AIを巡る議論は、この1年で急速に進化してきた。AI関連株が割高になっているのではないかという議論から始まったものは、別の懸念、すなわち「集中リスク」へと徐々にシフトしている。
J.P.モルガン・アセット・マネジメントによる最近の見解や、RBCウェルス・マネジメント、アポロ、S&Pダウ・ジョーンズ・インデックスなどの調査会社による研究は、AIが従来の株式ポートフォリオをどのように再形成したかに対する関心の高まりを反映している。少数の企業が主要な株価指数でますます大きなシェアを占めるようになるにつれ、ポートフォリオが見た目通りに分散されているのかどうかという疑問が生じている。
AIが変えたポートフォリオの集中度
その数値は十分に立証されている。RBCウェルス・マネジメントの推計によると、時価総額加重平均型のS&P 500インデックスファンドに投資された100ドル（約1万円）のうち、40ドル（約1万未満円）以上が現在、わずか10社に割り当てられており、エヌビディア（NVIDIA）1社だけで同指数の約8％を占めている。同時に、時価総額加重型のS&P 500は、均等加重型の指数に対して著しいプレミアムで取引されている一方、ハイパースケーラーのAI設備投資は、一部のアナリストが過去のインフラ投資サイクルに匹敵すると指摘するレベルに達している。
これらの指摘は、AI関連株が割高であることを証明するものではない。しかし、従来の株式ポートフォリオがいかに集中しているかを如実に示している。
業界の対応：均等加重
集中度が高まるにつれ、市場の最大手企業へのエクスポージャーを減らすためのアプローチとして、均等加重が広く議論されるようになった。
S&Pダウ・ジョーンズ・インデックスの調査（上記リンク先）はこのアプローチを支持している。ITバブル崩壊後など、過去に集中度が高まった時期を経て、S&P 500均等加重指数は歴史的に時価総額加重指数を上回るパフォーマンスを上げてきた。同社の調査では、歴史的にほとんどのセクターにおいて集中度が平均回帰する傾向があることも分かっており、市場の最大銘柄へのエクスポージャーを減らす妥当性を裏付けている。
均等加重は今日の集中リスクを解決するか？
均等加重は、高まる個別銘柄の集中に対する有力な対策である。しかし、考慮すべき集中リスクは個別銘柄の集中だけではないかもしれない。
今日の集中が、一握りの企業の規模拡大だけでなく、共通の投資テーマである「AI」によってもたらされているとすれば、保有規模（ポジションサイズ）を縮小するだけで、ポートフォリオのリターン源泉を十分に分散できるのだろうか。
AIの投資サイクルは、今日の集中議論の中心にいる企業だけにとどまらない。AIインフラへの投資が加速するにつれ、その影響はより広範な企業群に及んでいる。このことは、市場の大手企業へのエクスポージャーを減らすだけでは、それ自体がより広い投資サイクルへのエクスポージャーを意味のある形で分散させることにはならない可能性を提起している。
均等加重ポートフォリオも、すべて米国大型株に投資されていることに変わりはない。同じマクロ経済環境、同じ金利サイクル、同じ企業業績の背景、そしてますます同じAI主導の設備投資サイクルの影響を受け続ける。個別企業へのエクスポージャーは減少するものの、それらの企業を形作る広範な経済的要因へのエクスポージャーは、それほど大きく変化しない可能性がある。
これは均等加重の有用性を否定するものではない。ただ、今日の集中リスクをめぐる議論は、ポートフォリオのウェイトだけに留まらず、さらに広げる必要があるかもしれないことを示唆している。
銘柄の集中を超えて
集中リスクは、指数の構築方法にとどまらない。ポートフォリオが多数の銘柄を保有していても、依然として同じ広範な市場テーマに大きくさらされていることがある。
これは、あらゆる分散戦略において問い直すべき、より本質的な疑問を示している。すなわち、「多くの企業に分散投資することは、それらの企業に影響を与える要因へのポートフォリオのエクスポージャーを実質的に減らすことにつながるのか？」という疑問だ。
その疑問にアプローチするひとつの方法は、公開株式以外の資産に目を向けることだ。実物資産はその一例である。農地（ファームランド）は有益な例だ。これは農地がAI主導の集中に対する解決策だからではなく、銘柄の集中とテーマの集中との違いを具体的に示してくれるからである。
農地のリターンは、作物の売上、現金賃貸料、そして土地の価値上昇の組み合わせによって生み出される。これらのリターンは、現在多くのAI関連株を方向付けている技術投資サイクルではなく、世界の食料需要、水の確保状況、地域の栽培条件、商品（コモディティ）価格などの要因に影響される。リターンの根本的な原動力がまったく異なるのだ。
過去のパフォーマンスはこの違いの一例を示している。分析対象期間において、米国農地は米国株式と同等の年平均約10%の総合リターンを創出しつつ、過去のボラティリティ（変動性）は大幅に低かった。
このボラティリティの比較には重要な但し書きがつく。農地の歴史的なボラティリティの低さは、鑑定評価に基づく評価方法（公開市場で継続的に価格が付けられるのではなく、不動産が定期的に評価される方法）を部分的に反映している。だからといって比較が無効になるわけではない。単に、この2つの数値がリスクをまったく同じ方法で測定しているわけではないということを意味している。また、農地には公開株式にはない独自の考慮事項もある。一般的に保有期間が長く、最低投資額が高く、リターンの一部は対象の土地を管理するオペレーターに依存する。これは、分散投資による潜在的なメリットが、特に流動性と透明性の面で異なる特性を伴うことを浮き彫りにしている。
本質的な論点は、農地そのものにあるのではない。同じ論理は、リターンの原動力がAI投資サイクルの外にある他の実物資産やオルタナティブ戦略にも当てはまる。したがって、集中リスクは、ポートフォリオがどのように加重されているかだけでなく、最終的にどのような要因にさらされているかを考慮して評価されるべきだ。
より広範な問い
AIを巡る議論が集中リスクに焦点を当ててきたのは当然のことだ。少数の企業が支配力を強めていることで、従来の多くの株式ポートフォリオの構成は根本的に変化した。
均等加重は、そうした企業へのエクスポージャーを減らすことで、思慮深い対応策を提供する。しかし、今日の集中リスクはポートフォリオのウェイトだけで定義されるものではないかもしれない。それはまた、ポートフォリオがどれだけ同じ潜在的な経済要因に依存しているかを反映している可能性もある。その視点は均等加重の価値を損なうものではなく、特定の資産クラスだけが解決策であることを示唆するものでもない。単に議論の視野を広げるだけである。
AIを巡る議論が進化し続ける中で、問いはもはや「ポートフォリオがどれだけ集中しているか」だけではなく、「何がそのリターンをもたらしているか」になるかもしれない。そしてそれは、単に銘柄間で分散させるだけでなく、異なるリスクとリターンの源泉間で分散させることを考えることを意味する。
（本記事で提供される情報は、投資、税務、または財務に関するアドバイスではない。個別の状況に関するアドバイスについては、公認の専門家に相談すること）
