドが持つ計算資源、数学者・科学者のチーム、そしてアクセスできるデータ量は、個人の能力をはるかに超える。しかし、彼の「なぜを問わない」という哲学は、私たち個人投資家にも応用できる重要な教訓を含んでいる。

この教訓は、極めて実践的だ。私たちはしばしば、自分が「知っている」企業や「好き」な業界、あるいは「物語」に魅せられた銘柄に投資しがちだ。しかし、そうした主観的な感情や知識は、しばしば合理的な判断を歪める。成功した投資家であっても、過去の経験や直感が、変化する市場の現実に適応できないことがある。

個人投資家がサイモンズ哲学を応用するための具体策としては、以下が挙げられるだろう。

1. データに基づくルール化された戦略の採用: 自分の感情や直感に頼らず、過去のデータに基づき、明確な売買ルールを設定し、それを一貫して実行する。例えば、特定の移動平均線やRSIといったテクニカル指標が示すシグナルに従う、あるいはバリュー投資であればPERやPBRといった客観的な指標のみで投資判断を下す、といった方法だ。
2. 感情の排除: 市場が大きく動揺した時、あるいは特定の銘柄が急騰・急落した時、恐怖や興奮といった感情に流されず、事前に設定したルールに従い続ける。これは言うは易く行うは難しだが、自己規律を徹底することが成功への鍵となる。
3. バックテストとフォワードテストの実施: 自分が考えた戦略が、過去のデータでどれほどの効果があったかを検証する（バックテスト）。さらに、その戦略を実際に少額で運用してみて、実市場で機能するかを確認する（フォワードテスト）。これにより、戦略の客観的な優位性を確認し、自信を持って運用に臨めるようになる。
4. ポートフォリオの多様化とリスク管理: 投資は確率論的なゲームであり、個々のトレードが常に成功するわけではない。一つの戦略や銘柄に依存せず、複数の独立した戦略を組み合わせることで、全体としてのリスクを管理し、安定したリターンを目指す。

結論：定量投資の未来と人間の役割

ジム・サイモンズは、金融市場における人間の役割に一つの大きな疑問を投げかけた。市場の「なぜ」を追求する伝統的なアナリストやファンドマネージャーに対し、彼は「なぜ」を問わない冷徹なデータ分析こそが、最も優れたリターンを生み出すことを実証したのだ。彼の成功は、金融市場におけるパラダイムシフトを象徴しており、AIと機械学習が急速に進化する現代において、その哲学はさらに強力な意味を持つだろう。

未来の投資の世界では、人間はもはや感情に流される意思決定者ではなく、高度なモデルを構築し、データを解釈し、アルゴリズムの限界と可能性を見極める「設計者」あるいは「監視者」としての役割を強めていくのかもしれない。サイモンズが示した道は、金融における科学的探求の新たな地平を切り開き、我々にデータとモデルの力を信じることの重要性を教えてくれている。それは、人間のバイアスを認識し、それを乗り越えようとする、知的な挑戦の物語でもあるのだ。