(adsbygoogle = window.adsbygoogle || []).push({});
【S&P500は投資の最適解？】
ここ最近「米国株式（S&P500）へのインデックス投資が最適解」
なんて言葉をよくに耳にします。
確かに、ここ10年程米国株式市場は素晴らしいリターンを残しましたし、
米国企業の良さもちろんよく知っているつもりです。
でも、安易にS&P500が「最適解だ」とか「投資の王道」といった言葉を
私は使いたくないなと思っています。
(adsbygoogle = window.adsbygoogle || []).push({});
【環境によって最適解は変わる（簡単に）】
なぜかといいますと、
環境によって、最適なPF（最適解）というのは全然変わるからです。
下の図は、EAFE（米国およびカナダを除く先進国の株価指数）とS&P500を組み合わせた場合の効率的フロンティアを描いた図です。
1978年~1988年と1988年~1998年までの効率的フロンティア曲線を比べると、10年間で曲線が大きく移動していることがわかります。
例えば、1978年~1988年までの間はEAFEの方がS&P500インデックスよりもリターンが高く、50：50で配分するのが最も効率的なPFでしたが、
次の10年ではS&P500のリターンが好調でEAFEを上回り、80：20で配分するのが最も効率的なPFとなりました。
最適な資産配分の割合（最適解）が、時間や環境とともに変化していることがわかるかと思います。
【S&P500と米国債の効率的フロンティアの変化】
S&P500と米国の債券インデックスとで、
10年毎の効率的フロンティアを表した場合も似たようなことが起こります。
この記事のデータは全て米国人視点という事に注意が必要です。
赤丸のついたグレーのラインが全期間（1950年から2014年）の効率的フロンティアを
その他の色が1950年から10年刻みで表しています。
こちらも10年毎に曲線が大きく動き、最適な配分も変化していることがわかります。
過去10年の最適解が次の10年の最適解とは異なるということがわかります。
(adsbygoogle = window.adsbygoogle || []).push({});
【まとめ】
過去10年、米国株式100％が最適なPFだったからといって、
次の10年、20年も同じであるという保証はどこにもありません。
私はS&P500が大好きなのですが(笑)
盲目的にならず、客観的かつ合理的に考えていくとこが大切だと思います。
やはり、こういう変化や低コストで投資ができるようになったことなどを考えると、
まずは全世界の株式市場に時価総額加重で投資をするのが基本というか、PF造りのベースとなると個人的には思います。
そのうえで、そこから各資産のリスク、リターン、相関などを考えて調整したり、
自身の許容できるリスクの範囲内で、自身の考えや予測を表現して、どこかにウェイトを置いたり、あるいはアクディブな戦略を試したりするのが良いのではないかと思います。
もちろん、手間やコストをかけたり、サテライト戦略を行ったからといって、
必ずしも良いリターンが得られたり、リスク調整後リターンが改善するとは限らないことには注意しましょう。
誤解しないで欲しいのは、
今後10年間、米国株やS&P500がダメになると言っているのではありません。
むしろ、相変わらず日本人であってもある程度は米国株式に資産を配分すべきだと思っています。
まあ、長くなりましたが、
次の10年も米国株式（S&P500）100％のPFが最適解とは限りませんし、
10年後も「投資の王道」なんて呼ばれているかはわかりません。
案外、投資家の中には現金な人もいますから、
リターンが低下していれば、「S&P500はクソ」とか「米国株投資家ざまぁ」なんて言われているかもしれませんね(笑)。
でも、私はVOOに投資を続けたいと思います。
いつもありがとうございます。
もしよかったら、応援クリックよろしくお願いします。
米国株ランキング
上の応援ボタン２つをクリック頂けると、
ものすごくありがたいです。毎日記事を書く励みになります。
「コインチェック」が「新規口座開設」と「入金」した方全員に2500円分のビットコインをプレゼントするキャンペーンを行っています。
実質10～15分で2500円ゲットできるチャンス。
2022年6月30日（木）まで→「コインチェックのHPへ」
2022年7月31日（日）まで
Amazon「【全面改訂 第3版】ほったらかし投資術」
当ブログ内容の無断転載を禁じます。
Source: S&P500ETF（VOO）に投資するりんりのブログ
米国株式（S&P500）へのインデックス投資が、必ずしも投資の王道・最適解とは言い切れない理由
