JPH10275177A

JPH10275177A - 投資信託のパフォーマンス評価装置およびその評価方法

Info

Publication number: JPH10275177A
Application number: JP7841197A
Authority: JP
Inventors: Junji Kawahara; 原淳次川; Kazuyuki Ueda; 田和之上
Original assignee: Nomura Research Institute Ltd
Current assignee: Nomura Research Institute Ltd
Priority date: 1997-03-28
Filing date: 1997-03-28
Publication date: 1998-10-13

Abstract

(57)【要約】【課題】コンピュータのデータ処理機能を使用し、多
数のファンドに関するデータからユニバース比較やベン
チマーク比較に適当なファンドを分類し、さらにファン
ドの一時的な収益性と収益安定性とを指標としてファン
ドのパフォーマンス評価装置及びその評価方法を提供す
る。【解決手段】評価前の所定年数のファンドの収益に関
する時系列データを入力し、各ファンドのトータルリタ
ーンと、前記トータルリターンに関するファンド間の相
関係数とを計算し、相関係数が高いファンドを集めてク
ラスターとして分類するクラスター分析手段３と、前記
クラスター分析手段によって分類されたクラスターと、
ファンドの収益に関する時系列データとを入力し、前記
クラスターをユニバースとして同一ユニバースに属する
ファンドのリスク調整後リターン値を求めることによっ
てファンドの評価を行うユニバース比較評価手段５と、
を備えた。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、投資信託のための
商品の投資パフォーマンスを数量分析的手法によって評
価する装置とその評価方法に係る。

【０００２】ここで、前記投資信託のための商品は、一
般に「ファンド」と呼ばれている。投資信託は、不特定
多数の投資家の出資によって形成された基金を専門の投
資機関が主として有価証券を対象として運用・管理し、
その成果を出資額に応じて投資家に分配する仕組みであ
る。「ファンド」は、前記投資機関が運用する目的で選
択した有価証券の集まりである。

【０００３】本発明は、各投資機関が運用するファンド
の運用実績のデータをコンピュータを用いて処理するこ
とにより、ファンドの属性に応じて評価基準を設定し、
ファンドのパフォーマンス（一時的な収益性と収益安定
性）を評価するファンドのパフォーマンス評価装置及び
その評価方法に関する。

【０００４】

【従来の技術】現在、我が国の投資信託の純資産総額
（時価総額）は約４７兆円に上る。投資信託の商品（以
下ファンドという）は、追加型株式ファンドだけでも約
１６００個の商品がある。

【０００５】これらのファンドはそれぞれ、運用する証
券会社等の投資機関が特色を持たせている。このよう
に、ファンドがファンドにより種々の特色があるのは、
より多くの投資家の投資を獲得できるように、投資機関
が独自の方針や基準によって運用対象の有価証券選択し
運用するからである。

【０００６】このファンドの特色を象徴的に説明するも
のとして、たとえば、ハイリスク・ハイリターン型のフ
ァンドや、ローリスク・ローリターン型のファンドがあ
る。ハイリスク・ハイリターン型のファンドは、収益が
不安定であるが収益がある場合には収益率が高いため、
投機的に高い収益を得ようとする投資家のニーズに合
う。反対に、ローリスク・ローリターン型のファンド
は、リスクが低いが安定的に収益を得られるので、安定
的な収入を得ようとする投資家のニーズに合う。

【０００７】上記ハイリスク・ハイリターン型あるいは
ローリスク・ローリターン型というような分類は、理解
しやすいように象徴的に挙げたものであるが、実際のフ
ァンドは、より細分化された属性によって分類されてい
る。図２にその一例を示す。

【０００８】この図２に示す分類は投資信託協会による
分類である。投資機関は自らが運用するファンドが属す
る分類を発見し、これを投資信託協会に申告する。投資
信託協会は、各投資機関が自己申告した分類により、各
分類に属するファンド名を一般に発表している。

【０００９】この投資信託協会による分類は、投資家の
ためのファンドの大まかな属性の把握の手がかりとして
利用される。また、投資信託協会による分類は、ファン
ドのパフォーマンスを評価する際の同一属性を有するフ
ァンドを概略示している。このファンドのパフォーマン
ス評価は、投資家がどのファンドに投資するかを決定す
る際の資料として利用されている。

【００１０】ところで、あるファンドのパフォーマンス
を定量的（数値的）に評価するには、一般的にユニバー
ス比較とベンチマーク比較の２つの方法がある。

【００１１】ユニバース比較とは、同一ユニバース内の
他のファンドとの比較において投資パフォーマンスを評
価することをいう。ここで、「ユニバース」とは、比較
対象のファンドによって構成されたファンドの集合をい
う。

【００１２】ユニバース比較を行う場合には、同一属性
を有するファンドからなるユニバース内で比較を行わな
ければ意味がないことは説明するまでもない。同一属性
のファンドからなるユニバース内でユニバース比較を行
う限り、この方法は、ファンド間の相対的な評価に適し
ていると言える。

【００１３】一方、ベンチマーク比較とは、同一の基準
指標（ベンチマーク）に対して比較対象の複数のファン
ドの投資パフォーマンスを算出して比較することをい
う。この方法は、同一のベンチマークに対する各ファン
ドのパフォーマンスを評価するので、相対的にファンド
間のパフォーマンスを評価しようとする場合には、比較
しようとするファンドの評価に適した同一のベンチマー
クを選択しなければならない。

【００１４】従来のユニバース比較によるファンドのパ
フォーマンス評価は、投資信託協会による分類をユニバ
ースとしていた。すなわち、投資信託協会による所定の
分類に属するファンドを比較の対象として、投資パフォ
ーマンスの優劣を評価していた。

【００１５】この場合の投資パフォーマンスの優劣を示
すものとして、各ファンドのアルファ値を用いた指標を
算出していた。ここで、アルファ値とは、注目している
ファンドの期待投資収益率（予想収益率）と均衡期待投
資収益率（基準集団の平均予想収益率）との差をいう。
すなわち、従来の評価方法では、評価時点で収益率が高
いファンドがよいファンドということになっていた。

【００１６】また、従来のベンチマーク比較は、基準指
標（ベンチマーク）として東京証券取引所の東証株価指
数（ＴＯＰＩＸ）あるいは日本経済新聞社が算出してい
る日経平均（日経２２５，日経３００）等を用いてい
た。端的に言えば、ＴＯＰＩＸと日経２２５と日経３０
０は、各証券取引所で取扱う株価全体の経時的な上昇と
下落を示す。

【００１７】上記ＴＯＰＩＸや日経平均は、多種多様な
属性を有するファンドの総平均という性質のものであ
る。このため、従来のベンチマーク比較は、ＴＯＰＩＸ
や日経平均との相関が強いファンドと弱いファンドとを
同一のベンチマークを基準として比較評価していたとい
うことができた。

