Fable 5から考えるAGI時代の株価形成: 「正しい価格」への瞬間調整とショックの自己増幅
今回は少し趣向を変えて、本業に近い数理的な思考実験をお届けします。
Anthropicは2026年6月9日、同社が一般提供したモデルの中で最も高性能とするClaude Fable 5を発表しました。
Fable 5は、ソフトウェア開発だけでなく、文書に基づく推論、表やチャートの解釈、期待値分析などでも高い性能を示したとされています。特に興味深いのは、金融分析との相性です。
企業の決算資料、カンファレンスコール、財務データ、競合企業の情報、ニュースなどをまとめて読み込み、従来は人間のアナリストが時間をかけて行っていた分析を、短時間で処理できる可能性があります。
API価格は、入力100万トークンあたり10ドル、出力100万トークンあたり50ドルと発表されました。単純計算では、決算資料やカンファレンスコールなど、合計50万トークンの資料を入力しても、入力コストは約5ドルです。
もちろん、AIへ資料を渡すだけで正しい投資判断が得られるわけではありません。それでも、機関投資家と個人投資家の間に存在していた情報処理能力の格差が、かなり小さくなる可能性はあります。
なお、Fable 5は6月12日、米国政府の指令を受けてアクセス停止となりました。
この記事では、この措置の是非を論じるつもりはありません。重要なのは、Fable 5のような高度な分析能力を持つAIが、一般提供を想定した価格まで降りてきたということです。
Fable 5自体をAGIとは未だほど遠い状態にあります。私自身停止前に使用して壁打ちを行ったのですが、メタ認知能力、処理能力は非常に高く、Opus 4.8やGPT-5.5と比較して上昇していることは感じます。一方、アイデア出しなどは割と平凡なものが多く、独創性、創造性についてはそこまで上昇していないような印象を受けました。
しかし、さらに高性能なAI、ひいてはAGIに近い分析能力を誰もが利用できるようになった時、株式市場がどう変化するかを考えるきっかけにはなると思います。
私の仮説は、次のようなものです。
AGI時代には、平常時の小さなミスプライスは減る。一方、重要な情報が出た瞬間には、株価が新しい「妥当な」価格へ一気に移動する。さらにAI同士の判断が同調すれば、株価はその妥当価格を大きく通り越して変動する可能性がある。
つまり、単純に高ボラティリティになるというより、
普段は静かだが、ショック時には極端に速く、大きく動く市場
になるのではないでしょうか。
※本記事は市場構造に関する筆者の思考実験であり、特定の金融商品や売買行動を推奨するものではありません。
現在の市場も、すでに機械が動かしている
現在の株式市場も、人間が注文板を見ながら、一件ずつ手作業で売買している市場ではありません。
注文の送信、取引所の選択、大口注文の分割、マーケットメイク、市場間の裁定など、多くの処理はすでにアルゴリズムによって自動化されています。米SECの報告書でも、アルゴリズム取引は米国株市場へ広く浸透していると整理されています。
平常時には、こうした自動化が売買コストを下げ、市場の流動性や価格効率を改善する一方、異常なストレス局面を増幅する可能性も指摘されています。
ただし、現在の自動化と、将来のAGI時代の市場には大きな違いがあります。
これまで主に自動化されてきたのは、
どの価格でどの取引所へ送るか
大口注文をどのように分割するか
市場間のアービトラージ（価格差）をどう裁定するか
短期的な注文フローへどう反応するか
といった、注文執行の部分でした。
これに対して、高性能AIが本格的に金融市場へ入ると、投資判断そのものが自動化されます。
決算資料を読む
EPS成長率を予測する
粗利率や受注の変化を抽出する
経営陣の発言の変化を検出する
競合企業と比較する
市場のコンセンサスを推定する
将来のキャッシュフローを計算する
保有ポジションのリスクを調整する
人間のアナリストが数時間から数日かけていた分析を、AIが数秒から数分で行うようになるかもしれません。
AGI時代に起きるのは、単なる取引速度の高速化ではありません。
企業分析、企業価値の再計算、リスク管理、注文執行までの全過程が、ほぼリアルタイムで接続される
という変化です。
AGIは市場を「パレート最適」に近づけるのか
誰もが同程度の高性能AIを使えるようになれば、投資家間の情報処理能力の差は縮小します。
EPS成長率、ガイダンス、金利、競争環境、ニュース、アナリスト予想との差などが、ほぼ同時に解析されるからです。
