AQR・クリフ・アスネスが語るアクティブ運用の最前線：モメンタムからAI導入まで
本記事では、グローバルに約1,500億ドル超の運用資産を誇るAQRキャピタル・マネジメントの共同創業者クリフ・アスネス（Cliff Asness）氏へのロングインタビューをもとに、アクティブ運用の意義からモメンタム戦略、市場タイミング、プライベートアセットの潮流、さらには、最新のAI／機械学習導入までを、具体例や実践的な視点を交えながら解説します。投資理論のアカデミア的裏付けと実運用の現場感覚が融合した内容は、個人投資家のみならず、運用プロフェッショナルにも示唆に富むものとなっています。
1. AQRの経済的役割と運用手法
1-1. アクティブ運用の意義
アスネス氏は、AQRの「経済的機能」を単に自社の利益追求ではなく、市場における需給の歪みを解消し、価格を“真の価値”へ近づけることにあると説明します。具体的には、「他の投資家が誤って割安・割高と判断したポジションの裏を取ることで、市場の歪みを是正する」との位置づけです。たとえば、合併・買収（M&A）が発表された直後、理論上の株価上昇分（ポップ）の3/4程度しか反映されないケースがあり、そこに耐えられる資金を投じることで「需給の潤滑油」として機能します。
1-2. リスクプレミアムの提供
また、市場参加者が嫌うリスクを積極的に引き受けることで、リスクプレミアムを提供する役割も担います。多くの投資家が手控える小型株や高ボラティリティ銘柄を一部ポートフォリオに組み込むことで、「リスクを取るサービス」として資金需要を満たし、同時に収益機会を追求します。
2. モメンタム戦略と市場効率
2-1. アンダーリアクション vs オーバーリアクション
アスネス氏によれば、モメンタム（価格が上昇した銘柄を買い、下落した銘柄を売る戦略）が機能する理由は、二つあります。一つは、「アンダーリアクション（短期的に価格が真の価値へ十分に反応しない）」、もう一つが、「オーバーリアクション（価格が過剰に振れる）」です。行動経済学でいう「アンカリング＆アジャストメント」によって価格が新情報に対して不十分に動く場合、モメンタム取引は、価格を適正値へ押し戻す方向に寄与します。
2-2. Meme Stocksの事例（GameStop, AMC）
GameStopやAMCといったミーム株の乱高下は、「オーバーリアクション」の極端な例です。SNSや個人投資家の群衆心理（FOMO：取り残される不安）によって価格が過熱し、その後の急落を繰り返しました。アスネス氏は、AQRとして大きなポジションを取らず、「モデル上でわずか0.12%のショート」だったと語ります。これは、極端なリスクを避けつつ市場動向を注視する典型例です。
3. マーケットタイミングとトレンドフォロー
3-1. マーケットタイミングの困難性
「市場の上昇前に全金額を株式に、下落前に現金化する――理論上は最適だが、実践するのは極めて難しい」とアスネス氏。学術界・実務家ともに、「一貫したタイミングでアルファを獲得した例はほとんどない」との見解を共有しています。
3-2. トレンドフォロー戦略の進化
一方で、CTA（コモディティ・トレンドフォロー・アカウント）由来のトレンドフォロー戦略は、進化を続けています。従来の為替や金利、株指数だけでなく、ファンダメンタル・モメンタムやオルタナティブ・マーケット（気候指標や仮想通貨など）にも適用範囲を拡大。AQRは2008年以降、単体商品としてのトレンドフォロー商品を提供し、多数の小規模ベットで市場の継続的な動きを捉える手法を磨いています。
4. プライベートアセットと手数料構造
4-1. プライベート市場の特性と利点
機関投資家を中心に「非上場株やプライベート・クレジット」へのシフトが加速しています。流動性プレミアム（一般に「嫌われる」リスクの代償）を享受しやすく、証券化・市場化の進展により、401(k)などのリテール口座への導入も視野に入っています。
4-2. 公開市場との比較と手数料圧力
しかし、公開市場のインデックスやファクターファンドが手数料低廉化の波を受ける中、プライベートアセット側は、「β（市場リターン）への手数料上乗せ」となるケースが散見されます。アスネス氏は、「多くのプライベート資産運用では、本質的にはβを買わせ、高いα手数料を請求している」という批判的視点を示しました。
5. アカデミア協業とオルタナティブデータ
5-1. 発見の共有と論文執筆
AQRは、学術界との連携を重視し、社内の研究者が積極的に論文を執筆・出版します。ただし、完全に独自性の高いアイデアは「社外秘扱い」とし、発表時期を慎重に調整することで持続的な競争優位を維持しています。
5-2. オルタナティブデータ活用の最前線
クレジットカードの決済データやSNSテキストマイニングなど、新興データセットを自社開発してアルファを追求。従来の「発言中のキーワードを数える」手法から、機械学習を用いて文脈を理解し、ポジティブ／ネガティブの度合いを高精度に判定するNLP（自然言語処理）への移行が進んでいます。
6. AI・機械学習の導入
6-1. 機械学習へのスタンス変化
アスネス氏自身は当初、長年のファンダメンタル＆クオンツ理論に固執していましたが、近年は「より自由度の高い非線形モデルを取り入れるべき」と方針転換。チーム内で成果を検証した結果、学術的な理論と実データを両立させるべく、機械学習の比率を高めています。
6-2. データと理論の最適融合
とはいえ、AI導入を無条件に歓迎するわけではありません。モデルの過学習リスクを抑えるため、「理論的整合性（共通感覚的ストーリー）」と「大量データ分析」のバランスを取る独自のガバナンス体制を構築。これにより、20年以上にわたって蓄積した因子投資の知見を損なうことなく、新技術を取り込んでいます。
本インタビューから浮かび上がるのは、アスネス氏率いるAQRの「伝統的クオンツ×行動経済学×最新テクノロジー」を融合させた進化戦略です。市場歪みの是正やリスクプレミアムの提供といったアクティブ運用の本質を軸に、モメンタム、トレンドフォロー、プライベートアセット、オルタナティブデータ、AIと段階的に取り入れることで、激変する投資環境に適応を続けています。個人投資家としても、これらの戦略背景を理解し、自らのポートフォリオ構築やリスク管理に役立てたいところです。