【００１８】従来のベンチマーク比較においても、投資
パフォーマンスの優劣を示すものとして、各ファンドの
アルファ値を使用した指標を算出していた。つまり、評
価時点における各ファンドの期待投資収益率と、東京証
券取引所や大阪証券取引所に上場している株式の均衡期
待投資収益率との差によって各ファンドのパフォーマン
スを評価していた。

【００１９】

【発明が解決しようとする課題】しかしながら、上記従
来の投資信託のパフォーマンス評価では、評価の基準が
不適切であった。ここで、「評価の基準」とは、ユニバ
ース比較においては比較を行うユニバース、ベンチマー
ク比較においてはベンチマークを、意味する。

【００２０】既に述べたように、従来のユニバース比較
は、投資信託協会による分類をユニバースとしていた。
しかし、この投資信託協会による分類は、投資機関の自
己申告による分類であるため、比較対象のファンドは必
ずしも適切な分類に分類されたものではなかった。

【００２１】また、ユニバース比較のための分類は、本
来同じ価格変動特性（リスクあるいはリターンの変動特
性（リスク／リターン特性））を有するファンドを同一
ユニバースとするのが望ましい。

【００２２】これに対して、従来の投資信託協会による
分類は、図２の分類定義から分かるように、株式組入限
度が７０％以上で主として国内株式投資であること（一
般型）、株式組入限度が７０％以上で主として国内大型
株（上場株式数２億以上）投資であることなど、価格変
動特性とは無関係なファンドを同一の分類としていた。

【００２３】したがって、従来のユニバース比較では、
比較するユニバース内にパフォーマンスを比較するのに
不適当なファンド（リスク／リターン特性が異なるファ
ンド）が混在しており、十分信頼できるユニバース比較
によるファンドパフォーマンス評価を得ることができな
かった。

【００２４】一方、従来のベンチマーク比較は、画一的
にＴＯＰＩＸや日経２２５や日経３００をベンチマーク
としていた。しかし、ファンドによってはＴＯＰＩＸや
日経２２５や日経３００との相関係数が低いものもあ
る。このため、このベンチマークとの比較によるファン
ドのパフォーマンス評価の信頼性が低かった。

【００２５】さらに、ユニバース比較とベンチマーク比
較を問わず従来のファンドのパフォーマンス評価の基準
は、特定時点のファンドのアルファ値を用いた指標を算
出していた。

【００２６】しかし、特定時点のアルファ値の平均が良
くとも、収益が安定しないファンドもある。このよう
な、収益が安定しないファンドはリスクが大きく、良い
ファンドとは言えない。このため、収益の安定性をも評
価するファンドのパフォーマンス評価方法の開発が待た
れていた。

【００２７】また、一般にファンドに関するデータは、
収益に関する時系列データを含めて膨大な量が存在す
る。この膨大な量のファンドに関するデータから必要な
データを取り出し、適当な処理を行ってファンドのパフ
ォーマンス評価を行うことは、一般に極めて困難であっ
た。また、適当なファンドのパフォーマンス評価を行う
には、最適化の手法を多用する必要がある。このため、
客観的かつ合理的なファンドのパフォーマンス評価を短
時間に行うファンドのパフォーマンス評価装置の開発が
待たれていた。

【００２８】そこで、本発明が解決しようとする課題
は、コンピュータのデータ処理機能を使用し、多数のフ
ァンドに関するデータからユニバース比較やベンチマー
ク比較に適当なファンドを分類し、さらにファンドの一
時的な収益性と収益安定性とを指標としてファンドのパ
フォーマンス評価装置及びその評価方法を提供すること
にある。

【００２９】

【課題を解決するための手段】本願請求項１に係る投資
信託のパフォーマンス評価装置は、評価前の所定年数の
ファンドの収益に関する時系列データを入力し、各ファ
ンドのトータルリターンと、前記トータルリターンに関
するファンド間の相関係数とを計算し、相関係数が高い
ファンドを集めてクラスターとして分類するクラスター
分析手段と、前記クラスター分析手段によって分類され
たクラスターと、ファンドの収益に関する時系列データ
とを入力し、前記クラスターをユニバースとして同一ユ
ニバースに属するファンドのリスク調整後リターン値を
求めることによってファンドの評価を行うユニバース比
較評価手段と、を有することを特徴とするものである。

【００３０】本願請求項２に係る投資信託のパフォーマ
ンス評価装置は、前記請求項１のパフォーマンス評価装
置において、前記クラスター分析手段によって分類され
たクラスターと各クラスターに属するファンドの収益に
関する時系列データとを入力し、所定のクラスターに属
する各ファンドの収益の時系列データに対する決定係数
の高いインデックスを求めて集計し、前記クラスター全
体に対する決定的因子となるインデックスを求めること
によって、そのクラスターの属性を特定するクラスター
属性特定手段を有していることを特徴とするものである
本願請求項３に係る投資信託のパフォーマンス評価装置
は、前記請求項１のパフォーマンス評価装置において、
前記クラスター分析手段によって分類されたクラスター
と各クラスターに属するファンドの収益に関する時系列
データとを入力し、所定のクラスターに属するファンド
に対するシャープ（Ｓｈａｒｐｅ）のアセットクラスフ
ァクターモデルのスタイルウェイトを求め、前記スタイ
ルウェイトからクラスター全体に対する決定的因子とな
る説明変数を求めることによって、クラスターの属性を
特定するクラスター属性特定手段を有していることを特
徴とするものである。

【００３１】本願請求項４に係る投資信託のパフォーマ
ンス評価装置は、前記請求項１のパフォーマンス評価装
置において、前記クラスター分析手段によって分類され
たクラスターと評価時点のポートフォーリオ構成銘柄の
収益に関するデータとを入力し、所定のクラスターのポ
ートフォーリオ構成銘柄による特性値分析を行うことに
より、クラスターの属性を特定するクラスター属性特定
手段を有していることを特徴とするものである。

【００３２】本願請求項５に係る投資信託のパフォーマ
ンス評価装置は、評価前の所定年数のファンドの収益に
関する時系列データを入力し、各ファンドのトータルリ
ターンと、前記トータルリターンと既存のインデックス
との相関係数とを求め、所定のインデックスとの相関係
数が大きいファンドを特定し、前記インデックスを前記
ファンドの参考ベンチマークとする参考ベンチマーク推
定手段と、前記参考ベンチマーク推定手段によって推定
された各ファンドの参考ベンチマークと各ファンドの収
益に関する時系列データとを入力し、各ファンドの前記
参考ベンチマークに対するリスク調整後リターン値を求
めることによってファンドの評価を行うベンチマーク比
較評価手段と、を有することを特徴とするものである。

