2026年主要クオンツファンドランキング：世界と中国
トップクオンツ機関の戦略とパフォーマンスを理解することで、業界標準とベストプラクティスを理解できる。この記事では世界と中国の主要クオンツ機関を、規模・コア戦略・代表的な事実で比較する。
データは2026年6月時点 · 著者：Wayland Zhang
📖 本記事は無料書籍『AIクオンツ取引：ゼロから一へ』の背景知識チャプターです
第 1 課から体系的に学ぶ →
世界の主要機関を一目で：
| 機関 | タイプ | AUM | コア戦略 | 代表的な事実 |
|---|---|---|---|---|
| Renaissance Technologies | ヘッジファンド | ~920億ドル（規制ベース、2025年3月） | 統計アービトラージ、HFT | Medallion 年率約66%（税引前） |
| Bridgewater Associates | ヘッジファンド | ~920億ドル（2025年末） | グローバルマクロ | 純資産ベースで世界最大 |
| D.E. Shaw | ヘッジファンド | ~850億ドル（2025年12月） | クオンツ・マルチ戦略 | クオンツの先駆者、ベゾスの元雇用主 |
| Millennium Management | ヘッジファンド | ~835億ドル（2026年1月） | マルチ戦略 | 極限のリスク管理 |
| Two Sigma | ヘッジファンド | ~700億ドル（2025年末、過去最高） | ML駆動クオンツ | PhD中心のチーム |
| Citadel | ヘッジファンド | ~670億ドル（2026年初） | マルチ戦略 + マーケットメイク | Citadel Securities を併営 |
| Jane Street | 自己勘定取引 | —（自己資本） | ETFアービトラージ、マーケットメイク | 2025年取引収益396億ドル、ウォール街記録 |
中国の大手クオンツ私募を一目で（規模は2025年末〜2026年Q1の区間。100億人民元 ≈ 14億ドル）：
| 機関 | 運用規模 | コア戦略 | 備考 |
|---|---|---|---|
| 明汯投資（Minghong） | 800–900億元 | マルチ戦略（指数増強、中立、CTA、マクロ） | 中国最大 |
| 衍復投資（Yanfu） | 約760億元 | 指数増強（中低頻度） | 史上最速で100億元到達 |
| 九坤投資（Ubiquant） | 700–800億元 | 指数増強、中立 + CTA、AI駆動 | Microsoft Research Asia と Logic-RL 論文を共同発表 |
| 幻方量化（High-Flyer／ハイフライヤー） | 700億元超 | クオンツロング/指数増強 | DeepSeek の親会社、自己資本のみ |
| 世紀前沿資産（Century Frontier） | 600–700億元 | 指数増強、中立 | 2025年の成長率第1位（+300億元超） |
| 寛徳投資（WizardQuant） | 550–600億元 | 中頻度の指数増強 + 中立 | 2025年初に新規資金の受け入れを制限 |
| 霊均投資（Lingjun） | 500–600億元 | 指数増強、中立 | 2025年の100億元級ファンド成績首位（+73.5%） |
| 誠奇資産（Chengqi） | 450–550億元 | 中立（クローズ）+ 指数増強 | ML主導、高回転 |
| 黒翼資産（Blackwing） | 400–500億元 | 株式クオンツ + CTA の二本柱 | CTA に強み |
1. グローバル・クオンツ機関ランキング
（個別機関のより深いケーススタディはトップクオンツファンドケーススタディを参照。）
1.1 Renaissance Technologies
創設者: Jim Simons（数学者、暗号学者）
フラッグシップファンド: Medallion Fund
運用資産（AUM）:
- コアAUM: 約920億ドル（規制ベースAUM、2025年3月 Form ADV）
- Medallion Fund: 約100-150億ドル（内部従業員のみ、広く引用される推定値）
