AI によって巧妙化するサイバー犯罪

AI の進化を背景に、サイバーセキュリティへの関心が一段と高まっています。Claude Mythos（クロード・ ミュトス）のプレビュー版が公開されたことを受け、各国政府や業界関係者の間では、デジタル化が進む経済 全体への影響を懸念する声が高まっています。デジタル商取引の拡大に伴い、サイバー犯罪も増加していま す。インターネットの匿名性や国境を越えた性質を悪用し、サイバー犯罪の規模が拡大するとともに、手口も ますます巧妙化しています。世界のサイバーセキュリティ支出は 2,200 億米ドル規模と推定され、今後は年率 13%で拡大すると予想されています。AI によってサイバー犯罪の脅威が高まる中で、サイバーセキュリ ティ・セクターの重要性が一段と高まっています。

サイバーセキュリティ指数の構成とパフォーマンス

サイバーセキュリティは、現在の経済だけでなく将来の経済においても重要な役割を担うと考えられます。 S&P Kensho ニュー・エコノミー指数シリーズの枠組みは、第四次産業革命を推進する 25 のテーマで構成さ れており、サイバーセキュリティもそのうちの 1 つとして位置づけられています。S&P Kensho サイバーセ キュリティ指数は、サイバーセキュリティを主力事業とする企業のみで構成されています。サイバーセキュリ ティ・セクターは投資対象として十分な規模を有し、成熟した市場へと発展しています 1。

S&P Kensho サイバーセキュリティ指数は、直近 5 年間で年率 9%のトータル・リターンを記録し、S&P 500 均等加重指数と同水準のパフォーマンスとなっており、直近 3 年間では同指数をアウトパフォームしていま す。多くのテクノロジー関連指数では、特定銘柄への集中リスクが生じやすいことから、S&P Kensho サイ バーセキュリティ指数では、このリスクを避けるために修正均等加重方式を採用しています。そのため、同指 数のパフォーマンスは均等加重ベンチマークと比較されます。同指数は 2025 年 10 月に最高値を付けました が、2026 年に入ってからは方向感に乏しい展開となり、足元では最高値を 13%下回る水準で推移していま す。その背景には、AI がサイバーセキュリティ・セクターに及ぼす影響が依然として不透明であることがあ ります。

近年、S&P 500^®の各セクターに連動する取引が大きく拡大しています。市場参加者の間では、資金配分やリスクヘッジを行う手段として、また米国株式市場の中で有望と見られるセクターに投資する手段として、セクター連動型金融商品を活用する動きが広がっています。こうした中で、セクター連動型金融商品の流動性を見ることで、市場参加者の関心がどこに向かっているのか、また、誰がリスクを手放し、そのリスクを誰が引き受けているのかを読み解くことが可能となっています。米国セクター・ダッシュボードに新たに追加された流動性モニターは、こうした動きを総合的に把握するためのツールであり、上場取引型金融商品（ETP）と先物の取引量構成やその変化に基づき、S&P 500の各セクターの取引動向を分析するための体系的な枠組みを提供します。

S&P 500の各セクターに連動する金融商品は、以前から広く活用されてきましたが、近年ではその役割がますます重要になっています¹。これらの金融商品は、長期的な資産配分やセクター・ローテーションから、短期的なポジション調整やリスクヘッジに至るまで、様々な戦略で活用されており、その流動性も着実に拡大しています。図表1に示されているように、S&P 500の各セクターに連動する上場取引型金融商品（ETP）と先物の取引総額は増加傾向にあり、2026年2月には4,800億米ドルに達しました。取引額が着実に増加していることは、厚みのある取引環境の中でセクター・ローテーションが進み、セクター連動型金融商品を通じてポジションを構築する動きが広がっていることを示しています。

実際の取引額は、市場動向を大まかに把握する手がかりになりますが、それだけでは市場参加者の売買意欲や資金配分の変化までを十分に読み取ることはできません。図表1の月次データを見ると、セクター連動型金融商品の取引には周期性があることが分かります。これは、先物取引のロールオーバーなどの影響によるものであり、各月の取引額を単純に比較するだけでは、市場参加者の売買動向の変化を正しく捉えられない可能性があります。そこで、移動平均などを用いてデータを平滑化し、短期的な変動をならすことで、流動性のトレンドをより明確に把握することができます。

こうした売買動向の変化を正確に捉えるため、流動性モニターでは、セクター連動型金融商品の過去の取引動向に基づき、季節調整比率を適用しています。この調整では、直近20四半期のデータを順次更新しながら、過去の各四半期の同じ時期に見られた典型的な変動パターンに応じて、取引動向を補正しています。図表2に示されているように、先物の取引額は各四半期の3ヵ月目に最も多くなる傾向があり、同じ四半期の1ヵ月目と2ヵ月目の平均の約2.8倍となっています²。こうした季節的な傾向を考慮することで、取引額の変動が季節要因によるものなのか、あるいは実際の売買動向の変化によるものなのかを見極めやすくなります。