【００３３】本願請求項６に係る投資信託のパフォーマ
ンス評価装置は、前記請求項５のパフォーマンス評価装
置において、前記ベンチマーク比較評価手段は、前記参
考ベンチマークに対するシャープ測度、トレーナー測
度、ジャンセンのアルファ、対ベンチマーク情報係数、
ダウンサイドリスク、トラッキングリスクの少なくと１
つを指標として算出することを特徴とするものである。

【００３４】本願請求項７に係る投資信託のパフォーマ
ンス評価装置は、評価前の所定年数のファンドの収益に
関する時系列データを入力し、各ファンドのトータルリ
ターンと、前記トータルリターンに関するファンド間の
相関係数とを計算し、相関係数が高いファンドを集めて
クラスターとして分類するクラスター分析手段と、前記
クラスター分析手段によって分類されたクラスターと、
ファンドの収益に関する時系列データとを入力し、前記
クラスターをユニバースとして同一ユニバースに属する
ファンドのリスク調整後リターン値を求めることによっ
てファンドの評価を行うユニバース比較評価手段と、評
価前の所定年数のファンドの収益に関する時系列データ
を入力し、各ファンドのトータルリターンと、前記トー
タルリターンと既存のインデックスとの相関係数とを求
め、所定のインデックスとの相関係数が大きいファンド
を特定し、前記インデックスを前記ファンドの参考ベン
チマークとする参考ベンチマーク推定手段と、前記参考
ベンチマーク推定手段によって推定された各ファンドの
参考ベンチマークと各ファンドの収益に関する時系列デ
ータとを入力し、各ファンドの前記参考ベンチマークに
対する所定の指標を求めることによってファンドの評価
を行うベンチマーク比較評価手段と、ファンドに対する
定性的な評価を数値化したものを入力して相互に比較可
能に処理してファンドの評価を行う定性評価手段と、前
記ユニバース比較評価手段とベンチマーク比較評価手段
と定性評価手段とによる評価に対するそれぞれのウェイ
ト係数をユーザーに入力させ、前記ウェイト係数により
前記各手段の評価に重み付けをしてファンドの総合評価
を出力する総合評価手段とを有することを特徴とするも
のである。

【００３５】本願請求項８に係る投資信託のパフォーマ
ンス評価方法は、評価前の所定年数のファンドの収益に
関する時系列データを入力し、各ファンドのトータルリ
ターンと、前記トータルリターンに関するファンド間の
相関係数とを計算し、相関係数が高いファンドを集めて
クラスターとして分類し、前記分類されたクラスター
と、ファンドの収益に関する時系列データとを入力し、
前記クラスターをユニバースとして同一ユニバースに属
するファンドのリスク調整後リターン値を求め、前記リ
スク調整後リターン値によるファンドのパフォーマンス
評価を出力する、ことを特徴とするものである。

【００３６】本願請求項９に係る投資信託のパフォーマ
ンス評価方法は、前記請求項８のパフォーマンス評価方
法において、前記分類されたクラスターと各クラスター
に属するファンドの収益に関する時系列データとを入力
し、所定のクラスターに属する各ファンドの収益の時系
列データに対する決定係数の高いインデックスを求めて
集計し、前記クラスター全体に対する決定的因子となる
インデックスを求めて出力する、ことを特徴とするもの
である。

【００３７】本願請求項１０に係る投資信託のパフォー
マンス評価方法は、前記請求項８のパフォーマンス評価
方法において、前記分類されたクラスターと各クラスタ
ーに属するファンドの収益に関する時系列データとを入
力し、所定のクラスターに属するファンドに対するシャ
ープ（Ｓｈａｒｐｅ）のアセットクラスファクターモデ
ルのスタイルウェイトを求め、前記スタイルウェイトか
らクラスター全体に対する決定的因子となる説明変数を
求めて出力する、ことを特徴とするものである。

【００３８】本願請求項１１に係る投資信託のパフォー
マンス評価方法は、前記請求項８のパフォーマンス評価
方法において、前記分類されたクラスターと評価時点の
ポートフォーリオ構成銘柄の収益に関するデータとを入
力し、所定のクラスターのポートフォーリオ構成銘柄に
よる特性値分析を行って出力する、ことを特徴とするも
のである。

【００３９】本願請求項１２に係る投資信託のパフォー
マンス評価方法は、評価前の所定年数のファンドの収益
に関する時系列データを入力し、各ファンドのトータル
リターンと、前記トータルリターンと既存のインデック
スとの相関係数とを求め、所定のインデックスとの相関
係数が大きいファンドを特定し、前記インデックスを前
記ファンドの参考ベンチマークとして出力し、前記各フ
ァンドの参考ベンチマークと各ファンドの収益に関する
時系列データとを入力し、各ファンドの前記参考ベンチ
マークに対するリスク調整後リターン値を求めて出力す
る、ことを特徴とするものである。

【００４０】本願請求項１３に係る係る投資信託のパフ
ォーマンス評価方法は、前記請求項１２のパフォーマン
ス評価方法において、前記参考ベンチマークとファンド
の収益に関する時系列データとを入力し、各ファンドの
前記参考ベンチマークに対するシャープ測度、トレーナ
ー測度、ジャンセンのアルファ、対ベンチマーク情報係
数、ダウンサイドリスク、トラッキングリスクの少なく
と１つを指標として算出して出力する、ことを特徴とす
るものである。

【００４１】

【発明の実施の形態】次に、本発明の実施形態について
添付の図面を参照して以下に説明する。最初に、本発明
の一実施形態によるファンドのパフォーマンス評価装置
の構成とその構成要素間の処理の流れを図１に示す。

【００４２】図１に示すように、本実施形態のファンド
のパフォーマンス評価装置１は、入力手段２と、クラス
ター分析手段３と、クラスター属性特定手段４と、ユニ
バース比較評価手段５と、参考ベンチマーク推定手段６
と、ベンチマーク比較評価手段７と、定性評価手段８
と、総合評価手段９と、出力手段１０とを有している。

【００４３】上記パフォーマンス評価装置１とその構成
手段２〜１０は、固定的にそれぞれの処理を行うように
したハードウェアでもよい。しかし好ましくは、パフォ
ーマンス評価装置１は所定のソフトウェアによって制御
され、ある処理段階でその処理段階に応じた処理を行う
ようにしたコンピュータからなる。

【００４４】パフォーマンス評価装置１は、物理的に１
台のコンピュータからなる態様をとることができる。１
台のコンピュータからなる場合は、同一コンピュータの
処理装置が処理段階に応じて、構成手段２〜１０として
種々の処理を行う。

【００４５】一方、パフォーマンス評価装置１は、各構
成手段３〜９がそれぞれ独立したコンピュータからな
り、それらが通信手段によってデータを受送信して、全
体としてパフォーマンス評価装置１として作動する態様
をとることもできる。後者の場合には、各構成手段３〜
９は、それぞれ入力手段と出力手段と通信手段と処理装
置とを有する。なお、この場合、これらの各構成手段の
入力手段と出力手段と通信手段と処理装置は、図示する
ことを省略しているものとする。