- RIEF（外部機関向けファンド）: 約200億ドル（2025年。2020年初の約360億ドルから縮小が続き、2025年10月の「クオンツ地震」では単月で14.4%下落）
コア特性:
- 史上最も成功したヘッジファンドと見なされている
- Medallionの歴史的年間リターンは約66%（税引前） / 39%（税引後）
- 数学モデル、統計アービトラージ、AIに高度に依存
- オルタナティブデータソースを大量に使用
- 極めて秘密主義で、戦略の詳細は外部には不明
戦略タイプ:
- 統計アービトラージ
- 高頻度取引
- マルチアセットクラス
- Market Neutral（Beta ≈ 0）
コア理念: 市場には小さな予測可能なパターンが存在する。大量の取引と統計アービトラージを通じてこれらのパターンを捕捉する。
1.2 Two Sigma Investments
AUM: 700億ドル超（2025年末時点で過去最高。2025年1月は約600億ドル）
コア特性:
- 機械学習とビッグデータ分析を使用
- 科学志向、チームは主にPhD
- グローバル市場を広くカバー
- 多様化されたクオンツ戦略
戦略タイプ:
- 機械学習駆動の体系的取引
- マルチ戦略（株式、先物、外為など）
- 中低頻度クオンツ
テクノロジースタック:
- 大規模データ処理
- 分散コンピューティング
- 自然言語処理（ニュース分析）
ガバナンスの混乱: 創業者の Overdeck と Siegel は2024年に共同CEOを退任し仲裁手続きに突入。新共同CEOの一人も2026年3月に辞任——後継体制は依然として未確定。
1.3 Citadel
創設者: Ken Griffin
AUM:
- 機関投資家向け純資産: 約670億ドル（2026年初時点。2025年末に約50億ドルの利益を投資家に返還後）
- 総運用資産: 約4,460億ドル（Form ADVによる、デリバティブの想定元本を含む）
コア特性:
- マルチ戦略クオンツ + マーケットメーカー（Citadel Securities）
- 高頻度取引と流動性提供でリード
- トップティアのテクノロジーインフラ
- 厳格なリスク管理
ビジネスライン:
- Citadel Advisors: マルチ戦略ヘッジファンド
- Citadel Securities: マーケットメーカーと流動性プロバイダー
戦略タイプ:
- クオンツ株式
- 債券アービトラージ
- コモディティ
- 高頻度マーケットメイキング
1.4 Jane Street
ポジショニング: プロプライエタリー取引会社
2025年の実績: 純取引収益396億ドル。JPMorgan を上回り、ウォール街の単一企業として過去最高記録。
規模（自己資本）: 13F証券保有約5,000-6,500億ドル以上（四半期ごとに変動、2025年Q3で約6,570億ドル）
- 注: Jane Streetは外部資本を管理しておらず、この数字はSEC 13F申告による取引ポジションであり、従来のAUMではない。
コア特性:
- 高/中頻度取引
- ETFアービトラージとオプションプライシングの専門家
- グローバル流動性プロバイダー
- 2025年7月、インドSEBIの指数操作疑惑により一時取引制限。約5.65億ドルの供託後に再開、上訴は係争中
戦略タイプ:
- ETFアービトラージ
- オプションマーケットメイキング
- 債券取引
- グローバル流動性提供
テクノロジースタック:
- 関数型プログラミング（OCaml）に高度に依存
- 確率的思考とベイズ推論
- 低遅延取引システム
採用特性:
- 数学、確率、プログラミングスキルを重視
- 面接は確率問題と市場マイクロストラクチャーの質問で知られる
1.5 その他の著名なクオンツ機関
| 機関 | 特性 | 純AUM（2025年末〜2026年初） |
|---|---|---|
| Bridgewater Associates | 純資産ベースで世界最大、規模を意図的に制限。Pure Alpha は2025年に+33% | ~920億ドル |
| Millennium Management | マルチ戦略の王、極限のリスク管理 | ~835億ドル（2026年1月） |
