AI が『最高の儲け方』を学ぶ—

『ケリー基準』って、賭け事の理論がなぜ株の配分に使えるの？

ケリー基準の本質は『勝つ確率と配当が分かれば、どれだけの資金を賭けるべきか』を計算することです。賭け事も株式投資も、実は同じ構造をしている。賭けで勝てば掛け金が増える、株で上昇すれば資産が増える。どちらも確率と利益率の問題に帰着するんですね。 ケリー基準の面白さは、短期的に勝つだけでなく『長期的に資産を最大化する配分』を示すことにあります。賭けの理論ですから、当初は競馬やポーカーのプレイヤーが使っていた。ところが、株式投資にも同じ原理が当てはまることに気づいた。株価の上昇期待度を『勝つ確率』に置き換え、期待リターンを『配当』に置き換えると、ケリー基準で求めた配分が、長期的に資産を増やしやすい配置になるという寸法です。 この論文で新しいのは、AIがそのケリー基準を『目指すべき理想』として直接に学ぶようになったという点。従来は数学的に複雑だから迂回路を使っていたのが、今は正面から『成長率を最大化しろ』という指示をコンピュータに埋め込めるようになった、と言えそうです。

つまり、この新しい手法が一般的になると、普通の個人投資家も『AI が勝手に最適な配分を決めてくれる』みたいなアプリが使えるようになるってこと？

理論上はそうですね。ただ現実には一つ大きな落とし穴がある。 この手法は「過去のデータから最適配分を学ぶ」ものです。XGBoost が歴史的な株価パターンを見て「こういう相場環境では、この配分が儲かった」と学習する。でも相場って、歴史が完全に繰り返わることはない。黒い白鳥みたいな予想外の事件が起きたとき、AI が学んだ「最適」は一瞬で使えなくなる可能性がある。 個人投資家むけのアプリになるなら、その「使えなくなるリスク」をどう説明するかが課題になるはず。「このアルゴリズムは2000年〜2023年のデータで訓練されています。それ以外の環境では保証できません」みたいな免責が必要になるかもしれません。 むしろ面白いのは、こういう手法が広がるほど、運用方針そのものが均質化していく可能性。みんなが同じ AI で同じタイミングに配分変更すれば、かえって市場が不安定になるかもしれないという逆説も生まれてくると言えそうです。

投資の世界では以前から『AI に最適配分を学ばせたい』という需要があったのに、なぜ今までできなかったの？

従来の方法では、「最適配分」という目標を AI に直接教えられなかったんですよね。 なぜか。機械学習モデルは基本的に「予測」か「分類」か「パターン認識」を得意としています。でも「配分をどう決めるか」という最適化問題は、それらとは別の種類。予測精度を上げることと、利益率を最大化することは別の問題なんです。 だから従来は、間接的なやり方をしていた。たとえば「株価の上下を予測する精度を磨く AI を作れば、予測が外れにくくなるから、結果的に良い配分ができるだろう」という逃げ道を使っていたわけです。あくまで代理目標です。 今回の新しさは、XGBoost の学習ルール自体に「利益率を最大化せよ」という数学を埋め込んでしまったこと。AI の脳味噌の奥底に、最適化の原理そのものをねじ込んだということ。予測ではなく、最適化そのものを学習の中核に据えた。 その技術的な壁を超えられたのが、恐らくここ数年の深層学習や微分可能な最適化アルゴリズムの進化があったからだと考えられます。理論はずっと前からあっても、実装できなかったことが、ようやく現実になったというわけなのかもしれません。

『AI に正確な目的を埋め込む』って、これはポートフォリオに限った話じゃなくて、ほかの『最適化』問題全般で応用できるやり方なの？

原理的にはそうですね。最適化の構造さえ数式で書ければ、その分野に限った話ではない。例えば製造業なら「コスト最小化」「歩留まり最大化」という目的を同じやり方で AI に埋め込める。物流なら「配送時間最小」「燃料費削減」。医療なら「治療効果の最大化」と「副作用の最小化」のバランス。 ただし、ここで見落とされやすいのは「最適化の対象が単純で測定可能か」という点です。ポートフォリオの場合、目的は「収益率を最大化」と割り切れる。数字の争いだから。でも例えば「従業員の満足度を上げながら生産性も上げる」みたいに、複数の目的が相反したり、数値化しづらい場合、数学的に正確に埋め込むのは一気に難しくなる。 ポートフォリオが先行事例として価値があるのは、むしろ「目的が明快で、過去データが豊富で、測定が容易」という三拍子が揃っていたからかもしれません。同じように恵まれた領域なら応用は現実的ですが、測定や定義がグレーゾーンの問題ほど、この手法の威力は落ちていきそうです。

『AI が市場状況に応じて最適配分を見つける』って聞こえはいいけど、全員が同じAIを使ったら、みんな同じ配分に動いて、かえって市場が歪むんじゃないの？

鋭い指摘ですね。実はそれ、金融市場では既に起きている現象なんです。 インデックスファンドが普及した1990年代以降、大量の投資家が「同じ指数に連動する」という同じ判断をするようになった。その結果、人気のある大型株ばかりが買われて、小型株との価格差が広がる歪みが生まれています。これを「パッシブ・バイアス」と呼ぶ人もいます。 このAIの場合も同じロジックで、もし本当に「最適」なら、皆が使えば使うほどその配分が市場の現実と乖離していく可能性がある。つまり、AI が見つけた「最適配分」は、それを使う人数が少ないときだけ最適で、広がるにつれて最適ではなくなっていく。 むしろ面白いのは、この手法の価値が「万人向けの正解を与えること」ではなく、「市場の微妙な変動を素早く察知する力」にあるかもしれないという点です。他の投資家より0.1秒早く判断すること。その優位性は一時的ですが、それでも勝つ。金融市場って、本質的には「多数派より先に動くゲーム」でもあるんですよね。