【００４６】また、入力手段２に入力される「投資信託
協会による分類」、「ファンドの収益率の時系列デー
タ」、…等のデータは、一般的には所定の記憶装置に格
納されている。この記憶装置は、本パフォーマンス評価
装置１の外部の記憶装置（例えば株価情報を配信するサ
ーバー）であることができるので、パフォーマンス評価
装置１に含めていない。無論、本実施形態のパフォーマ
ンス評価装置１自体が、上記データを格納する記憶装置
を備えいることも可能である。

【００４７】次に、これらのパフォーマンス評価装置１
の各構成手段２〜１０について以下に個別に説明する。

【００４８】入力手段２は、パフォーマンス評価装置１
の処理のために必要なデータを入力する手段である。こ
の機能を果たす限り、入力手段２は、キーボード、マウ
ス、等のポインティングデバイス、タッチパネル、デー
タを受信する通信手段の、いずれでもよい。

【００４９】クラスター分析手段３は、ファンドの収益
に関する時系列データを入力し、これを用いてファンド
をクラスターに分類する手段である。ここで、クラスタ
ーとは、ユニバース比較を行うのに適切なファンドの集
合をいう。すなわち、クラスターはユニバース比較をす
るときのユニバースとなる。クラスターに分類する方法
については後にさらに説明する。

【００５０】クラスター属性特定手段４は、前記クラス
ター分析手段３が分類したクラスターと各クラスターに
属するファンドの収益に関するデータとを入力し、ファ
ンドの「決定的因子となるインデックス」や、「シャー
プ（Ｓｈａｒｐｅ）のアセットクラスファクターモデル
のスタイルウェイト」や、「ポートフォーリオ構成銘柄
による特性値」を求める手段である。これらのファンド
の「決定的因子となるインデックス」や、「シャープ
（Ｓｈａｒｐｅ）のアセットクラスファクターモデルの
スタイルウェイト」や、「ポートフォーリオ構成銘柄に
よる特性値」は、クラスターのリスク／リターン特性を
示すものであり、クラスターの主要な性質を把握するの
に役立つ。「決定的因子となるインデックス」、「シャ
ープ（Ｓｈａｒｐｅ）のアセットクラスファクターモデ
ルのスタイルウェイト」、「ポートフォーリオ構成銘柄
による特性値」については、後にさらに説明する。

【００５１】ユニバース比較評価手段５は、クラスター
分析手段３によって分類されたクラスターと、ファンド
の収益に関する時系列データとを入力し、各ファンドの
一時的な収益性と収益の安定性の指標となる「リスク調
整後リターン値」を算出する手段である。「リスク調整
後リターン値」については、後にさらに説明する。

【００５２】参考ベンチマーク推定手段６は、ファンド
の収益に関する時系列データとベンチマークとして使用
することができるインデックスとを入力し、所定のイン
デックスと相関係数が大きいファンドを特定し、それら
のファンドの参考ベンチマークとして前記インデックス
を出力する手段である。参考ベンチマークの特定方法に
ついては後にさらに説明する。

【００５３】ベンチマーク比較評価手段７は、参考ベン
チマーク推定手段６によって特定されたファンドと参考
ベンチマークの組合せと、ファンドの収益に関する時系
列データとを入力し、「リスク調整後リターン値」やそ
の他の指標を算出する手段である。「リスク調整後リタ
ーン値」やその他の指標については、後にさらに説明す
る。

【００５４】定性評価手段８は、ファンドに対する定性
的な評価を数値化したものを入力し、相互に比較可能に
処理してファンドの定性的な評価を行う手段である。こ
こで、定性的な評価を数値化したものとは、たとえば運
用機関・運用体制、ファンドマネージャー、運用プロセ
ス等に関するファンドアナリストの５段階評価の点数で
ある。

【００５５】総合評価手段９は、上記ユニバース比較評
価手段５とベンチマーク比較評価手段７と定性評価手段
８とによる評価と、前記評価に対するユーザーのウェイ
ト係数とを入力し、ウェイト係数により前記各手段５，
７，８の評価に重み付けをしてファンドの総合評価を出
力する手段である。

【００５６】最後に出力手段１０は、パフォーマンス評
価装置１による処理結果を出力する手段である。出力手
段１０は、処理結果を出力することができる限りモニタ
ー等の表示装置の他、プリンタ、データを送信する手段
等を含む。

【００５７】次にパフォーマンス評価装置１によるファ
ンドのパフォーマンス評価について説明する。パフォー
マンス評価装置１によるファンドのパフォーマンス評価
には、ユニバース比較によるパフォーマンス評価と、ベ
ンチマーク比較によるパフォーマンス評価と、定性評価
を加味した総合評価の３つの評価がある。以下それぞれ
の評価について系統だてて説明する。

【００５８】まず、ユニバース比較によるパフォーマン
ス評価について説明する。ユニバース比較によるパフォ
ーマンス評価では、最初にクラスター分析手段３によっ
てファンドをクラスターに分類し、次にユニバース比較
評価手段５により、分類されたクラスターをユニバース
としてユニバース比較を行う。クラスター属性特定手段
４は、クラスター分析手段３によって分類されたクラス
ターの主要な属性（特徴）を把握するための解析を行
う。

【００５９】本発明では、ファンドのパフォーマンス比
較をする場合に、同一のリターン特性を有するファンド
を比較対象とする。

【００６０】同一リターン特性を有するファンドを比較
対象とするため、クラスター分析手段３は、評価前の所
定年数のファンドの収益に関する時系列データを入力
し、各ファンドのトータルリターンを算出し、これらの
トータルリターンに関するファンド間の相関係数を計算
し、相関係数が高いファンドを集めてクラスターとして
分類する。ここで、トータルリターンは、下式によって
定義されるものである。

【００６１】

【数１】ここで、Ｒ_t ：トータルリターンＰＲＣ：基準価額ＡＬＴ：分配金ｔ：当月末ｔ’ ：分配金支払時点ｔ−１：前月末すなわち、トータルリターンＲ_tは、月中に受け取った
分配金をその時点で再投資した場合のリターンというこ
とができる。ファンドの基準価額ＰＲＣ、分配金ＡＬＴ
は、ファンドの収益に関する時系列データとして入力手
段２を介して入力される。

【００６２】クラスター分析手段３は、上式によって各
ファンドのトータルリターンＲ_tを算出し、次にトータ
ルリターンＲ_tを用いて任意の２つのファンド間の相関
係数ρを下式によって算出する。

【００６３】

【数２】ここで、Ｒ_t ¹とＲ_t ²は、相関を求めている２つのフ
ァンドのｔ時点におけるトータルリターンである。ＣＯ
Ｖは共分散、ＶＡＲは分散である。

【００６４】上記相関係数ρの分子の共分散は２つ変数
の連動関係とそれら自身の変動性の複合されたものと考
えることができる。相関係数ρは、共分散を変動性の尺
度である分母の標準偏差で除した結果であるから、２変
数の連動関係を表わす尺度ということができる。

