歪度（スキューネス）で読む投資リスクと分布の真実

歪度（スキューネス）が投資リスクと分布の形状を明かす

正の歪度が高い銘柄ほど、将来リターンが低くなる傾向があります。

📊 この記事の3つのポイント

📐

歪度（スキューネス）とは何か

リターン分布の「左右の偏り」を数値化した指標。正規分布なら歪度＝0で、プラスなら右裾が長く、マイナスなら左裾が長い非対称な分布を意味します。

⚠️

正の歪度は「宝くじ銘柄」の罠

2010年の学術研究（Boyer et al.）によると、正の歪度が高い銘柄はその後の実際のリターンが著しく低いことが実証されています。「一発逆転」への幻想がリターンを押し下げます。

🛡️

負の歪度はリスクプレミアムの源泉

クラッシュリスク（負の歪度）を引き受けることで超過リターンが期待できます。シャープレシオだけでは見えないリスクの「性質」を歪度で把握することが、賢い投資判断につながります。

このページの目次

歪度（スキューネス）が投資リスクと分布の形状を明かす

歪度（スキューネス）の基本的な意味と正規分布との違い

歪度（スキューネス、英語: Skewness）は、データの分布が左右にどれだけ偏っているかを数値で示す統計量です。投資の世界では特に、資産リターンの「分布の形状」を把握するために使われます。

正規分布は完全に左右対称な釣り鐘型の形をしており、このとき歪度の値はちょうど0になります。一方、現実の株式や債券リターンは、正規分布のようにきれいに対称であることはほとんどありません。これが大前提です。

歪度の値によって分布の形を次のように解釈します。

- 歪度＞ 0（正の歪度）：分布の山が左寄りにあり、右側の裾（プラス方向）が長く伸びた形。ほとんどの期間は平均以下の小さなリターンだが、たまに大きなプラスが出やすい構造。

- 歪度＝ 0：左右対称の分布。正規分布が代表例。

- 歪度＜ 0（負の歪度）：分布の山が右寄りにあり、左側の裾（マイナス方向）が長く伸びた形。ほとんどの期間は小さなプラスを積み上げるが、たまに大きな暴落に見舞われる構造。

つまり歪度が基本です。この「裾のどちらが長いか」という情報が、投資家にとって非常に重要な意味を持ちます。

特に実務での感覚として、負の歪度は「ショートプット戦略」のようにコツコツ稼ぐが一度の暴落で大損するイメージ、正の歪度は「宝くじ」のように多くの場合は外れるが稀に大当たりするイメージと捉えるとわかりやすいでしょう。

平均とボラティリティ（標準偏差）だけを見ていると、この分布形状の違いが完全に消えてしまいます。同じ平均リターン・同じボラティリティを持つ二つの戦略があっても、歪度が全く異なれば「リスクの性質」はまったく別物です。

歪度と尖度がリターン分布の「歪み」に与える影響（非対称性・クラッシュリスク・宝くじ的性質を詳しく解説）

歪度（スキューネス）の計算式と求め方：数式からExcel・Pythonまで

歪度はどのように計算されるのでしょうか？数式で表すと以下のようになります。

$$\text{歪度} = \frac{E\left(X - \mu)^3\right}{\sigma^3}$$

ここで $$\mu$$ はデータの平均、$$\sigma$$ は標準偏差（分布の広がり）を意味します。偏差（各データと平均の差）を3乗して平均し、標準偏差の3乗で割ることで算出されます。

3乗を使うのが肝心です。2乗では正負が消えてしまいますが、3乗なら正負の情報がそのまま残ります。平均より大きく離れたプラス側のデータが多いほどプラスに、逆にマイナス側に離れたデータが多いほどマイナスの値になる、という仕組みです。

実際の投資分析で歪度を計算する際の具体的な方法をまとめます。

Excelのみで計算できます。株式の日次リターンデータをExcelに貼り付けて`=SKEW()`関数を使えば、数秒で歪度が求められます。たとえば日経平均株価の過去1年の日次リターンを並べて歪度を出すだけで、「このデータは暴落リスクを内包しているか？」を数値で確認できます。

なお、歪度の値の解釈の目安として、絶対値が0.5以下であれば比較的対称な分布とみなすことが多く、1.0を超えると「かなり歪んでいる」と判断されます。ただし同じ歪度でもデータ数や外れ値の影響を受けやすい点には注意が必要です。

歪度の意味・解釈と求め方（3乗で計算する理由、グラフで見る歪度の形状変化を詳しく解説）

歪度（スキューネス）が示す「正規分布の限界」と実際の金融データ

ボラティリティ（標準偏差）やシャープレシオを中心においたリスク管理は、暗黙のうちに「リターンは正規分布に従う」という前提を置いています。しかし現実の金融データはほぼ例外なくこの前提を裏切ります。

