「リスクとリターン」および「分散と共分散」は、金融工学や現代ポートフォリオ理論(MPT)の根幹をなす統計学のエッセンスです。
欧米の金融教育やアナリスト実務で重宝されてきた HP 12c(RPN金融電卓) は、2変数の統計レジスタを内蔵しており、この理論(期待値・標準偏差・相関・共分散)を最小限の手順で電卓のスタック操作に落とし込むことができます。
1. 理論と HP 12c 機能の対応関係
| 章・テーマ | 理論上の概念 | 数式定義 | HP 12c の操作・キー |
| 第4章 リスクとリターン | 期待リターン(平均) | \(\bar{X} = \frac{1}{n}\sum X_i\) | g x̄(キー 0) |
| リスク(標本標準偏差) | \(s_X = \sqrt{\frac{\sum (X_i – \bar{X})^2}{n-1}}\) | g s(キー .) | |
| 第12章 分散と共分散 | 相関係数 | \(r_{XY} = \frac{Cov(X,Y)}{s_X s_Y}\) | g r(キー 2) |
| 共分散 | \(Cov(X,Y) = r_{XY} \cdot s_X \cdot s_Y\) | \(r\) と \(s_X, s_Y\) の乗算 | |
| ポートフォリオ分散 | \(\sigma_P^2 = w_A^2 \sigma_A^2 + w_B^2 \sigma_B^2 + 2w_A w_B \sigma_{AB}\) | RPNスタックによる四則演算 |
2. HP 12c を使った要約と実践ステップ
HP 12c は、データを \(Y\)(資産A)と \(X\)(資産B)のペアとして一度登録するだけで、1変数と2変数の統計量を同時にメモリへ蓄積します。
ステップ 0: 統計レジスタの初期化
計算前に、前回のデータを消去します。
[f] [CLEAR Σ] (画面に 0.00 が表示)
ステップ 1: データ入力
各期(年次・月次など)の「資産Yのリターン」と「資産Xのリターン」を順番に入力します。
- 入力構文:
[資産Yの値][ENTER][資産Xの値][Σ+]
例(3期間のリターンデータ):
- 第1期: 資産Y = 10%, 資産X = 6%
- 第2期: 資産Y = 14%, 資産X = 12%
- 第3期: 資産Y = 6%, 資産X = 3%
10 [ENTER] 6 [Σ+] → 表示: 1.00 (データ件数 n=1)
14 [ENTER] 12 [Σ+] → 表示: 2.00 (データ件数 n=2)
6 [ENTER] 3 [Σ+] → 表示: 3.00 (データ件数 n=3)
ステップ 2: 第4章「リスクとリターン」の算出
1変数の統計量として、それぞれの期待リターン(平均)とリスク(標準偏差)を取り出します。
- 期待リターン(平均値 \(\bar{X}, \bar{Y}\)):
[g][x̄]→ 資産Xの平均リターン(\(7.00\%\))が表示されます。- 続けて
[x≷y](レジスタ交換キー)を押すと、スタックのYに入っていた資産Yの平均リターン(\(10.00\%\))が表示されます。
- リスク(標本標準偏差 \(s_X, s_Y\)):
[g][s]→ 資産Xの標準偏差(リスク)(\(4.58\%\))が表示されます。- 続けて
[x≷y]を押すと、資産Yの標準偏差(リスク)(\(4.00\%\))が表示されます。
第4章の要約ポイント:
アナリスト理論では、過去データから推計する場合に自由度を考慮した「不偏分散・標本標準偏差(n-1 で割る形)」を採用します。HP 12c の
[g][s]は自動的にこの標本標準偏差(Sample Standard Deviation)を算出するため、公式の定義と一致します。
ステップ 3: 第12章「分散と共分散・相関」の算出
2変数の関係性を把握し、ポートフォリオのリスク低減効果(分散投資効果)を分析します。
- 相関係数(\(r_{XY}\))の算出:
0[g][r](キー2の青字機能)を押します。[x≷y]画面に相関係数 \(r\)(この例では約 \(0.98\))が表示されます。
- 共分散(\(Cov(X,Y)\))の導出:HP 12c には単独の「共分散キー」はありませんが、関係式 \(Cov(X,Y) = r_{XY} \cdot s_X \cdot s_Y\) を利用してRPNの連続計算で即座に導出できます。
[g] [r] (相関係数 r を表示) [g] [s] (資産Xの標準偏差 s_X を呼び出し) [×] (r × s_X を計算) [x≷y] (裏にある s_Y を手前に持ってくる) [×] ((r × s_X) × s_Y = 共分散 Cov(X,Y) が確定) - ポートフォリオ分散・リスクへの展開:組み入れ比率を \(w_A, w_B\) としたとき:
\[\sigma_P^2 = w_A^2 \sigma_A^2 + w_B^2 \sigma_B^2 + 2w_A w_B Cov(A,B)\]相関係数 \(r < 1\) である限り、右端の交差項が抑えられ、ポートフォリオ全体のリスクは各資産の単純加重平均よりも小さくなります(マーコウィッツの分散投資効果)。
3. まとめ:「数学脳」を鍛える電卓演習として
金子先生が説く「紙とエンピツと電卓を持ち、数式の導出を身体で覚える(体育会系的な反復)」というアプローチにおいて、HP 12c は最適なパートナーです。
- 第4章の核心: リターン(中心傾向=期待値)とリスク(ばらつき=標準偏差)を把握する。
- 第12章の核心: 資産間の連動性(共分散・相関係数)を捉え、1+1が2未満のリスクになる分散効果を数式で証明する。
これらをExcelの関数任せにせず、HP 12c でデータを Σ+ で蓄積し、x̄, s, r をスタックから引き出して組み立てるプロセスを経ることで、統計公式の構造を直感的に理解できるようになります。