この状態を、比喩的には「市場がパレート最適に近づく」と表現したくなります。
ただし、経済学におけるパレート最適とは、誰かの効用を悪化させずに、別の誰かの効用を改善できない状態を指します。
株価形成については、
共通の情報集合に対する、より情報効率的な競争均衡へ近づく
と表現する方が正確です。
現在でも、大型株について公開情報だけから継続的に超過収益を得ることは簡単ではありません。
AGIが普及すれば、
決算資料を速く読める
財務指標を正確に計算できる
同業他社と比較できる
市場予想との差を発見できる
といった能力は、ほとんど差別化要因ではなくなるでしょう。
特に大型株では、「明らかに割安」「明らかに割高」という状態が、今以上に短時間で消える可能性があります。
しかし、ここで重要なのは、
効率的な市場と、安定した市場は同じではない
ということです。
平常時の市場は静かになる
企業に新しい情報が出ていない平常時には、多数のAIが小さな価格の歪みを発見し、反対売買を行います。例えば、ある銘柄の株価が妥当価格よりわずかに安ければ、複数のAIが買います。反対に、わずかに高ければ売ります。
こうした裁定が高速化すれば、
小さなミスプライスが早く消える
大型株の個別ノイズが小さくなる
売買スプレッドが縮小する
決算以外の期間の値動きが穏やかになる
単純な公開情報から得られる超過収益が減る
と考えられます。
市場参加者が多く、流動性が厚い大型株ほど、個々の投資家による小さな売買の影響は平均化されます。
AGIが情報処理能力を均質化すれば、大型株の平常時の価格は、現在よりも狭い範囲で動くようになるかもしれません。
ショック時には株価が一瞬で飛ぶ
一方、決算、金融政策、戦争、規制、技術革新などによって、企業価値の前提そのものが変わる情報が出た場合はどうでしょうか。
例えば、決算発表によって、
EPS成長率が今後大きく鈍化する
ガイダンスが市場予想を下回る
粗利率の低下が一時的ではない
設備投資サイクルがピークアウトする
規制によって将来利益が減少する
という事実が明らかになったとします。
多数のAIは、新しい情報をほぼ同時に読み取ります。
人間が資料を読み、財務モデルを更新し、投資委員会で議論してから注文を出す市場では、売買判断が数時間から数日に分散していました。
しかし、AGI時代には、その時間差がほとんど失われます。
例えば、ある企業の妥当価格が、新しい情報によって100ドルから80ドルへ低下したとします。
従来であれば、株価は100ドルから95ドル、90ドル、85ドルと、時間をかけて新しい水準へ近づいたかもしれません。
AGI時代には、発表直後に多数のモデルが80ドル前後という評価へ到達し、株価も短時間でその付近へ移動する可能性があります。
つまり、
株価が徐々に下落するのではなく、古い価格から新しい妥当価格帯へジャンプする
市場です。
なぜAIは同じ方向へ動くのか
全員が同じAIを使っていても、必ず同じ売買を行うとは限りません。
投資家によって、
投資期間
リスク許容度
レバレッジ
保有ポジション
税制
ベンチマーク
資金流出入
取引規制
が異なるからです。
それでも、ショック時には判断が同じ方向へ偏りやすくなります。
企業価値の分析だけでなく、リスク管理ルールにも共通性があるためです。
株価が大きく下落すると、
ボラティリティが上昇する
推定されるポートフォリオのリスク量が増える
リスク上限を守るためにポジションを減らす
売却によって株価がさらに下落する
別のAIも追加でポジションを減らす
という連鎖が起こります。
さらに、
移動平均線の割り込み
VaR(Value at Risk)の上昇
証拠金の増加
トレンドシグナルの悪化
オプションのヘッジ取引
ETFやファンドからの資金流出
なども追加の売却を誘発します。
重要なのは、最初の悪材料だけではありません。
最初の売りが、次の売りを生み出す
という、市場内部の自己増幅です。
妥当価格へ飛んでも、そこで止まるとは限らない
AGIが企業価値を高い精度で計算できるとしても、株価が妥当価格へ滑らかに着地するとは限りません。
先ほどの例で、決算後の妥当価格が80ドルになったとします。
多数のAIが売却すれば、株価は100ドルから80ドルへ短時間で移動するでしょう。
しかし、80ドルへ到達した時点でも、すでに出された売り注文や、価格下落によって誘発された追加注文が残っています。
その結果、株価は80ドルで止まらず、
75ドル
