---
title: "トレイナー・レシオ：超過リターン、推定 Beta、比較可能なリスク単位"
description: "対応するトータルリターン、リスクフリー金利、市場代理回帰、Beta の不確実性、明示的な年率換算、ゼロ近傍・負の Beta の慎重な扱いにより、事後・事前トレイナー・レシオを計算・監査します。"
image: "https://wiki.fcontext.com/og.png"
---

> Documentation Index
> Fetch the complete documentation index at: https://wiki.fcontext.com/llms.txt
> Use this file to discover all available pages before exploring further.

# トレイナー・レシオ：超過リターン、推定 Beta、比較可能なリスク単位

> 教育目的のみであり、投資助言ではありません。投資では損失が生じる可能性があります。

<a id="answer"></a>

## 直接の答え

**トレイナー・レシオ**は、ポートフォリオの平均または期待超過リターンを、所定の市場代理に対する推定感応度で割ります：

`Treynor ratio = portfolio excess return ÷ portfolio beta`

事後の定期データでは `portfolio excess return = mean(R_P,t − R_f,t)` です。事前計算では、分子と Beta の両方を同じ期間・ポートフォリオの将来予想にする必要があります。Beta をシステマティック・リスクの分母とするため、十分に分散されたポートフォリオと関連性の高い市場代理で最も妥当です。リターンの単位を持つため、月次と年次の比率は数値が異なる慣行です。

真に比較可能な二つの正の Beta ポートフォリオでは、高い比率は推定市場エクスポージャー1単位当たりの測定超過リターンが多いことを示します。運用能力の証明、リターン予想、全リスクの捕捉ではありません。`beta = 0` では未定義、ゼロ近傍では不安定で、負の Beta では符号と順位に通常の正の Beta の解釈を適用できません。

<a id="mechanism"></a>

## 再現可能な7段階の手順

1. **評価対象を固定する。** ポートフォリオ、口座、コンポジット、シェアクラス、運用方針と分散、支援する意思決定、通貨、グロス・ネット・税引後、標本・予想期間、事後・事前の別を特定します。同じ Beta ベースの問いが経済的に妥当なポートフォリオだけを比較します。
2. **対応するリターン入力を構築する。** 日付、頻度、タイムゾーン、分配、企業行動、外部キャッシュフロー処理、通貨を揃えたトータルリターンを用います。各ポートフォリオ観測値には同じ通貨・期間のリスクフリー・リターンを対応させます。表示された年次米国債金利が自動的に実現1か月リスクフリー・リターンになるわけではなく、年限、利回り慣行、保有期間処理が重要です。
3. **市場代理を選び Beta を推定する。** `y_t = R_P,t − R_f,t` と `x_t = R_M,t − R_f,t` を定義し、`y_t = alpha + beta × x_t + epsilon_t` を当てはめます。切片ありでは `beta = Σ[(x_t − x̄)(y_t − ȳ)] ÷ Σ(x_t − x̄)²` です。運用方針ベンチマークとCAPM市場代理は異なる場合があります。理論上の市場ポートフォリオは観測不能なので、成績の結論は代理・モデル選択と一体です。
4. **Beta を固定値とせず回帰を監査する。** 標本日、観測数、Beta の標準誤差・信頼区間、Alpha、残差、`R-squared`、外れ値、ローリング期間・頻度・合理的代理にわたる安定性を報告します。最小二乗法は外れ値に敏感な場合があり、古い価格、非同期取引、レバレッジ、デリバティブ、非線形ペイオフ、保有変化が一定の線形 Beta を歪め得ます。
5. **対応する分子を構築する。** 事後では、別の慣行を完全に定義しない限り、Beta 回帰と同じ定期ポートフォリオ超過リターンの算術平均を使います。事前では、期待ポートフォリオ・リターンから期間対応の期待リスクフリー・リターンを引き、予想 Beta と組み合わせます。過去の超過リターンを予想 Beta で割ったり、予想リターンを過去 Beta で割ったりせず、グロスとネットを別表示します。
6. **計算し、年率換算し、分母を扱う。** `T_periodic = mean portfolio excess return ÷ beta` を計算します。Beta は無次元で、期間数を掛けません。算術慣行なら年率超過リターンを `q × periodic mean excess return` とする場合があります。幾何慣行なら、ポートフォリオとリスクフリーの富を別々に複利計算してから差を取ります。単位を明記して慣行を混ぜません。ゼロ Beta は未定義とし、ゼロ近傍・負の Beta では感応度を示すか順位付けを避けます。
7. **補完的証拠とともに解釈する。** シャープ・レシオは超過リターンをトータルリターンの標準偏差で割るため、トレイナーが捉えない残差ボラティリティを含みます。ジェンセンの Alpha は回帰切片で、超過リターンを Beta で割ったものではありません。同じ回帰で Beta が非ゼロなら `Treynor = mean market excess return + alpha ÷ beta` です。結論前に Alpha の不確実性、シャープ、ドローダウン、集中、テール損失、流動性、レバレッジ、費用、税、容量、ヘッジ機能を検討します。

