公的年金ファンドをより透明化するためのレシピ

公的年金ファンドをより透明化するためのレシピ

ノルウェーの年金を例にして、米国の年金がより透明になり、受益者や一般の人々の信頼を取り戻すための迅速で簡単な方法をご紹介します。

Wilshire Associatesのレポートによると、2020年度末の米国の州年金制度の推定総資金調達比率は、前年度の72.7%から70%に低下しました。この資金不足の比率により、資金不足の総額は 1.394兆ドルになります。

しかし、米国の州年金ファンドを悩ませている問題は、慢性的な資金不足だけではありません。フォレンジック調査により、ペンシルベニア州、カリフォルニア州、テネシー州、ロードアイランド州、ノースカロライナ州、そして最近ではオハイオ州などの州の公的年金が透明性を放棄していることが明らかになりました。さらに、FBIはペンシルベニア州公立学校の従業員退職制度(PSERS)の調査を開始し、この年金制度内で犯罪行為があった可能性があることを示唆しています。

これらの事実より、米国の公的年金ファンドに対する透明性を担保するためには、ファンドが過去にとってきたリスクを特定ことが緊急に必要であるという主張を裏付けています。そのためには、過去のリターンがリスクエクスポージャに見合っているかどうかを評価し、そして現在のリスクレベルが各ファンドのそれぞれのリスク許容度に適しているかどうかを判断することが必要です。

ノルウェーのソブリンウェルスファンド(Norges)は世界最大($ 1.3T USD AUM)ですが、一部の米国の公的年金とは異なり、透明性の世界的リーダーとしても広く認識されています。最も重要なことは、彼らは情報公開の一部として月次のファンドパフォーマンスの数値を公表していることです。これは年金ファンドにとって珍しいステップです。このような月次パフォーマンスは、ポートフォリオ内(ポートフォリオマネジメント意思決定)とポートフォリオ間(年金アセットマネージャーの意思決定)の両方でさまざまなアロケーションが行われ、数百とは言わないまでも数十の個別ポートフォリオのコンポジットを表します。そして、すべてのアロケーションの動きがそのようなコンポジットへブレンドされているファンドに、リターンのみからトップレベルのアロケーション情報の回復を可能にする技術があります。

投資ポートフォリオを分析するこのようなトップダウンの方法は、実際のポジション情報を使用するボトムアップのアプローチとは対照的に、リターンベースのスタイル分析(「RBSA」)と呼ばれます。これは、1980年代後半のノーベル賞受賞者のウィリアム・シャープ教授によって最初に導入され、特定のファンドのパフォーマンス結果を説明または最もよく模倣するシステマティックマーケットファクターの信頼できるポートフォリオを特定しました。RBSAとそのさまざまな形態は、導入以来、伝統的資産とオルタナティブ投資ファンドの両方で、マネージャの投資スタイルを特定するために広く使用されてきました。

しかしながら、オリジナル形式のRBSAの主な欠点は、ファンドの投資スタイルがサンプル期間全体にわたって固定されたままであるということです。ローリングウィンドウの回帰を使用すると欠点はある程度軽減されますが、ポートフォリオの急速な変化を捉えるには不十分であることがわかります。MPIの革新的な動的スタイル分析(DSA)は大幅な改善を表しており、軍隊が迅速に移動するターゲットを追跡するために使用するターゲット追跡技術と同様のフィルタリング技術を使用してポートフォリオの時変エクスポージャを捉え、空間の方向と加速の変化を瞬時に検出するように設計されています 。

このレポートでは、MPIのスタイラスプロの最新のリターンベース手法を使用してファンドの月次リターンを時系列に取り込み、Norgesが開示したものと同様の広範囲かつ正確なアロケーション決定への洞察を提供します。不透明な米国の公的年金ファンドへの透明性は、Norgesの例で示される精度で同様に得られることを意味します。

ノルウェーモデル

Norgesは透明性で評判を築いてきました。財務省とNBIMのウェブサイトでは、ファンドの投資パフォーマンス、ガバナンス、責任投資方針などを詳述した出版物の広範なリストを利用できます。これらの出版物は、英語とノルウェー語で入手できます。

Norgesの透明性を真に際立たせているのは、さまざまな通貨で月次のファンドリターンを提供し、アセットクラスごとに分類していることです。これらの資料を確認することで、ノルウェーのソブリンウェルスファンドである「ノルウェーモデル」の明確な投資特性を要約することができます。これは、リターンベースのスタイル分析にとっての完璧な裏付けとなります。

  • ノルウェーはほぼ独占的に上場証券に依存しています。つまり、ノルウェーのアセットアロケーションは、簡単に一般的な市場指数にマッピングできます。
  • ノルウェーのポートフォリオにおけるアクティブ運用の割合は最小限です。これは、ファンドがベンチマークに対する非常に小さなトラッキングエラーによって制約されているためです。
  • これは、ファンドのリターンの大部分がその投資スタイルによって説明できることを意味します。年次コンポジットレポートのみを公開するアイビーリーグ大学基金とは異なり、Norgesはコンポジットとアセットクラスの両方の月次パフォーマンスデータを提供します。
  • ファンドの過去のアセットアロケーションに関してNorgesが提供する透明性は、リターンベースの分析の正確さを検証するために使用することができます。