【００６５】相関係数ρは、−１から１までの値を取り
得る。ρ＝１は完全に一致した連動、ρ＝−１完全に逆
の連動を示し、ρ＝０は無相関の関係を示している。ク
ラスター分析手段３は、相関係数が高いファンドを一つ
の集合としてまとめ、各集合が最も離散的になるように
各集合を分類する。この結果、分類された集合がクラス
ターとして出力される。

【００６６】なお、集合を離散的に分類するためには、
各集合の中心位置（重心という）が互いにもっとも離れ
ているように集合の境界を定めるようにする。これは最
適化の問題であり、この解を求める手法が幾つか知られ
ている。その一つとして、本実施形態のパフォーマンス
評価装置１は、最長距離法を用いている。最長距離法
は、公知の方法でもあるのでここでの説明を省略する。

【００６７】上述した方法により、評価対象のファンド
が所定数のクラスターに分類される。これらのクラスタ
ーは、類似のリターン特性を有したものの集合である
が、各クラスターの特徴は、一見しただけでは把握する
ことができない。そこで、クラスター属性特定手段４に
より、各クラスターの特徴（主要な属性）を特定する。

【００６８】クラスター属性特定手段４は、クラスター
の属性の特定方法により、３つ種類が有り得る。すなわ
ち、ファンドの収益に対する決定係数の高いインデッ
クスを求めるものと、シャープ（Ｓｈａｒｐｅ）のア
セットクラスファクタモデル（ＡＦＭ）のスタイルウェ
イトを求めて決定的因子となる説明変数を求めるもの
と、ポートフォーリオ構成銘柄による特性値分析を行
うものとがある。

【００６９】このうち、最初の２つは、過去にさかのぼ
って変動の特性からクラスターの属性（特徴）を特定す
るものであり、最後のポートフォーリオ構成銘柄による
特性値分析は、ある時点の特性からクラスターの属性を
特定するものである。

【００７０】第一のファンドの収益に対する決定係数の
高いインデックスを求めるクラスター属性特定手段４
は、クラスター分析手段３によって分類されたクラスタ
ーと、ファンドの収益に関する時系列データとを入力
し、注目しているクラスターに対して決定係数が高いイ
ンデックスを求める。

【００７１】インデックスは、トピックス、日経平均の
ような市場全体の動きを反映するインデックス、高配当
低成長型の株の値動きを反映する割安株インデックス、
低配当高成長型の株の値動きを反映する成長株インデッ
クス等である。

【００７２】決定係数は、下式によって算出されるｒ²
である。

【００７３】

【数３】ここで、添字ｙはファンドの収益、添字ｘはインデック
スを示し、Ｓ_y ²はファンドの収益の分散、Ｓ_yx ²は下
式によって算出される値である。

【００７４】

【数４】上記ｄは、インデックスの値の回帰線に対するファンド
の収益の乖離（差）である。

【００７５】決定係数ｒ²は、ファンドの収益の分散の
うち、インデックスとの関係によって説明される部分の
割合を示す。決定係数ｒ²は、０から１までの値をとる
ことができ、値が大きいほど、インデックスがファンド
の収益変動に対して決定的であることを示す。

【００７６】上記計算によって、注目しているクラスタ
ーの収益に対して決定係数が高いインデックスが、市場
全体の動きを反映するインデックスか、割安株インデッ
クスか、成長株インデックスかが特定される。これによ
って、そのクラスターが高配当低成長型（バリュー型）
か、低配当高成長型（成長型）か、あるいは市場連動型
（市場型）かが把握される。

【００７７】以上がファンドの収益に対する決定係数の
高いインデックスを求めるクラスター属性特定手段４に
ついての説明である。次に、第二のシャープ（Ｓｈａｒ
ｐｅ）のアセットクラスファクタモデル（ＡＦＭ）のス
タイルウェイトを求めるクラスター属性特定手段４につ
いて以下に説明する。

【００７８】シャープ（Ｓｈａｒｐｅ）のアセットクラ
スファクタモデル（ＡＦＭ）のスタイルウェイトを求め
るクラスター属性特定手段４は、クラスター分析手段３
によって分類されたクラスターと、各クラスターに属す
るファンドの収益に関する時系列データとを入力し、所
定のクラスターに属するファンドに対するシャープ（Ｓ
ｈａｒｐｅ）のアセットクラスファクターモデルのスタ
イルウェイトを求める。

【００７９】シャープ（Ｓｈａｒｐｅ）のアセットクラ
スファクタモデル（ＡＦＭ）は下式によって表わされ
る。Ｒｆ＝Σβ_iＦ_i＋ε ただし、Σβ_i＝１、０≦β_i≦１ここで、Ｒｆは各ファンドの月次リターン、Ｆは説明変
数、εは誤差である。

【００８０】説明変数Ｆとしては、例えば、以下の指標
が使用される。１．Ｒｕｓｓｅｌｌ／ＮＲＩＬａｒｇｅＶａｌｕｅ
Ｉｎｄｅｘ（ＲＮＬＶ）２．Ｒｕｓｓｅｌｌ／ＮＲＩＬａｒｇｅＧｒｏｗｔ
ｈＩｎｄｅｘ（ＲＮＬＧ）３．Ｒｕｓｓｅｌｌ／ＮＲＩＳｍａｌｌＶａｌｕｅ
Ｉｎｄｅｘ（ＲＮＳＶ）４．Ｒｕｓｓｅｌｌ／ＮＲＩＳｍａｌｌＧｒｏｗｔ
ｈＩｎｄｅｘ（ＲＮＳＧ）５．ＮＲＩ−ＢＰＩ（ＢＰＩ）６．ＦＴＷｏｒｌｄＩｎｄｅｘ（ＦＴＷＯＲＬＤ）７．ＳａｌｏｍｏｎＢｒｏｔｈｅｒｓＷｏｒｌｄ
ＧｏｖｅｒｎｍｅｎｔＢｏｎｄＩｎｄｅｘ（ＳＢＷＧ
ＢＩ）８．コール無担保翌日物金利（ＣＡＳＨ）クラスター属性特定手段４は、上記誤差εを最小とする
βを求める。これは最適化の問題である。この誤差εを
最小とするβがシャープ（Ｓｈａｒｐｅ）のアセットク
ラスファクタモデルのスタイルウェイトである。このと
き、最大のβが乗じられている説明変数Ｆが、そのクラ
スターに対して決定的因子となる説明変数である。この
決定的因子である説明変数の種類により、そのクラスタ
ーが高配当低成長型（バリュー型）か、低配当高成長型
（成長型）か、あるいは市場連動型（市場型）かが把握
される。