70ドル
場合によっては60ドル
まで一時的に下落する可能性があります。
その後、企業価値に対して割安になったことを別のAIが検出し、買い注文を出します。
最終的には80ドル前後へ戻るとしても、その途中では大きなオーバーシュートが発生します。
AGI時代の典型的な価格調整は、
新しい情報が発表される
妥当価格が即座に更新される
株価が新しい価格帯へジャンプする
同調した注文によって妥当価格を通り越す
割安・割高を検出したAIが反対売買を行う
新しい価格帯へ収束する
という形になるかもしれません。
AGIは、株価をより速く正しい方向へ動かします。しかし、それが常に正しい大きさで動かすとは限らないということです。
AGI時代に人間の投資家へ残る優位性
誰もが高性能AIを利用できるようになれば、「決算資料を速く読む」だけでは優位性になりません。
企業の決算を要約し、EPS成長率を計算し、ガイダンスを比較する能力はコモディティ化します。
それでも、人間の投資家に優位性が残る可能性はあります。
異なる時間軸を持つ
短期のAIが一斉に売っていても、企業の長期的な価値が変化していなければ、長期投資家には機会となる可能性があります。
数分先を最適化するAIと、10年先の企業価値を見るAIで、投資家によって、同じ情報に対する行動が異なります。短期で査定を受ける機関投資家と、資産形成の期間がそれぞれある個人投資家ではリスク・リターンの最適化戦略が同じとは限りません。
現金余力を持つ
市場参加者が一斉にレバレッジを落としている時に買えるのは、売却を強制されない投資家です。
AGI時代には、平常時の現金は機会損失に見えても、ショック時には大きなオプション価値を持つかもしれません。
AIの行動を予測する
もしかすると重要になるのは、企業価値だけではなく、
他のAIが、その情報をどう解釈し、どのような注文を出すか
を予測することです。
投資は企業分析だけでなく、AI同士の行動を読むメタゲームへ近づく可能性があります。ある意味囲碁や将棋のような、完全情報ゲームにおける戦略と近しくなると面白いと思います。
判断の多様性を維持する
同じモデル、同じデータ、同じリスク管理を使えば、他の市場参加者と同じタイミングで売買することになります。
AGIを使うこと自体ではなく、
異なるデータを与える
異なる時間軸を重視する
異なる目的関数を設定する
AIの結論へ人間が反証を加える
ことが差別化要因になるかもしれません。
この仮説が正しければ何が観測されるか
この議論は、現時点では思考実験です。
ただし、いくつか検証可能な予測があります。
決算後の価格調整時間が短くなる
決算発表から、株価が新しい水準へ到達するまでの時間が短縮します。
従来は数日かけて織り込まれていた情報が、数分、数秒単位で反映される可能性があります。
平常時の大型株のノイズが減る
市場やセクターの値動きを除いた個別株の残差ボラティリティは、特に大型株で低下する可能性があります。
ショック時の銘柄間相関が高まる
多数のAIが共通のマクロリスクやリスク管理シグナルへ反応すれば、業種の異なる銘柄まで同時に売られるようになります。
価格ジャンプが増える
株価が連続的に動くのではなく、重要なニュースの直後に大きなギャップが発生する頻度が増えるかもしれません。
オーバーシュートと急反発が増える
同調した注文によって妥当価格を通り越した後、割安を検出したAIが買い戻せば、反発も現在より速くなる可能性があります。
価格発見と市場安定化の時間が分離する
新しい情報が株価へ織り込まれる時間は短くなる一方、出来高やボラティリティが平常状態へ戻るまでの時間は、むしろ長くなる可能性があります。
数理的な補足：Hawkes過程と緩和時間
ここからは数式を使った補足です。関心のない方は「最後に」まで読み飛ばしても、記事の結論には影響ありません。
平常時の注文が互いに独立に近ければ、多数の買い注文と売り注文は平均化されます。
市場参加者と流動性が多い大型株ほど、ランダムな売買による相対的な価格ノイズは小さくなると考えられます。
しかし、実際の市場では、一つの注文が次の注文を誘発します。
このようなイベントの自己励起性は、Hawkes過程によって、
$$
\lambda(t)=\mu
+
\int_{-\infty}^{t}
\phi(t-s),dN(s)
$$
と表現できます。
ここで、
$${\lambda(t)}$$：時刻$${t}$$における注文の発生強度
$${\mu}$$：過去の注文とは無関係に発生する基礎的な注文