データ、スタイルマップ、モデル

以前に説明したように、Norgesは1998年に遡って、ポートフォリオ内の公的証券の月次時系列のリターンを米ドルベースで提供します。これには、ポートフォリオのプライベート不動産のアロケーションは含まれません;しかし、2020年にはプライベート不動産のアロケーションはポートフォリオ全体の2.5%に過ぎず、ファンドは2011年4月に初めてプライベート不動産を購入しただけでした。したがって、この分析には2011年4月までのすべてのNorgesのポートフォリオと2011年4月以降の実質的にすべてのポートフォリオが含まれます。

ファンドはその配分について完全な透明性を提供しますが、ヨーロッパ、米国、アジア、および新興市場にわたる株式および債券投資を伴う複雑な投資ポートフォリオを表していることを忘れてはなりません。優れたスタイル分析を実行するには、最初にポートフォリオアセットクラスを分類する包括的なスタイルマップ、次に地域、そしてファクターの構造を構築する必要がありました。これにより、ファンドのアセットアロケーションにおけるトップレベルの変更を確認し、地域ごとの個々のエクイティファクターにドリルダウンすることができます。

トップレベルのアセットアロケーションのカテゴリーは次のとおりです。

  • Developed Europe Equity 先進国欧州株式
  • Developed North America Equity 先進国北米株式
  • Japan Equity 日本株式
  • Developed Asia Pacific ex-Japan Equity 先進国アジア太平洋(日本除く)株式
  • Emerging Equity 新興国株式
  • Global Bonds グローバル債券

北米株式では、これをさらにサイズ(ラージ、ミドル、スモールキャップ)とスタイル(バリューとグロース)に分類します。グローバル債券については、これをさらに米国国債、米国社債、米国除くグローバル国債、および米国除くグローバル社債に分類します。これにより、これら3つの主要なアセットクラスのそれぞれで発生する動的なアセットアロケーションを把握できます。

私たちの分析では、動的スタイル分析(DSA)を利用します。これは、段階的なスタイルのドリフトや戦略の急速な変化など、投資ポートフォリオのダイナミクスを検出する際の既存のマルチファクターモデルの欠点を克服します。ローリングウィンドウの回帰とは異なり、DSAでは多数のファクターを使用すると同時に、モデルの過剰適合を制御することもできます。このようなアプローチの目的は、分析されたポートフォリオのパフォーマンス(私たちの場合ではNorgesのトラックレコード)を厳密に模倣(複製)するファクター/インデックスの動的ポートフォリオを決定することです。

ファクターモデルの品質

動的分析には、23年間の月次データと22のインデックスを使用しました。通常、時系列が短いほど、使用できるファクターの数は少なくなります。動的な「ウィンドウのない」モデル(DSA)の利点は、多数のファクターを使用できることです。分析の全体的な品質は非常に高く、決定係数は99.96%で、予測される決定係数 1)予測されるスタイルの決定係数(PR2)メトリックは、ファクターモデルを使用して、ファクターモデルが後続の各期間のパフォーマンスをどれだけうまく予測(推定)できたかを示します。予測されるリターン(前の各期間のファクターエクスポージャを使用)と実際のリターンの差は、PR2メトリックで定量化されます。この比較を行うために、「インサンプル」(R2)と「アウト・オブ・サンプル」(PR2)というフレーズが一般的に使用されます。MPIのPR2計算手法は機械学習から借用されており、予測可能性を最大化するファクターのサブセットを選択するための最適化の一部としてよく使用されますは99.86%です。これにより、ファンドの一般的な投資マンデートが検証されます:Norgesは主に取引可能な株式と債券に投資されており、ベンチマークインデックスに対するトラッキングエラーは限られています(したがって高い決定係数)。このような高い決定係数は一般に、ファクタートラッキングポートフォリオに対して非常に低いトラッキングエラーで現れます。上記のチャートで確認できます–ここで、スタイル(ファクターポートフォリオ)はトータル(Norgesのコンポジットパフォーマンス)と一致します。

結果–幅広い投資スタイル

上記のすべてのファクターを使用して分析を実行しました。そして、結果として得られたエクスポージャを幅広いアセットクラスごとに集計して、Norgesのアロケーションの進展に関する概要を提供しました。下のグラフは、私たちの分析がNorgesの投資ストーリーの1つの主要な傾向、つまり、時間の経過に伴う債券から株式への一般的な動きを捉えていることを示しています。それぞれの色のエリアは、特定のアセットに対するDSA推定の過去のエクスポージャを表し、すべてのエクスポージャで100%となります。1998年の初めには、株式エクスポージャの合計はわずか30%で債券はポートフォリオ全体の70%を占めていました。2020年の終わりにはアロケーションは逆転し、すべての株式エクスポージャはポートフォリオの70%を超えました。

株式と債券の間のこのダイナミクスは、以下の補足折れ線グラフでさらに強調されています。ここでは、すべての株式エクスポージャをグローバル株式に集約し、すべての債券エクスポージャをグローバル債券に集約しています。興味深いことに、このファンドは2007年から2008年の金融危機後も、株式エクスポージャを増やし続けました。