意外ですね。

財務省が公表している2000年〜2019年の日次データを使った分析によると、国債先物の歪度（スキュー）は約−0.575、尖度（カートシス）は約9.02という値になっています。これは正規分布（尖度＝3）と比べると、極端に裾が厚い分布であることを示します。「100年に一度のクラッシュ」が正規分布の想定より遥かに高い頻度で起きる理由が、まさにここにあります。

株式リターンのデータも同様です。日経平均株価の収益率分布を計算すると、歪度はマイナス（左裾が長い）、尖度は3を大幅に超えるファットテールの分布を示すことが知られています。これは「暴落は急落するが、急騰は相対的に緩やか」という市場の非対称な特性を統計的に表したものです。

正規分布だけが前提だと困ります。正規分布を前提としたリスク計測（VaRなど）は、歪度や尖度を無視しているため、実際のテールリスク（極端な損失が発生する確率と規模）を大幅に過小評価する可能性があります。リーマンショックのような事態が「ほぼ起こりえない確率の事象」として計算上は扱われてしまうのはこのためです。

リスク管理において「シャープレシオが高いから安全」と判断することには、一定の落とし穴があります。シャープレシオはリターンの平均と標準偏差しか考慮しておらず、歪度という「分布の歪み」を完全に無視しています。シャープレシオが同じでも、負の歪度が大きい戦略は「稀に壊滅的な損失を出すリスク」を抱えているかもしれません。

財務省『ファイナンス』2020年7月号（国債先物・現物国債の実データでスキューとカートシスを計算・解説）

歪度（スキューネス）と「宝くじ銘柄」の罠：正の歪度が生む損失

「一発逆転」の可能性に惹かれて正の歪度が大きい銘柄に集中するのはダメです。

正の歪度が高い銘柄とは、「ほとんどの期間は小さな損失や低リターンだが、稀に大きなプラスリターンが出る」という宝くじのような特性を持つ株のことです。バイオベンチャーや小型成長株などが典型的で、「いつか大化けするかもしれない」という期待感が投資家を引き寄せます。

ここに落とし穴があります。2010年にBoyer・Mitton・Vorkinkが発表した実証研究（Review of Financial Studies掲載）では、「将来の個別銘柄の歪度（idiosyncratic skewness）が高いと予測される株式は、その後のリターンが著しく低い」という結果が示されました。つまり、正の歪度が大きい銘柄は価格が過大評価されており、長期的には市場平均を下回るリターンしか得られない傾向があるというのです。

なぜそうなるのでしょうか？行動ファイナンスの研究者であるBarberis・Huang（2008年、American Economic Review）は、プロスペクト理論の観点から、人間の脳は「低い確率での大きな利益」を過大評価する傾向があると説明しています。多くの投資家がこの「一攫千金」の可能性に殺到することで需要が過剰に高まり、その銘柄の価格が本来の価値以上に吊り上がってしまうのです。結果として、後から投資した人は割高なものを掴まされることになります。

これは使えそうです。銘柄選択の場面でこの視点を使うなら、正の歪度が高い銘柄を購入する際には「市場がすでにその夢を株価に織り込んでいないか」をより厳しくチェックすることが、損失回避につながります。株価の過大評価を確認する基本的な指標として、PER（株価収益率）やPBR（株価純資産倍率）を同業他社と比較することが出発点になります。

歪度（スキューネス）を投資判断に活かす：独自視点「分布の歪みで市場心理を読む」

歪度をリスク管理ツールとして使いこなすと、標準的なボラティリティ指標では見えない市場の「心理の偏り」まで読み取ることができます。これは多くの投資入門書では取り上げられない視点です。

シカゴ・オプション取引所（CBOE）が公表している「SKEW指数」は、まさに市場全体の歪度を指数化したものです。S&P500のオプション取引でプット（下落に備える権利）の需要がコール（上昇に備える権利）を大きく上回るとき、SKEW指数は上昇します。これは市場参加者が「テールリスク（暴落）」を強く警戒していることを示しており、「ブラック・スワン指数」とも呼ばれます。

この指数が100を大きく上回るほど、市場が将来の暴落リスクを強く意識している状態といえます。逆に指数が低い状態では、市場参加者が「当面の安定」に安心しきっているサインかもしれず、むしろ油断に注意が必要なタイミングとも読めます。結論は逆張りの手がかりになるということです。

投資信託やETFを評価する際にも歪度の考え方は有効です。たとえばオルタナティブ投資（ヘッジファンドや不動産ファンドなど）の中には、見かけ上のシャープレシオが高くても、大きなマイナスの歪度（クラッシュリスク）を抱えている商品があります。目論見書や月次レポートにリターン分布の情報があれば、歪度や最大ドローダウンを確認することで、潜在的なリスクをより深く把握できます。

一方で歪度の推定には注意点もあります。歪度は「高次モーメント（3次モーメント）」の統計量であり、データ数が少なかったり外れ値が1つでも混入すると、推定値が大きく変わってしまう不安定さがあります。週次データ1年分（約52データ）程度では信頼性が低く、日次データで最低でも数年分のサンプルを確保することが理想的です。