背景知識: 戦略の同質化とキャパシティのボトルネック

全員が同じことをしているとき、超過リターンは消失する。キャパシティは戦略の見えない天井です。

1. 戦略の混雑とは何か？

戦略の混雑（戦略の同質化とも呼ばれる）は、複数のクオンツ機関が類似のファクター、モデル、または取引ロジックを使用し、以下の結果を生じることを指します：

1. 同時に同一の取引シグナルを生成
2. 同じ証券の集中的な売買
3. 市場の極端な状況での集団逃避（スタンピード）

1.1 同質化の根本原因

なぜクオンツ戦略は収束するのか？

1. ファクター研究の公開性
   - 学術論文が最新のファクターを公開
   - ブローカー調査レポートが広く流通
   - オープンソースコードが複製障壁を下げる

2. 同質的なデータソース
   - 主流のデータベンダーはわずか数社のみ
   - 代替データは高い障壁を持つが、採用されると収束

3. 人材の流動性
   - 研究者が企業を変える際に戦略ロジックを持ち込む
   - 類似の教育背景が類似の思考を生む

4. 標準化されたツール
   - 同じバックテストフレームワーク
   - 同じMLアルゴリズムライブラリ
   - 同じ最適化目標

1.2 同質化の危険

2. 2024年2月小型株流動性危機

2.1 イベント背景

2024年初頭、中国のA株市場でクオンツプライベートファンド間の集団的ドローダウンイベントが発生しました。

タイムライン:
2024年1月 → 小型株とマイクロキャップ株が下落を続け、流動性が引き締まる
2024年2月初旬 → 規制当局がマイクロキャップ取引の制限を強化
2024年2月8日 → 複数のクオンツファンド商品がYTD損失30%超を示す

2.2 主要機関のドローダウンデータ

2024年6月28日時点のYTDリターン:

2.3 危機原因分析

ファクター1: 戦略の同質化
├── 多くの機関が小型/マイクロキャップ株をオーバーウェイト
├── 類似のファクターエクスポージャー（小型株 + モメンタム）
└── 高度に相関したシグナル

ファクター2: 流動性ミスマッチ
├── 想定流動性 > 実際の流動性
├── 大口注文が予想価格で執行できない
└── スリッページコストがスパイク

ファクター3: 規制トリガー
├── マイクロキャップ取引制限が強化
└── 一部の戦略が強制清算

ファクター4: ポジティブフィードバックループ
├── 下落 → ストップロス → さらなる下落
├── クオンツの集団売却が下落を増幅
└── 流動性がさらに枯渇

2.4 学んだ教訓

3. 戦略キャパシティの問題

3.1 戦略キャパシティとは何か？

戦略キャパシティは、戦略が市場に大きな影響を与えたり、リターンを大幅に減少させたりせずに管理できる最大資本です。

なぜキャパシティは制限されるのか:

1. マーケットインパクト
   大資本 → 高い取引参加 → 価格変動 → スリッページ増加

2. 流動性制約
   限られた日次出来高 → 大口注文が完全に執行できない → 執行遅延

3. シグナル減衰
   大規模 → 執行時間が長い → シグナルが古くなる

4. 混雑効果
   同じ戦略を使用する複数の大型ファンド → 相互干渉

3.2 キャパシティ推定方法

経験則:

保守的推定:
戦略キャパシティ ≈ ターゲット株式プール日次出来高 × 参加率 × 保有期間

例:
- ターゲット株式プール日次出来高: $10 billion
- 保守的参加率: 1%
- 平均保有期間: 5日

戦略キャパシティ = $10B × 1% × 5 = $500 million

より正確な推定:

def estimate_capacity(
    daily_volume: float,        # 日次出来高（ドル）
    participation_rate: float,  # 参加率（通常1-5%）
    holding_period: float,      # 平均保有期間（日）
    impact_tolerance: float,    # 許容可能なインパクトコスト（例：0.5%）
    volatility: float           # 日次ボラティリティ
) -> float:
    """
    戦略キャパシティを推定

    マーケットインパクトに平方根ルールを使用
    """
    # ベースキャパシティ
    base_capacity = daily_volume * participation_rate * holding_period

    # マーケットインパクト制約
    # インパクトコスト ≈ volatility × sqrt(participation_rate)
    # 最大許容参加率を解く
    max_participation = (impact_tolerance / volatility) ** 2
    impact_capacity = daily_volume * min(participation_rate, max_participation) * holding_period

    return min(base_capacity, impact_capacity)