この集計の段階では、モデルの結果を、ポートフォリオが時間の経過とともにどのように変化したかについてNorgesが報告した結果と比較できます。ドキュメント「Investing with a Mandate」には、これらのポートフォリオの変更と、これらの変更が行われた期間の詳細が記載されています。さらに、それらのウェブサイトはファンドの変遷概要を提供します。ポートフォリオのスタイルマップを、両方の参照から適切な抜粋とともに以下に示します。

スタイルポートフォリオが、Norgesがポートフォリオで行っていたことと非常によく一致していることがわかります。

株式および債券内の投資スタイル

私たちのスタイルマップもまた、株式と債券のアロケーション内の変化を包括的に調査することを可能にします。以下の線グラフは、それぞれ株式ポートフォリオと債券ポートフォリオ内の再スケーリングされたウェイトを示しています。株式内では、すべての株式に占める欧州の株式へのアロケーションが1998年以降減少しており、アロケーションは約55%から始まっていますが、一時60%に増加し、その後、現在の30%台半ばまで減少します。この欧州株のウエイト低下は、北米株のウエイトが約30%から40%台半ばに上昇したことで大幅に相殺されました。1998年の日本株式はポートフォリオの約10%を占めています。2010年には5%に減少し、現在は10%の範囲です。この23年間で、新興国株式への株式のアロケーションは、ゼロから10%の範囲のアロケーションになりました。これらの変化は、欧州および先進国市場への傾斜から、よりグローバルな時価総額加重配分への動きを反映しています。

Norgesのポートフォリオの債券部分を分析すると、1998年には、ポートフォリオの債券の約60%がソブリン債であり、米国以外の政府債へ集中していることがわかります。そして、GFC(世界金融危機)時には米国以外の社債が70%と劇変し、その後、米国政府および政府機関債に40%、さらに米国以外の社債に40%へと変化しました。

株式スタイルのダイナミクスと市場ベンチマーク

下のチャートは、Norgesの欧州株式ポートフォリオを、MSCI Europe All Cap Index(欧州の時価総額加重指数のポートフォリオ)と時系列で比較しています。チャート内では、直近のデータポイントが大きなシンボルとして表示されます。MSCI Europe All Cap Indexは設計上、バリューとグロースの中立的な位置に推移し、大型株にティルトしているのが分かります。Norgesの欧州ポートフォリオの推移は、大型株のグロースから始まり、わずかにバリューにシフトし、中型株と小型株に移行したことを示しています。 そして2020年までに、NorgesのポートフォリオはMSCI Europe All Cap Index(欧州の時価総額加重指数)に非常によく似た動きとなっています。

北米株式のチャートでは、Norgesが大型バリューから始まり、直近では、そのコンポジットエクスポージャがコアと中型株に近づいたことを示しています。 2020年には、ポートフォリオはバリューとグロースに対して中立的なエクスポージャを持っていましたが、わずかに中小株にティルトしました。

このように、月次のコンポジットリターンの時系列を分析することで、幅広いアセットアロケーションだけでなく、各アロケーション内のスタイル、セクター、または国への偏りについても洞察を得ることができます。これは月次ポートフォリオのディスクロージャを必要とすることのない、究極の透明性です。

おわりに

Norgesを例としたリターンベースの分析により、大規模で複雑な投資ポートフォリオに関する詳細情報を簡単に明らかにできることがわかります。同様に年金ポートフォリオについても、月次のコンポジットリターンのみを使用して実行でき、目標ベンチマークの妥当性とその配分決定のタイミング、意図的または意図的でないスタイル、リスクの偏りに透明性をもたらします。

そして、引き続き行うレポートでは、このようなスタイルポートフォリオを作成することで、Norgesのパフォーマンスに関する疑問点をより深く考察できることを説明します。我々が注目する最も興味深いトピックのいくつかは、Norgesがスタイルポートフォリオに対するアルファを生成する能力です。つまり、どうしてベンチマークとスタイルポートフォリオに対するトラッキングエラーがGFC(世界金融危機)期間に大きく乖離したのか?Norgesのリスクが時間の経過とともにどのように変化したか?どうしてGFC(世界金融危機)を想定した今日の期待損失が、実際にGFCで経験した損失よりも高いのか?などです。そのためNorgesの実際のパフォーマンスに関する調査結果と我々の回帰によるリターンベースのスタイル分析の結果を対比させて調査を行います。

投稿   [ + ]

1. 予測されるスタイルの決定係数(PR2)メトリックは、ファクターモデルを使用して、ファクターモデルが後続の各期間のパフォーマンスをどれだけうまく予測(推定)できたかを示します。予測されるリターン(前の各期間のファクターエクスポージャを使用)と実際のリターンの差は、PR2メトリックで定量化されます。この比較を行うために、「インサンプル」(R2)と「アウト・オブ・サンプル」(PR2)というフレーズが一般的に使用されます。MPIのPR2計算手法は機械学習から借用されており、予測可能性を最大化するファクターのサブセットを選択するための最適化の一部としてよく使用されます