事後トレイナー・レシオは、実現リターン、リスクフリー代理、市場代理、頻度、推定 Beta に依存する標本統計量です。事前比率は期待リターンとリスクモデルに依存する予想です。どちらも普遍的スコアではありません。システマティック・リスクだけが価格付けされるというCAPMの前提によって、未反映の信用、デュレーション、流動性、ボラティリティ、通貨、非線形リスクが消えるわけではありません。

<a id="example"></a>

## 計算例

- **期間対応と年率換算。** ポートフォリオの四半期リターンは `3.0000%`、対応する四半期リスクフリー・リターンは `1.0000%`、Beta は `0.8000` です。四半期トレイナー・レシオは `(3.0000% − 1.0000%) ÷ 0.8000 = 2.5000%`。算術年率換算では `(2.0000% × 4) ÷ 0.8000 = 10.0000%` です。各四半期リターンが一定で別々に複利なら、ポートフォリオ年次リターンは `1.03⁴ − 1 = 12.5509%`、リスクフリー年次リターンは `1.01⁴ − 1 = 4.0604%`、幾何年次トレイナー・レシオは `(12.5509% − 4.0604%) ÷ 0.8000 = 10.6131%` です。年率を四半期リターンから直接引くと期間不整合です。
- **5期間の Beta 回帰。** 市場超過リターンは `−2.0000%, −1.0000%, 0.0000%, +1.0000%, +2.0000%`、ポートフォリオ超過リターンは `−2.1000%, −1.2000%, +0.4000%, +1.2000%, +2.7000%`。平均は `x̄ = 0.0000%` と `ȳ = 0.2000%` です。`Σ[(x_t − x̄)(y_t − ȳ)] = 12.0000 percentage-points squared`、`Σ(x_t − x̄)² = 10.0000 percentage-points squared` なので `beta = 12.0000 ÷ 10.0000 = 1.2000`。切片は `alpha = 0.2000%`、残差は `+0.1000%, −0.2000%, +0.2000%, −0.2000%, +0.1000%`、`R-squared = 1 − 0.1400 ÷ 14.5400 = 0.9904` です。定期トレイナー・レシオは `0.2000% ÷ 1.2000 = 0.1667%`。高い適合度でも5観測の Beta・Alpha 不確実性は消えません。
- **ゼロ近傍と負の Beta。** 超過リターンが `2.0000%` のとき、Beta `0.0500` なら `2.0000% ÷ 0.0500 = 40.0000%`、Beta `0.0200` なら `2.0000% ÷ 0.0200 = 100.0000%`、`0.0000` なら未定義です。別に、超過リターン `−2.0000%` を Beta `−0.2000` で割ると `+10.0000%` です。正の商が損失を優れた単独成績に変えるわけではありません。負の Beta ポジションは保険である場合があり、価値はストレス時の動きとポートフォリオ全体の文脈に依存します。
- **手数料とポートフォリオ集計。** ポートフォリオはAに `60.0000%`、Bに `40.0000%` を配分します。Aのグロス・リターンは `10.0000%`、Beta は `1.2000`、Bのグロス・リターンは `6.0000%`、Beta は `0.3000`、対応リスクフリー・リターンは `3.0000%` です。所定の線形・全額投資前提では、ポートフォリオのグロス・リターンは `60.0000% × 10.0000% + 40.0000% × 6.0000% = 8.4000%`、Beta は `60.0000% × 1.2000 + 40.0000% × 0.3000 = 0.8400` なので、グロス・トレイナー・レシオは `(8.4000% − 3.0000%) ÷ 0.8400 = 6.4286%` です。`0.8000 percentage-point` の手数料負担でネット・リターンは `7.6000%`、ネット比率は `(7.6000% − 3.0000%) ÷ 0.8400 = 5.4762%`。除算は非線形なので、各部分の比率を加重平均してもポートフォリオ比率にはなりません。

