資産運用OSの再設計②：銘柄置換アルゴリズムの解明と「米・日以外」の最適戦略

前編では、新興国への構造的な疑念やFANG+への永続性の懸念をデバッグしてきました。

​後編では、それらの懸念を払拭し、具体的な「実装」へと落とし込んでいきます。私が投資信託というシステムに対して抱いていた「決定的な勘違い」と、仕様書を読み解いて判明した衝撃のアルゴリズム。そして、それによって導き出された最終的なポートフォリオ設計を公開します。

​■ 投資信託に対する「致命的な誤解」のデバッグ

​これまで私は、投資信託の銘柄入替（リバランス）を、ソースコードの修正で言うところの「追記（Append）」のようなイメージで捉えていました。

• ​当初のイメージ: 例えばFANG+で「テンセント」が外れ、「テスラ」が入る場合。 これまで積み立ててきた「テンセント100株」はそのまま保持され、次回の積み立てから「テスラ」を買い始める。

• ​抱いていた恐怖: 「もし外れた銘柄（テンセント）が暴落したら、負債としてポートフォリオの底に溜まり続けるのではないか？」

​この「過去の遺産を抱え込み続ける」というイメージこそが、特定の国や少数銘柄に集中投資するファンドにGoを出せなかった最大のブレーキでした。

​■ 衝撃の仕様：それは「保有分を含めた全面再配分」のバッチ処理だった

​しかし、インデックス運用の内部仕様を精査した結果、そこにはエンジニアの想像を超える「破壊的かつ徹底的なリフレッシュ」が実装されていました。

​過去の資産も例外なく再配分される

​実際のアルゴリズムはこうでした。

​「テンセント」が指数から外れた場合、システムはこれまで数年かけて積み立ててきた保有分を段階的に売却（パージ）します。そして、その売却益をそのまま使い、新銘柄の「テスラ」を全体の10%に達するまで再配分するのです。

​つまり、過去の蓄積も含めて、ポートフォリオが最新の「最強10社」へ完全に書き換えられる。

​これはまさに、実質的に古いインスタンスを破棄し、最新の構成で「一括デプロイ」し直す挙動です。

​この仕様がもたらしたパラダイムシフト

​指数から外れた銘柄は、ファンド内では段階的に売却され、新規採用銘柄へ資金が再配分される、という仕様を理解した時、私の懸念は180度変わりました。

• ​エンジニア的納得感: 「腐った銘柄」を過去分も含めて一切残さない。常に最新の最強セットに資産がコンバートされ続ける。

• ​S&P500の堅牢性: 500社のうち、下位に沈んだ企業は過去の保有分ごと「ガベージコレクション」される。だからこそ、システム全体のパフォーマンスが維持される。

• ​新興国投資への障壁解消: 「今のインド企業がダメになったら？」という不安。しかし、システムは「ダメになった企業」を持ち続けることはありません。その時、インドで次に台頭している「勝者」へ、プログラムが勝手に乗り換えてくれるのです。

​では、この“自動置換システム”は、現在最強とされる集中指数（FANG+のような少数精鋭型）に対しても有効なのだろうか。

​その問いに答えるためには、「最強企業という“プロセス”は、再起動を繰り返しても生き残るのか？」という歴史的検証が必要になる。

​■ FANG+のリバランスの真実と「落城」の歴史

​「今は最強の10社（FANG+）も、いつかは入れ替わるのではないか？」という視点は、20年の長期スパンで考える上で非常にクリティカルです。まずは、日米の時価総額トップ5の変遷をデバッグしてみます。

​日米・時価総額トップ5の変遷（1995年〜2025年）

• ​1995年

  • ​(米国): 1.GE 2.エクソン 3.AT&T

  • ​(日本): 1.NTT 2.三菱銀行 3.日本興業銀行

• ​2005年

  • ​(米国): 1.エクソン 2.GE 3.Microsoft

  • ​(日本): 1.トヨタ 2.三菱UFJ 3.みずほ

• ​2015年

  • ​(米国): 1.Apple 2.Google 3.Microsoft

  • ​(日本): 1.トヨタ 2.三菱UFJ 3.日本郵政

• ​2025年（現在）

  • ​(米国): 1.NVIDIA 2.Apple 3.Microsoft

  • ​(日本): 1.トヨタ 2.三菱UFJ 3.ソニーG

​読み解く「落城のパターン」

​私たちは常に「今の王者」を見て投資したくなります。ですが歴史を振り返ると、日本の銀行セクターの総崩れに対し、米国は「エネルギー・製造（GE等）」から「ソフトウェア・AI（NVIDIA等）」へと、OSそのものが入れ替わるような劇的な進化を遂げています。20年前の最強GEは没落し、今の最強NVIDIAは10年前には影も形もありませんでした。