【００８１】以上がシャープ（Ｓｈａｒｐｅ）のアセッ
トクラスファクタモデル（ＡＦＭ）のスタイルウェイト
を求めるクラスター属性特定手段４についての説明であ
る。次に、第三のポートフォーリオ構成銘柄による特性
値分析を行うクラスター属性特定手段４について説明す
る。

【００８２】ポートフォーリオ構成銘柄による特性値分
析を行うクラスター属性特定手段４は、評価時点でリタ
ーンに寄与するファンド（ポートフォーリオ構成銘柄）
の特性値を分析する。ここで、特性値とは、例えば配当
利回り、予想ＰＥＲ、実績ＰＢＲ、予想ＲＯＥ等の数値
である。この特性値分析の方法は一般的な方法であるの
で、説明を省略する。

【００８３】ポートフォーリオ構成銘柄の特性値によ
り、注目しているクラスターが市場型か、バリュー型
か、小型か、成長型かを把握することができる。クラス
ターの属性の把握には、いつつかのルールが知られてい
る。例えば、「市場型とバリュー型に属するファンド
は、ＰＢＲが低く、配当利回りが高い」、「成長型のク
ラスターに属するファンドは、過去の成長が顕著でＲＯ
Ｅが高い」、「小型ファンドは、ＰＢＲが相対的に高
く、配当利回りが低い」等である。

【００８４】このような複数のルールによって注目して
いるクラスターのポートフォーリオ特性を判断すること
により、そのクラスターが市場型か、バリュー型か、小
型か、成長型かを把握することができる。ただし、この
属性は、評価時点の属性であって時系列的なデータから
把握されたものではない。

【００８５】以上がクラスター分析手段３によって分類
されたクラスターの特徴を把握するクラスター属性特定
手段４についての説明であった。

【００８６】次に、上述したように主要な属性を把握し
たクラスター内で、各ファンドの優劣を評価する。

【００８７】ユニバース比較評価手段５は、クラスター
分析手段３によって分類されたクラスターと、ファンド
の収益に関する時系列データとを入力し、クラスターを
ユニバースとして同一ユニバースに属するファンドのリ
スク調整後リターン値を求める。

【００８８】ユニバース比較におけるファンドのリスク
調整後リターン値（ＩＲ）は、下式によって表わされ
る。

【００８９】リスク調整後リターン＝（月次超過収益平
均）／（月次超過収益標準偏差）ここで、上式の超過収
益を計算する対象は、計算時点に存在しているファンド
で、同一ユニバースに属するファンドの期首純資産加重
平均である。

【００９０】これに対して、基準となるユニバース平均
は、下式によって表わされる。

【００９１】ユニバース平均＝ユニバース全体の（期首）純資産加重リターン＝Σ（ＮＡＶ_i／ＮＡＶ_t）×Ｒ_i 上記ユニバース平均の式で、ＮＡＶ_iはファンドｉの純
資産、ＮＡＶ_tはユニバースに属するファンド全体の純
資産、Ｒ_iはファンドｉのリターンである。

【００９２】リスク調整後リターンの分子の「月次超過
収益平均」は、評価時の収益の高さを示す。一方、リス
ク調整後リターンの分母の「月次超過収益標準偏差」
は、収益のばらつきの程度、すなわち収益安定性を示し
ている。このように、リスク調整後リターンを一時的な
収益の高さを収益安定性で除しているので、収益の高さ
をリスクによって相殺している。つまり、リスク調整後
リターン値が高いということは、相対的にリスクが少な
く、収益が高いことを示している。反対に、リスク調整
後リターン値が低いということは、相対的にリスクが高
く、収益が低いことを示している。

【００９３】ユニバース比較評価手段５は、注目してい
るクラスターすなわちユニバースに属するすべてのファ
ンドについて上記リスク調整後リターン値を算出する。
このリスク調整後リターンの値の単純な大小比較のみに
より、同一ユニバース内のファンドの優劣を判断するこ
とができる。

【００９４】以上がユニバース比較である。次に、ベン
チマーク比較について説明する。

【００９５】パフォーマンス評価装置１によるベンチマ
ーク比較は、参考ベンチマーク推定手段６により、同一
ベンチマークによって比較するのに適したファンドと、
その比較に用いる参考ベンチマークとを特定し、次にベ
ンチマーク比較評価手段７により、参考ベンチマークに
対するリスク調整後リターン値を計算することによって
行う。

【００９６】最初に、参考ベンチマーク推定手段６は、
評価前の所定年数のファンドの収益に関する時系列デー
タを入力し、各ファンドのトータルリターンと、前記ト
ータルリターンと参考ベンチマークの候補として用意し
たインデックスの相関係数とを求め、所定のインデック
スとの相関係数が大きいファンドを特定する。

【００９７】各ファンドのトータルリターンは、ユニバ
ース比較のところですでに説明したものと同じである。

【００９８】ファンドのトータルリターンと参考ベンチ
マークの候補として用意したインデックスとの相関係数
ρは、基本的にはユニバース比較のところですでに説明
した相関係数と同じであるが、変数を変えて再び示す。

【００９９】相関係数ρは、下式によって算出する。

【０１００】

【数５】ここで、Ｒ_t ⁱとＩ_tはそれぞれ、相関を求めているフ
ァンドｉとインデックスｔ時点のリターンにおける値で
ある。ＣＯＶは共分散、ＶＡＲは分散である。

【０１０１】参考ベンチマーク推定手段６は、各ファン
ドのトータルリターンと参考ベンチマークの候補として
用意したインデックスとの相関係数ρを求めることによ
り、各ファンドについて変動特性に相関性が高いインデ
ックスを特定することができる。逆に、所定のインデッ
クスに注目した場合には、相関性が高い複数のファンド
が特定される。これらファンドについては、前記インデ
ックスをベンチマーク（参考ベンチマーク）とすること
により、同一特性を有するファンドについて相関関係が
高い同一の参考ベンチマークによるベンチマーク比較を
行うことができる。

【０１０２】参考ベンチマーク推定手段６は、これらフ
ァンドと参考ベンチマークの組合せをベンチマーク比較
評価手段７に出力する。

【０１０３】ベンチマーク比較評価手段７は、上記ファ
ンドと参考ベンチマークの組合せのデータと、ファンド
収益に関する時系列データとを入力し、ベンチマーク比
較におけるリスク調整後リターン値（ＩＲ）を算出す
る。

【０１０４】リスク調整後リターン値（ＩＲ）の算出方
法及びその値が示す意味については、ベンチマーク比較
のところですでに説明したので、ここで重複する説明を
省略する。

【０１０５】ベンチマーク比較評価手段７により、特定
の参考ベンチマークに対する各ファンドのリスク調整後
リターン値（ＩＲ）が算出されるので、同一の参考ベン
チマークに対するリスク調整後リターン値（ＩＲ）を比
較することにより、それらのファンドの優劣を評価する
ことができる。