# 例
capacity = estimate_capacity(
    daily_volume=1e10,       # $10B日次出来高
    participation_rate=0.02, # 2%参加
    holding_period=5,        # 5日保有
    impact_tolerance=0.005,  # 0.5%インパクト許容
    volatility=0.02          # 2%日次ボラティリティ
)
print(f"戦略キャパシティ: ${capacity/1e9:.1f}B")

3.3 戦略タイプ別キャパシティ特性

3.4 スケール vs. リターンのトレードオフ

スケーリングのコスト:

AUM $1B → 年間15%超過リターン
AUM $5B → 年間10%超過リターン
AUM $20B → 年間5%超過リターン
AUM $50B → 年間2-3%超過リターン

理由:
1. マーケットインパクトがスケールと共に増加
2. より非流動的なポジションを保有せざるを得ない
3. 執行時間が延長、シグナル減衰を引き起こす
4. 戦略分散がアルファを希釈

4. 対策

4.1 分散戦略

ファクター分散:
├── バリューファクター
├── モメンタムファクター
├── クオリティファクター
├── ボラティリティファクター
└── 代替ファクター（センチメント、ESGなど）

市場分散:
├── 米国株
├── 欧州株
├── アジア株
└── 先物/オプション

時間枠分散:
├── イントラデイ
├── 日次
├── 週次
└── 月次

4.2 差別化されたファクター

低相関ファクターを見つける:
- 代替データファクター（衛星画像、クレジットカードデータ）
- イベント駆動ファクター（M&A、発表）
- マイクロストラクチャーファクター（オーダーフローインバランス）
- 機械学習ファクター（非線形組み合わせ）

鍵: ファクター相関 < 0.3を確保

4.3 執行最適化

# スマートオーダースライシング
def smart_order_slice(
    total_quantity: int,
    daily_volume: float,
    urgency: str = 'normal'
) -> list:
    """
    大口注文を小さなピースに分割してマーケットインパクトを削減
    """
    # ターゲット参加率
    participation_rates = {
        'low': 0.01,      # 1% - 最小インパクト
        'normal': 0.03,   # 3% - バランス
        'high': 0.05      # 5% - 高速執行
    }
    rate = participation_rates[urgency]

    # 日次実行可能出来高
    daily_capacity = daily_volume * rate

    # スライシング計画
    slices = []
    remaining = total_quantity
    day = 1

    while remaining > 0:
        slice_qty = min(remaining, daily_capacity)
        slices.append({
            'day': day,
            'quantity': slice_qty,
            'expected_impact': estimate_impact(slice_qty, daily_volume)
        })
        remaining -= slice_qty
        day += 1

    return slices

4.4 キャパシティ管理

キャパシティ管理フレームワーク:

1. モニタリングフェーズ
   - 戦略AUMとキャパシティ比率を追跡
   - 執行スリッページトレンドをモニター
   - ファクター混雑メトリクスを評価

2. 警告フェーズ（AUM > キャパシティの60%）
   - エントリー基準を引き上げ
   - 新戦略R&Dを増加
   - ソフトクローズタイミングを評価

3. アクションフェーズ（AUM > キャパシティの80%）
   - ソフトクローズ（新規資本を一時停止）
   - 管理手数料を引き上げてスケールを管理
   - 戦略または商品ラインを分割

5. 業界トレンド：低頻度へのシフト

5.1 規制ドライバー

中国規制制約:
- HFT定義: 300注文/秒 OR 20,000注文/日
- 米国市場より厳格
- 主要機関が調整を余儀なくされる

結果:
- 高頻度アルファ戦略が影響を受ける
- 現物先物アービトラージ戦略が影響を受ける
- 業界全体で中低頻度へシフト

5.2 キャパシティドライバー

スケーリングの避けられない選択:

主要機関AUM: $80-110 billion
HFT戦略キャパシティ: $1-5 billion

ミスマッチ → 頻度を下げる必要

中低頻度キャパシティ: $10-50 billion
大規模AUMに適合

5.3 低頻度のコスト

トレードオフ：低頻度はドルあたりのリターンが低いが、スケールを増やせるため、総収益を増やす可能性がある。

6. 個人クオンツへの示唆

さらなる読書

• Lesson 07: バックテストシステムの落とし穴 - キャパシティとコストモデリング
• Lesson 18: トレーディングコストと取引可能性 - マーケットインパクトの詳細
• トップクオンツファンドケーススタディ - 業界トレンド観察

コア洞察：戦略の同質化とキャパシティのボトルネックは、クオンツ業界の構造的課題です。差別化されたファクター、保守的なキャパシティ推定、最適化された執行がこれらの課題に対処する鍵です。