| D.E. Shaw | クオンツのパイオニア、ベゾスの元雇用主。旗艦ファンドは2025年に+18.5% | ~850億ドル |
| Balyasny (BAM) | マルチ戦略、コモディティとクオンツに強い | ~330億ドル（2026年3月） |
| Hudson River Trading (HRT) | トップHFTプレーヤー | （自己資本） |
| Point72 | Steve Cohen、マルチ戦略（クオンツ部門 Cubist） | ~507億ドル（2026年4月） |
2. 中国大手クオンツ私募ランキング
2026年4月末時点で、中国の運用規模100億元超のクオンツ私募は約71社（2025年末は55社）。運用規模50億元超のクオンツ私募の合計は1.8兆元を超え（2026年Q1末）、100億元級の2025年平均リターンは約33%。上位の顔ぶれはこの2年で大きく入れ替わった——以下、最新の規模順。
2.1 第一梯団（700億元超）
明汯投資（Minghong）（2014年、裘慧明）——800–900億元で中国最大。創業者の裘氏はペンシルベニア大学物理学博士で、Millennium 出身。指数増強・中立・CTA・マクロと戦略カバレッジが最も広く、2026年の新規プロダクト登録数は業界第1位。ただし2026年3月にはマクロ戦略プロダクトが2週間で約15%のドローダウンを記録——規模首位でも戦略のボラティリティからは逃れられない。
衍復投資（Yanfu）（2019年、高亢）——約760億元。高氏は MIT 出身で Two Sigma を経て帰国。設立1年未満で100億元に到達する業界最速記録を打ち立てた。中低頻度の指数増強が絶対的コアで、キャパシティ管理のため常時クローズ（新規資金停止）を使う——「管理しきれない資金は受けない」の典型。
九坤投資（Ubiquant）（2012年、王琛・姚斉聡）——700–800億元。創業者2人とも WorldQuant 出身。中国クオンツで最も重い AI 投資：自社GPUスパコン「北溟」を構築し、AI Lab を設置。2025年には Microsoft Research Asia と Logic-RL 論文を共同発表し、DeepSeek-R1 型の強化学習を再現——狙いは汎用AGIではなく金融ドメイン特化の大規模モデル。
幻方量化（High-Flyer／ハイフライヤー）（2015/2016年、梁文鋒）——700億元超、かつ完全自己資本：数年前から外部資金の受け入れを停止し、2023年以降は新規プロダクトを一切登録していない。DeepSeek の親会社であり、自社AI訓練基盤「蛍火」を構築し、2023年に DeepSeek を孵化。2024年10月に市場中立戦略から完全撤退してクオンツロング専業に。2025年のリターンは56.6%で、「DeepSeek の軍資金」と広く評されている。
2.2 500億元クラス
世紀前沿資産（Century Frontier）（2015年、陳家馨）——600–700億元。2025年だけで300億元超を積み増し、同年の成長率首位。低相関戦略と長期視点で知られる。
寛徳投資（WizardQuant）（2014年、張大慶創業）——約550–600億元。創業者の2023年引退後は1990年代生まれの実質支配人・徐御之が指揮。中頻度のマルチライン指数増強に強く、2025年初には資金流入が速すぎるとして自らクローズ警告を発した。
霊均投資（Lingjun）（2014年、蔡枚傑・馬志宇）——500–600億元。2024年2月19日、寄り付き1分間にプログラムで25.67億元を売却し、上海・深圳両取引所から3日間の取引制限と公開譴責を受けた——中国のプログラム取引新規制下で初の処分事例。15ヶ月の新規登録停止を経て、2025年には+73.5%で100億元級の成績首位に返り咲いた——事故・是正・復帰の完全なケーススタディ（同種の失敗例は歴史的に有名なクオンツ事故を参照）。
誠奇資産（Chengqi）（2013年、何文奇）——約450–550億元。創業者は Millennium 出身。ML主導で年率回転70–80倍、市場中立ラインは長期クローズ中。