【０１０６】なお、ベンチマーク比較評価手段７は、上
記リスク調整後リターン値（ＩＲ）の他に、以下の指標
を算出することもできる。

【０１０７】シャープ測度＝ＡＶＧ（Ｒｐ−Ｒｆ）／Ｓ
ＴＤＥＶ（Ｒｐ−Ｒｆ）トレーナー測度＝ＡＶＧ（Ｒｐ−Ｒｆ）／β ジャンセンのα＝ＡＶＧ（Ｒｐ−Ｒｆ）−β×ＡＶＧ
（Ｒｍ−Ｒｆ）対ベンチマーク情報係数＝ＡＶＧ（Ｒｐ−Ｒｍ）／ＳＴ
ＤＥＶ（Ｒｐ−Ｒｍ）ダウンサイドリスク＝リターンが負の月数／全月数
（％）トラッキングリスク＝Ｒ２＝ＣＯＶ（Ｒｐ，Ｒｍ）＾２
／ＶＡＲ（Ｒｐ）／ＶＡＲ（Ｒｍ）ここで、Ｒｐ：ファンドの月次リターンＲｆ：リスクフリーレート（コール無担保翌日物）Ｒｍ：ベンチマークリターン β ＝ＣＯＶ（Ｒｐ，Ｒｍ）／ＶＡＲ（Ｒｍ）以上がベンチマーク比較の説明であった。次に、定性評
価を加味した総合評価について説明する。

【０１０８】次に定性評価を加味した総合評価について
説明する。定性評価を加味した総合評価には、定性評価
手段８による定性評価と、総合評価手段９による総合評
価とがある。

【０１０９】定性評価手段８は、ファンドに対する定性
的な評価を数値化したものを入力して相互に比較可能に
処理する。定性的な評価とは、例えばファンドアナリス
トによる運用機関・体制、ファンドマネージャー、運用
プロセスに対する定性的な評価である。定性的な評価を
数値化したものとは、例えば上記ファンドアナリストに
よる評価を５段階評価としてそれぞれの評価段階に応じ
て点数を付与したものである。定性評価を相互に比較可
能に処理とは、例えば、上記各評価項目に対する得点を
合計することである。

【０１１０】総合評価手段９は、定性評価手段８とユニ
バース比較評価手段５とベンチマーク比較評価手段７と
による評価を入力し、それぞれの評価に対するウェイト
係数をユーザーに入力させ、前記ウェイト係数により各
評価に重み付けをし、合計値をファンドの総合評価とし
て出力する。

【０１１１】以上で本実施形態のパフォーマンス評価装
置１についての説明を終了する。

【０１１２】なお、上記パフォーマンス評価装置１は、
ユニバース比較によるパフォーマンス評価と、ベンチマ
ーク比較によるパフォーマンス評価と、定性評価を加味
した総合評価の３系統の評価を同一装置で行えるように
している。しかし、ユニバース比較によるパフォーマン
ス評価、ベンチマーク比較によるパフォーマンス評価、
定性評価を加味した総合評価は、それぞれ独立した装置
として実現することができる。

【０１１３】さらに、ユニバース比較によるパフォーマ
ンス評価においては、クラスター属性特定手段４は必須
のものではなく、必要に応じて付加することができる。

【０１１４】この意味から、本発明は、ユニバース比較
をするファンドパフォーマンス評価装置と方法（本願請
求項１，８）、クラスター属性特定手段を付加したファ
ンドパフォーマンス評価装置と方法（本願請求項２〜
４，９〜１１）、ベンチマーク比較をするファンドパフ
ォーマンス評価装置と方法（本願請求項５〜６，１２〜
１３）、定性評価を加味した総合評価を行うファンドパ
フォーマンス評価装置（本願請求項７）、とすることが
できる。

【０１１５】

【発明の効果】以上の説明から明らかなように、本発明
による投資信託のパフォーマンス評価装置及びその評価
方法は、ファンドに関する膨大な情報から各ファンドの
リスク／リターン特性を算出し、類似のリスク／リター
ン特性を有するファンドを同一属性の集合（ユニバー
ス）とする。また、あるインデックスとリスク／リター
ン特性の相関が強いファンドの集合をベンチマーク比較
の対象集合とし、そのインデックスをベンチマークとす
る。このように、本発明によれば、従来不明確または不
適切であって投資信託のパフォーマンス評価の基準を客
観的かつ合理的な形で算出でき、信頼性が高い評価を行
う投資信託のパフォーマンス評価装置及びその評価方法
を提供することができる。

【０１１６】また、従来のファンドのパフォーマンス評
価の基準は、評価時の各ファンドの収益性であったのに
対し、本発明のパフォーマンス評価装置及びその評価方
法は、リスクと収益性の相対的な比率（ＩＲ）をファン
ドのパフォーマンス評価の基準としている。これは、投
資家にとって、投資の判断に直結した指標を提供するパ
フォーマンス評価装置及びその評価方法を得ることがで
きる。

【０１１７】また、本発明の投資信託のパフォーマンス
評価装置によれば、一般に膨大なデータが存在する投資
信託の情報から、パフォーマンス評価に必要なデータを
取り出し、迅速かつ明確にパフォーマンス評価を行うこ
とができる。これにより、従来専門家による複雑な処理
と説明にかかる投資家と投資機関の双方の手間と時間を
大幅に軽減することができる。

【図面の簡単な説明】

【図１】本発明による投資信託のパフォーマンス評価装
置の構成と、パフォーマンス評価を行う際の各構成手段
間の処理の流れを示したブロック図。

【図２】投資信託協会による分類を示した図。

【符号の説明】

１パフォーマンス評価装置２入力手段３クラスター分析手段４クラスター属性特定手段５ユニバース比較評価手段６参考ベンチマーク推定手段７ベンチマーク比較評価手段８定性評価手段９総合評価手段１０出力手段