$${N(t)}$$：時刻$${t}$$までに起きた注文イベント
$${\phi(t)}$$：過去の注文が次の注文を誘発する効果
です。
一つの注文が平均して$${n}$$件の追加注文を誘発するとします。
$${n}$$は分岐比と呼ばれ、$${n}$$が1へ近づくほど、一つのショックから発生する注文クラスターは大きくなります。
クラスター全体の期待注文数は、
$$
1+n+n^2+\cdots\frac{1}{1-n}
$$
です。
例えば、
$${n=0.50}$$なら平均2件
$${n=0.80}$$なら平均5件
$${n=0.95}$$なら平均20件
$${n=0.99}$$なら平均100件
の注文クラスターになります。
一つのニュースから始まった売却が、多数の追加売却を生み出す構造です。
指数型の励起を仮定すると、ショック後の注文フローが平常状態へ戻るまでの実効的な緩和時間は、
$$
\tau_{\mathrm{H}}=\frac{\tau_0}{1-n}
$$
と表せます。
$${\tau_0}$$は、個々の投資主体が注文を出す基本的な反応時間です。
AGIは情報処理を高速化するため、
$$
\tau_0
\downarrow
$$
となります。
一方、多数の投資家が似たAIとリスク管理を使えば、注文の自己励起性が高まり、
$$
n
\uparrow
$$
となる可能性があります。
例えば、AGI導入前に、
$$
\tau_0=1\text{分},
\qquad
n=0.80
$$
であれば、
$$
\tau_{\mathrm{H}}=\frac{1}{1-0.80}=5\text{分}
$$
です。
AGIによって個々の反応時間が10倍速くなり、
$$
\tau_0=0.1\text{分}
$$
となったとしても、判断の同調によって、
$$
n=0.99
$$
となれば、
$$
\tau_{\mathrm{H}}=\frac{0.1}{1-0.99}=10\text{分}
$$
です。
個々のAIは10倍速く反応しているにもかかわらず、市場全体が平常状態へ戻る時間は2倍になります。
つまり、
新しい価格を発見するまでの時間は短くなるが、市場が完全に落ち着くまでの時間は長くなる
可能性があります。
これが、
高速な価格発見と、長い緩和時間
というAGI時代の市場の特徴です。リーマンショックなどは数ヶ月のスケールで続きましたが、未来のショックではこのタイムスケールが短くなり、回復にも何十年とかかる、というようになるのでしょうか？
最後に
Fable 5自体は全くAGIと呼ぶことはできません。しかし、大量の企業資料、決算、チャート、ニュースを統合して分析できるAIが、一般利用を想定した価格まで降りてきたことは、将来の金融市場を考えるうえで重要です。
AGIが普及すれば、情報処理能力の格差は縮小します。平常時には、小さなミスプライスが短時間で消え、特に大型株の値動きは現在より静かになる可能性があります。
しかし、決算、金融政策、規制、地政学などの重要なショックが起きれば、多数のAIが新しい情報をほぼ同時に解析します。株価は数日かけて新しい水準へ移動するのではなく、その時点の情報と将来予想に整合的な「妥当価格帯」へ、一瞬でジャンプするかもしれません。
ただし、すべてのAIが似た判断を行えば、価格は妥当水準で止まりません。最初の売却が次の売却を誘発し、損切り、リスク縮小、トレンドフォロー、ヘッジ取引が連鎖すれば、株価は妥当価格を大きく通り越します。
AGI時代に起こるのは、単純な高ボラティリティ化ではないと考えています。むしろ、
平常時の連続的なノイズは小さくなる
情報ショック後の価格ジャンプは大きくなる
妥当価格からのオーバーシュートが増える
価格発見後も出来高とボラティリティが長く残る
という、よりファットテールな市場へ変化するのではないでしょうか。
言い換えれば、
AGIは株価を正しい方向へ、現在より速く動かす。しかし、正しい大きさで動かすとは限らない。
AGI時代の市場は、普段は極めて静かでありながら、重要な情報が出た瞬間に価格が飛び、時には妥当価格を大きく行き過ぎる市場になる可能性があります。
効率的な市場と、滑らかで安定した市場は同じではありません。
むしろ、情報処理能力が均質化する時代ほど、市場参加者の時間軸、目的関数、リスク許容度の多様性が、市場の安定にとって重要になるのかもしれません。
いいなと思ったら応援しよう！
この記事は noteマネー にピックアップされました