黒翼資産（Blackwing）（2014年、陳沢浩・鄒倚天）——約400–500億元（情報源により差異あり）。創業者2人はスタンフォードで出会った。業界でも希少な「株式クオンツ + CTA」二本柱で、2025年に香港タイプ9ライセンスを取得し海外展開。
2.3 規制が作り変えた業界地図
現在の中国クオンツの構図は、2023–2025年の規制サイクル抜きには理解できない：
- プログラム取引規制細則が2025年7月7日施行：HFT の認定基準は1口座あたり毎秒300件以上の発注/取消、または1日2万件以上。高頻度には差別化された手数料を適用（詳細はプログラム取引規制）
- DMA デレバレッジ：レバレッジ上限1:1、外部資金は期限到来後に清算。業界の DMA 規模はピーク約2,500億元から約1,000–1,200億元に縮小
- 2024年10月の中立戦略危機：「924相場」で株価指数先物が大幅プレミアムとなり、中立プロダクトのショートレッグを直撃——幻方が中立戦略から完全撤退した契機
- 2025年7月：100億元級のクオンツ私募の数が、史上初めて裁量系を上回った
中米市場の構造的な違い（T+1、値幅制限、空売り制約）により、両国のトップ機関の戦略形態は全く異なる——詳細は米中クオンツ市場の違い。
3. コア概念の解析
3.1 AlphaとBeta
Beta（β）:
- 市場ベンチマークに対するポートフォリオのシステマティックリスクを測定
- β = 1: 市場と連動
- β > 1: よりボラティリティが高い（よりアグレッシブ）
- β < 1: よりボラティリティが低い（より保守的）
- β ≈ 0: Market Neutral
Alpha（α）:
- 超過収益、リスク調整後の「当然の」部分を超えた部分
CAPM公式:
期待リターン = リスクフリーレート + β × （市場リターン - リスクフリーレート）
Alpha = 実際のリターン - 期待リターンクオンツファンドは複雑なモデルを使用して**Beta（市場リスク）**を剥離し、**Alpha（純粋な超過収益）**を捕捉することを目指す。
- Alpha: 投資マネージャーの秘密のソース—市場と連動しない「真のスキル」。
- Beta: 市場の潮流に従う。
💡 詳細については: AlphaとBeta
3.2 シャープレシオ
定義: リスク調整後のリターン効率
公式:
Sharpe = （ポートフォリオリターン - リスクフリーレート） / ポートフォリオボラティリティ意味: 取ったリスク1単位あたりの超過リターン
典型的な値:
- 通常の株式ファンド: 0.5-1.0
- 優秀なヘッジファンド: 1.0-2.0
- Renaissance Medallion: 歴史的Sharpe > 2.5（極めて高い）
AlphaとSharpeの比較:
- Alphaは答える: 「市場よりどれだけ賢いか？」
- Sharpeは答える: 「全体的なリスクリターン比は？」
例:
| ファンド | 年間リターン | ボラティリティ | Sharpe | Alpha |
|---|---|---|---|---|
| A | 15% | 10% | 1.1 | +4% |
| B | 20% | 20% | 0.8 | +1% |
- ファンドBはより多く稼ぐが、ファンドAはリスク調整後のパフォーマンスがより良い
- ファンドAはより高いAlphaを持ち、より強いスキル
4. クオンツ機関の共通特性
4.1 人材構成
| 機関 | 主な採用背景 |
|---|---|
| Renaissance | 数学者、物理学者、信号処理専門家 |
| Two Sigma | 機械学習PhD、データサイエンティスト |
| Citadel | コンピュータサイエンス、金融工学 |
| Jane Street | 数学、確率論、関数型プログラミング |
| 九坤 / 幻方 | 競技数学メダリスト、AI研究者、数学/物理PhD |
共通点:
- STEM背景を重視
- 問題解決能力を強調
- プログラミングスキルが必須
4.2 テクノロジースタック
共通技術特性:
- 低遅延取引システム
- 大規模データ処理
- 機械学習/統計モデル
- 厳格なリスク管理システム
プログラミング言語:
- Python（研究）