Claims

【特許請求の範囲】

【請求項１】評価前の所定年数のファンドの収益に関す
る時系列データを入力し、各ファンドのトータルリター
ンと、前記トータルリターンに関するファンド間の相関
係数とを計算し、相関係数が高いファンドを集めてクラ
スターとして分類するクラスター分析手段と、前記クラスター分析手段によって分類されたクラスター
と、ファンドの収益に関する時系列データとを入力し、
前記クラスターをユニバースとして同一ユニバースに属
するファンドのリスク調整後リターン値を求めることに
よってファンドの評価を行うユニバース比較評価手段
と、を有することを特徴とする投資信託のパフォーマン
ス評価装置。
【請求項２】前記クラスター分析手段によって分類され
たクラスターと各クラスターに属するファンドの収益に
関する時系列データとを入力し、所定のクラスターに属
する各ファンドの収益の時系列データに対する決定係数
の高いインデックスを求めて集計し、前記クラスター全
体に対する決定的因子となるインデックスを求めること
によって、そのクラスターの属性を特定するクラスター
属性特定手段を有していることを特徴とする請求項１に
記載の投資信託のパフォーマンス評価装置。
【請求項３】前記クラスター分析手段によって分類され
たクラスターと各クラスターに属するファンドの収益に
関する時系列データとを入力し、所定のクラスターに属
するファンドに対するシャープ（Ｓｈａｒｐｅ）のアセ
ットクラスファクターモデルのスタイルウェイトを求
め、前記スタイルウェイトからクラスター全体に対する
決定的因子となる説明変数を求めることによって、クラ
スターの属性を特定するクラスター属性特定手段を有し
ていることを特徴とする請求項１に記載の投資信託のパ
フォーマンス評価装置。
【請求項４】前記クラスター分析手段によって分類され
たクラスターと評価時点のポートフォーリオ構成銘柄の
収益に関するデータとを入力し、所定のクラスターのポ
ートフォーリオ構成銘柄による特性値分析を行うことに
より、クラスターの属性を特定するクラスター属性特定
手段を有していることを特徴とする請求項１に記載の投
資信託のパフォーマンス評価装置。
【請求項５】評価前の所定年数のファンドの収益に関す
る時系列データを入力し、各ファンドのトータルリター
ンと、前記トータルリターンと既存のインデックスとの
相関係数とを求め、所定のインデックスとの相関係数が
大きいファンドを特定し、前記インデックスを前記ファ
ンドの参考ベンチマークとする参考ベンチマーク推定手
段と、前記参考ベンチマーク推定手段によって推定された各フ
ァンドの参考ベンチマークと各ファンドの収益に関する
時系列データとを入力し、各ファンドの前記参考ベンチ
マークに対するリスク調整後リターン値を求めることに
よってファンドの評価を行うベンチマーク比較評価手段
と、を有することを特徴とする投資信託のパフォーマン
ス評価装置。
【請求項６】前記ベンチマーク比較評価手段は、前記参
考ベンチマークに対するシャープ測度、トレーナー測
度、ジャンセンのアルファ、対ベンチマーク情報係数、
ダウンサイドリスク、トラッキングリスクの少なくと１
つを指標として算出することを特徴とする請求項５に記
載の投資信託のパフォーマンス評価装置。
【請求項７】評価前の所定年数のファンドの収益に関す
る時系列データを入力し、各ファンドのトータルリター
ンと、前記トータルリターンに関するファンド間の相関
係数とを計算し、相関係数が高いファンドを集めてクラ
スターとして分類するクラスター分析手段と、前記クラスター分析手段によって分類されたクラスター
と、ファンドの収益に関する時系列データとを入力し、
前記クラスターをユニバースとして同一ユニバースに属
するファンドのリスク調整後リターン値を求めることに
よってファンドの評価を行うユニバース比較評価手段
と、評価前の所定年数のファンドの収益に関する時系列デー
タを入力し、各ファンドのトータルリターンと、前記ト
ータルリターンと既存のインデックスとの相関係数とを
求め、所定のインデックスとの相関係数が大きいファン
ドを特定し、前記インデックスを前記ファンドの参考ベ
ンチマークとする参考ベンチマーク推定手段と、前記参考ベンチマーク推定手段によって推定された各フ
ァンドの参考ベンチマークと各ファンドの収益に関する
時系列データとを入力し、各ファンドの前記参考ベンチ
マークに対する所定の指標を求めることによってファン
ドの評価を行うベンチマーク比較評価手段と、ファンドに対する定性的な評価を数値化したものを入力
して相互に比較可能に処理してファンドの評価を行う定
性評価手段と、前記ユニバース比較評価手段とベンチマーク比較評価手
段と定性評価手段とによる評価に対するそれぞれのウェ
イト係数をユーザーに入力させ、前記ウェイト係数によ
り前記各手段の評価に重み付けをしてファンドの総合評
価を出力する総合評価手段とを有することを特徴とする
投資信託のパフォーマンス評価装置。
【請求項８】評価前の所定年数のファンドの収益に関す
る時系列データを入力し、各ファンドのトータルリター
ンと、前記トータルリターンに関するファンド間の相関
係数とを計算し、相関係数が高いファンドを集めてクラ
スターとして分類し、前記分類されたクラスターと、ファンドの収益に関する
時系列データとを入力し、前記クラスターをユニバース
として同一ユニバースに属するファンドのリスク調整後
リターン値を求め、前記リスク調整後リターン値による
ファンドのパフォーマンス評価を出力する、ことを特徴
とする投資信託のパフォーマンス評価方法。
【請求項９】前記分類されたクラスターと各クラスター
に属するファンドの収益に関する時系列データとを入力
し、所定のクラスターに属する各ファンドの収益の時系
列データに対する決定係数の高いインデックスを求めて
集計し、前記クラスター全体に対する決定的因子となる
インデックスを求めて出力する、ことを特徴とする請求
項８に記載の投資信託のパフォーマンス評価方法。
【請求項１０】前記分類されたクラスターと各クラスタ
ーに属するファンドの収益に関する時系列データとを入
力し、所定のクラスターに属するファンドに対するシャ
ープ（Ｓｈａｒｐｅ）のアセットクラスファクターモデ
ルのスタイルウェイトを求め、前記スタイルウェイトか
らクラスター全体に対する決定的因子となる説明変数を
求めて出力する、ことを特徴とする請求項８記載の投資
信託のパフォーマンス評価方法。
【請求項１１】前記分類されたクラスターと評価時点の
ポートフォーリオ構成銘柄の収益に関するデータとを入
力し、所定のクラスターのポートフォーリオ構成銘柄に
よる特性値分析を行って出力する、ことを特徴とする請
求項８記載の投資信託のパフォーマンス評価方法。
【請求項１２】評価前の所定年数のファンドの収益に関
する時系列データを入力し、各ファンドのトータルリタ
ーンと、前記トータルリターンと既存のインデックスと
の相関係数とを求め、所定のインデックスとの相関係数
が大きいファンドを特定し、前記インデックスを前記フ
ァンドの参考ベンチマークとして出力し、前記各ファンドの参考ベンチマークと各ファンドの収益
に関する時系列データとを入力し、各ファンドの前記参
考ベンチマークに対するリスク調整後リターン値を求め
て出力する、ことを特徴とする投資信託のパフォーマン
ス評価方法。
【請求項１３】前記参考ベンチマークとファンドの収益
に関する時系列データとを入力し、各ファンドの前記参
考ベンチマークに対するシャープ測度、トレーナー測
度、ジャンセンのアルファ、対ベンチマーク情報係数、
ダウンサイドリスク、トラッキングリスクの少なくと１
つを指標として算出して出力する、ことを特徴とする請
求項１２に記載の投資信託のパフォーマンス評価装置。