​つまり、「最強企業を選ぶ戦略」は不確実だが、「最強企業へ自動で乗り換える戦略」は持続可能である。

​■ FANG+のコミット履歴（構成銘柄の変遷）

​過去の「GitHubのコミット履歴」のように、FANG+の変遷を振り返ると、システムの正常な動作が確認できます。

• ​2014〜2017年: 中国のバイドゥやアリババを組み込んでいた。

• ​2022〜2023年: 中国株のカントリーリスクを検知し、バイドゥ・アリババを完全パージ。

• ​2024年〜: Snowflakeを外し、Broadcom等の「AI半導体」へフルコミット。

​システムは正常に動いていますが、トレンドの頂点付近で高値掴みをするバグ（高値買い）も過去に発生しています。

​■ 各インデックスの設計思想（アーキテクチャ）の違い

​最終的な構成を決めるために、主要インデックスの仕様を総括します。

• ​S&P500: 最大定員500名の「精鋭サーバー群」。ガベージコレクションが強力で、コスパ・安定性ともに最強のインフラ。ただし、OpenAIのような新興勢力の取り込みには「4四半期連続黒字」などのバリデーションがあるため、レイテンシ（反応速度）が遅い。

• ​NASDAQ100: 「イノベーション（ハイテク）」に全振り。金融株を含まない、特定セクター特化型。

• ​オルカン（全世界株式）: 「動的リバランス（オートスケール）」機能を持ち、米国が沈んでも次の覇権国へリソースを自動移動させる、究極の生存戦略OS。

​■ なぜ「米国・日本以外」が最適補完になるのか

​この「自動乗り換え機能」を前提とした時、わが家のポートフォリオにおける「真の分散（冗長性）」の姿が見えてきました。

​現在の構成は「米国（S&P500）」と「日本（日経平均）」に偏っています。しかし、20年後にこの二国が世界の時価総額トップを走り続けている保証はありません。

• ​仮説: もし20年後、インドやインドネシア、あるいは未知の国が米国を凌駕していたら？

• ​解決策: 今からその国を予測して一点買いする必要はない。「インド・新興国インデックス」という、勝者を自動追跡するシステムを今のうちにポートフォリオに組み込んでおけばいい。

​これにより、未来の勝者が誰であっても、私の資産運用OSは自動的にその果実を吸い上げる準備が整います。

​■ 最終的な資産配分戦略：月5万円の最適解

​デバッグを終え、導き出した「月5万円」の割り当ては以下の通りです。

​既に米国・日本へのエクスポージャーを十分保有しているため、冗長性確保の観点から“未保有領域”に資本を集中させる。冗長性とは「異なる未来に同時接続しておくこと」。

​私は「未来の覇権国」を予測せず、新興国インデックスに5万円を接続します。

インド以外の新興国（メキシコ、ブラジル、インドネシア等）も網羅し、新興国市場全体の「新陳代謝」を受け取ることを狙います。

​■ 結論：投資信託は「商品」ではなく「自動運用システム」だった

​今回の再設計を通じて得た最大の教訓は、「投資信託を、厳格な仕様に基づいたプログラムとして理解する」ことの重要性です。

​「どの国が成長するか」を当てるのは賭けですが、「成長している銘柄を自動で組み込み続けるシステム」に投資するのは、極めてエンジニア的な、合理的な意思決定です。

​これで、わが家の資産運用OSは、米国、日本、そして「未来のどこかの勝者」をも取り込める、強固な冗長性を備えたバージョンへとアップデートされました。

​資産運用とは、未来を予測することではなく、「どの未来でも稼働し続ける設計」を採用すること。

​私は予測をやめ、システムを選びました。

​これにて、今回のデバッグ完了です。

​■ 【補足】背中を押してくれた名著：『ウォール街のランダム・ウォーカー』

​新興国をポートフォリオに組み入れるという決断には、投資のバイブルとされる名著『ウォール街のランダム・ウォーカー』（バートン・マルキール著）による後押しもありました。

本書は、低コストのインデックスによる国際分散投資が、個人投資家にとって最も合理的な戦略であることを一貫して示しています。特に、先進国に偏らない幅広い分散（新興国を含むグローバル分散）は、長期のリスク分散に寄与するという示唆が繰り返し語られます。

​「コアの部分で市場平均を確保できていれば、安心して個別銘柄でリスクを取ることもできる。そこで多少のケガをしても致命傷を負うことはない。」

​この一節は、米国株や日本株を個別でハンドリングしつつ、未知の領域をインデックスに任せるという私の「冗長化設計」の正しさを強く裏付けてくれました。

予測ではなく設計へ。

この一冊が、その最終決断に静かな確信を与えてくれました。