※本記事は教育・解説を目的としたものです。特定の売買を勧めたり、将来の値動きを断定したりするものではありません。当サイトの銘柄分析（銘柄カルテ）の手法解説です。
銘柄カルテでは「トヨタの市場βは+0.9、為替βは+0.7」のような数字が出てきます。この数字を作っている回帰分析という道具を、数式を最小限に解説します。仕組みが分かると、カルテの表がぐっと読みやすくなるはずです。
発想：値動きを「レシピ」に分ける
ある銘柄の1日の値動きを、こう考えます。
今日の値動き ＝ 市場の影響 ＋ 為替の影響 ＋ 業種の影響 ＋ その会社固有の分
回帰分析がやるのは、過去数百日のデータから「この銘柄は市場が1%動くと平均何%動くのか」という係数（＝β）を、それぞれの要因について見つけることです。
βは「感応度」の実測値
たとえば為替β＝+0.7なら「円が1%安くなる日には、他の条件が同じなら株価が平均0.7%上がってきた」という過去の実測。誰かの意見ではなく、データが語る その銘柄の体質です。
大事な注意が2つあります。
- βは平均の話。毎日きっちり0.7%動くわけではなく、あくまで「ならすとこれくらい」
- βは変わる。事業構造や相場環境が変われば感応度も変わるため、定期的に測り直す前提の数字です
説明力R²＝「何割を説明できたか」
回帰にはもう一つ大事な数字、R²（決定係数）があります。「市場・為替・業種で、この銘柄の日々の変動の何%を説明できたか」という成績表です。
当サイトの実測では、大型株のR²はおおむね6〜7割。つまり値動きの大半は「共通の波」で、残り3〜4割がその会社固有でした。この固有部分（残差）にこそ、決算・ニュース・その会社だけの再評価が詰まっています。カルテが固有部分を主役として観察するのはこのためです。
「当てはめすぎ」を防ぐ工夫
要因を増やすと、見かけの説明力R²は機械的に上がってしまいます。でもそれは過去へのこじつけ（過学習）かもしれない。そこで当サイトでは、モデルを作る期間と検証する期間を分け、モデルが見ていない直近90日で説明力を測り直します（ホールドアウト検証）。「過去に当てはまる」と「使える」は別物、という規律です。
それでも回帰は万能ではない
- 極端な急変日（暴落・急騰）では平常時のβが効かないことがある
- 要因どうしが似た動きをすると、係数の切り分けが不安定になる
- そして何より、入力データが間違っていれば結果も全部間違う（日付ずれで結論が覆った話は当サイトの実体験です）
持ち帰り
- 回帰分析＝値動きを「共通の波＋固有」に分ける道具。βは感応度の実測値
- R²は説明できた割合。大型株でも3〜4割は「その会社固有」が残る
- 見ていないデータで検証して初めて信用する。そしてデータそのものを疑う
出典・手法: 株価・為替データはYahoo Finance。手法は当サイト「銘柄カルテ」共通の回帰による因子分解です。
※本記事は教育目的の解説であり、特定銘柄の売買推奨・将来予測ではありません。
コメント