- C++（本番システム）
- OCaml / Rust（特定のシナリオ）
4.3 戦略特性
| 機関 | 主な戦略 | 保有期間 |
|---|---|---|
| Renaissance | 統計アービトラージ | 秒-日 |
| Two Sigma | マルチ戦略クオンツ | 日-月 |
| Citadel | マルチ戦略 + マーケットメイキング | 秒-年 |
| Jane Street | マーケットメイキング + アービトラージ | 秒-日 |
共通点:
- 体系的な意思決定、人間の判断を減らす
- 厳格なリスク管理とポジション管理
- 高度に自動化された実行
5. プロプライエタリー取引会社 vs ヘッジファンド
5.1 コア差異
| 特性 | プロプライエタリー取引会社 | ヘッジファンド |
|---|---|---|
| 資本源 | 自己資本 | 外部投資家 |
| AUM開示 | 通常非公開 | 公開または半公開 |
| 手数料構造 | 管理手数料なし | 2/20構造 |
| リスク負担 | 完全に自己負担 | 受託管理 |
| 代表機関 | Jane Street、HRT、幻方（現在） | Renaissance、Two Sigma、九坤 |
5.2 Jane Streetの独自性
- 純粋なプロプライエタリー取引会社
- 自己資本で取引
- 外部投資家のために稼ぐ義務なし
- 戦略がよりアグレッシブでありうる
- ユニークなテクノロジースタック（OCaml）
6. トップ機関からの教訓
6.1 技術原則
- データ駆動: すべての意思決定はデータに基づき、直感ではない
- 体系化: 再現可能、バックテスト可能、検証可能
- リスク管理優先: まずリスクを管理し、次にリターンを追求
- 継続的反復: 戦略は絶えず更新と最適化が必要
6.2 組織原則
- 人材を重視: トップ人材がコア競争力
- 技術投資: インフラに大規模投資
- 文化構築: 科学と合理性を崇拝
- 秘密保持: コア戦略は高度に秘密
6.3 個人クオンツトレーダーへの示唆
| トップ機関の実践 | 個人が応用できること |
|---|---|
| 大規模データ処理 | 高品質データソースを選択 |
| 低遅延システム | コード効率を最適化 |
| マルチ戦略分散 | 単一戦略にオールイン しない |
| 厳格なリスク管理 | ストップロスとポジション制限を設定 |
| 継続的研究 | 学習を続け、最前線をフォロー |
重要な認識:
- 個人はインフラ（遅延、データ）で競争できない
- しかし戦略の創造性と実行規律で学ぶことができる
- コストを管理し、資本効率を向上
本書の著者もこの道を歩んでいる：開発中の Dnalyaw は AI 駆動のクオンツ取引プラットフォームであり、本書の多くのエンジニアリング上の判断は、バックテストから実取引への開発過程に由来する。
7. これらの機関を追跡する方法
7.1 公開情報源
| ソース | 内容 |
|---|---|
| SEC 13F申告 | 米国株式保有（四半期更新） |
| 機関ウェブサイト | 採用情報、文化紹介 |
| 学術論文 | 一部の研究者が論文を発表 |
| ニュース報道 | パフォーマンス、人事異動 |
| 中国基金業協会（AMAC） | 中国私募の規模区間、プロダクト登録 |
7.2 非公開情報
- コア戦略の詳細は高度に秘密
- 取引シグナルとモデルは非公開
- 求人情報と論文から方向性を推測するのみ
コア原則: トップクオンツ機関の成功は、体系化、規律、継続的イノベーションから来る。個人クオンツトレーダーは、その方法論とリスク管理原則を学ぶべきであり、戦略を盲目的に模倣するのではない。覚えておくこと: 高Alpha + 低Betaが真の「聖杯」である。
クオンツリサーチの単純作業——データ取得、バックテストスクリプトの実行、レポート生成——を AI agent に任せましょう。
無料書籍『AIクオンツ取引：ゼロから一へ』
AI researcher and serial founder. Building agent runtimes and quantitative trading systems.