<a id="risks"></a>

## 計算・証拠チェックリスト

- ポートフォリオ、口座、コンポジット、シェアクラス、運用方針、測定する投資家体験を特定する。
- Beta ベースの比較がポートフォリオの分散と目的に適切か確認する。
- ポートフォリオ、市場、リスクフリーのトータルリターンを日付、頻度、通貨、タイムゾーンで揃える。
- グロス、商品費用控除後、助言報酬控除後、税引後のリターンを別々に明記する。
- リスクフリー代理の通貨、期間、年限、利回り慣行、保有期間処理を合わせる。
- 運用方針ベンチマークとCAPM Beta 推定用市場代理を区別する。
- 価格、トータルリターン、分配、企業行動、外部キャッシュフローの一貫性を維持する。
- 同期したポートフォリオ・市場の超過リターンを用い、切片あり回帰で Beta を推定する。
- 観測数、回帰期間、頻度、Alpha、Beta、標準誤差、信頼区間、`R-squared` を報告する。
- 残差、外れ値、不均一分散、自己相関、非同期価格を検証する。
- ローリング期間、部分期間、合理的な代替市場代理で Beta の安定性を検証する。
- レバレッジ、デリバティブ、オプション、古い評価、非線形・局面依存エクスポージャーを検討する。
- 過去の事後入力と将来の事前リターン・Beta 予想を分ける。
- 算術・幾何の分子慣行と年率換算を明示的なリターン単位で示す。
- Beta を年率換算せず、年次リスクフリー金利を短期リターンと直接混ぜない。
- ゼロ Beta は未定義、ゼロ近傍 Beta は数値的に不安定とする。
- 負の Beta ポートフォリオを正の Beta の「高いほど良い」規則で順位付けしない。
- 部分比率を平均せず、ポジションからポートフォリオ・リターンと Beta を再計算する。
- トレイナーをシャープ、ジェンセンの Alpha、ドローダウン、テールリスク、流動性、費用、税、容量と比較する。
- データ版、代理識別子、式、コード、丸め、独立再計算を保存する。

<a id="misconceptions"></a>

## よくある誤解

- **「トレイナー・レシオは年次リターン予想である。」** リターン単位を持つ条件付きリスク調整統計量であり、約束リターンではありません。
- **「Beta は固定された完全なリスク尺度である。」** 選択した代理への推定線形ローディングであり、残差・非線形リスクを捉えません。
- **「低 Beta で非常に高い比率なら運用能力の証拠である。」** 小さいまたは不安定な分母が結果を支配し、順位を無意味にし得ます。
- **「トレイナー、シャープ、ジェンセンの Alpha は互換である。」** それぞれ Beta、総ボラティリティ、回帰切片を用います。
- **「ポートフォリオのトレイナーは各部分のトレイナーの加重平均である。」** ポートフォリオ・リターンと Beta を先に集計し、その後で比率を計算します。

<a id="related"></a>

## 関連トピック

- [Beta](/ja/stocks/beta/)
- [シャープ・レシオ](/ja/stocks/sharpe-ratio/)
- [ジェンセンの Alpha](/ja/stocks/jensens-alpha/)

<a id="sources"></a>

## 権威ある情報源

- [Treynor, How to Rate Management of Investment Funds](https://onlinelibrary.wiley.com/doi/pdf/10.1002/9781119196679.ch10) - Wiley再録のトレイナー研究における特性線とファンド成績の枠組み。
- [Sharpe, Capital Asset Prices](https://doi.org/10.1111/j.1540-6261.1964.tb02865.x) - 期待リターン、システマティック・リスク、市場ポートフォリオの均衡関係。
- [CFA Institute, Measures of Risk-Adjusted Return](https://rpc.cfainstitute.org/-/media/documents/code/gips/measures-risk-adjusted-return.pdf) - トレイナー・ジェンセンの定義、Beta の解釈、分散、制約。
- [GIPS Standards Handbook for Firms](https://www.gipsstandards.org/wp-content/uploads/2021/04/gips-standards-handbook-firms.pdf) - 一貫した入力データ、トータルリターン、ベンチマーク、公正な運用成績表示。
- [U.S. Treasury Daily Par Yield Curve Rates](https://home.treasury.gov/resource-center/data-chart-center/interest-rates/TextView?page=1&type=daily_treasury_yield_curve) - 公式の日次パー利回り観測値と満期表示。利回りには期間対応のリターン処理が必要です。
- [Federal Reserve H.15 Selected Interest Rates](https://www.federalreserve.gov/releases/h15/) - 金利系列、頻度、単位、慣行、出所に関する注記。
- [NIST Linear Least Squares Regression](https://www.itl.nist.gov/div898/handbook/pmd/section1/pmd141.htm) - 最小二乗モデル、パラメータ推定、区間、長所、外れ値感応度。
- [NIST Residual Analysis](https://www.itl.nist.gov/div898/handbook/pmd/section4/pmd44.htm) - モデル検証、`R-squared` だけを使う限界、残差の図示診断。

Source: https://wiki.fcontext.com/ja/stocks/treynor-ratio/index.mdx