SPIVA^®スコアカードの読者であればご存じのとおり、市場平均を上回る投資成果を得ることは容易ではありません。さらに、それを継続的に実現できるアクティブ運用マネージャーはごくわずかであり、そのような運用マネージャーを見つけることは至難の業といえるでしょう。2025年には、日本籍のアクティブ運用株式 ファンド933本のうち、それぞれのベンチマークをアンダーパフォームしたファンドは、80%超に上りました1。一方で、ベンチマークをアウトパフォームした少数のファンドについても、手放しで評価できるわけではありません。重要なのは、どれだけのファンドが、ベンチマークを継続的にアウトパフォームできたのかという点です。

アクティブ運用マネージャーに優れた運用能力があるのであれば、そのファンドは長期にわたり一貫してベンチマークをアウトパフォームできるはずです。しかし、当社の調査によると、アクティブ運用によるアウト パフォーマンスは長続きしないことが多く、こうした傾向は資産クラスや地域を問わず共通して見られます。

日本市場も例外ではありません。SPIVA日本スコアカードの対象ファンドを見ると、ある期間に優れた パフォーマンスを上げたファンドの大半は、その後数年間にわたり好成績を維持することができませんでした。2021年にパフォーマンス上位四分位（上位25%）に入った日本大型株ファンド78本と日本中小型株ファンド47本のうち、その後4年間にわたって毎年上位四分位を維持できたファンドはわずか8%にとどまりました（内訳は、日本大型株ファンド6本、日本中小型株ファンド4本）。さらに、国内株式ファンド以外の各カテゴリーでは、5年連続で上位四分位にランクインしたファンドは1本もありませんでした（図表1参照）。

より長い投資期間で見ると、この傾向はさらに鮮明になります。図表2に示すように、2020年12月までの 5年間では、報告対象となった日本の全ファンド・カテゴリーで上位四分位に入ったファンドのうち、その後5年間にわたり上位四分位を維持できたファンドはわずか6%にとどまりました。一方で、61%のファンドは下位四分位に転落したか、あるいは合併または清算されました。

暗号通貨投資には、一見すると矛盾する2つの特徴があります。それは、市場の主役が目まぐるしく変わる一方で、投資配分全体では一握りの主要暗号通貨が依然として大きな割合を占めているという点です。2018年から2025年にかけて、S&P 暗号通貨総合デジタル資産（BDA）指数では、大型暗号通貨¹であるビットコインとイーサリアムの合計ウェイトが平均78%に達していました。さらに、上位5つの暗号通貨では合計ウェイトが指数全体の約86%に達していました。

上位5つの暗号通貨を除くと、指数を構成する暗号通貨は頻繁に入れ替わっています。現時点で、S&P 暗号通貨総合デジタル資産（BDA）指数で上位10位以内に入っている暗号通貨のうち6つは、2017年時点では上位10位以内に入っていなかったか、まだ存在していませんでした。また、2017年～2026年の期間においてビットコインキャッシュのウェイトは9.4%から0.5%へと大きく低下しました。

人工知能（AI）の普及により、私たちの日常生活は大きく変わりつつあります。定型業務の効率化により生産性が向上しているほか、データに基づく迅速な意思決定が可能となっています。指数の分野でも同様に、最終的な検証とガバナンスは人が担うという前提のもと、AIなどの技術を活用して指数構築をどのように改善できるかが焦点となっています。AIの一分野である機械学習を取り入れることで、膨大なデータを体系的に分析し、データ間の複雑な関係性を明らかにし、将来を見据えた洞察を得ることが可能となります。このような形でAIを活用することにより、市場環境の変化に合わせてファクター投資を進化させることができます。その結果、ベータ（指数運用）においても、アルファ（超過収益）を狙う要素を組み込めるようになり、両者の境目はより曖昧になっていくと考えられます。

本稿では、S&P 3AI指数を取り上げ、その算出方法、パフォーマンス、及び役割や位置づけについて紹介します。

3AIとは何か：3AIアルファ・スコアの概要

3AIは、ロンドンを拠点とする定量リサーチのテクノロジー企業であり、機械学習を用いた株式のアルファ（超過収益）予測を強みとしています。3AIは2018年に設立され、機械学習に基づく予測システムを開発しており、これらは実際の投資運用や研究の現場で活用されています。

アルファ予測は、完全にシステマティックなプロセスを通じて行われ、このプロセスは、厳格な時間的及び手法的制約のもとで運用されます。ただし、モデルの妥当性検証、リスク管理、及びリサーチに関するガバナンスの確保は人が担います。このプロセスから算出されるのが3AIアルファ・スコアであり、これは今後12ヵ月の予想超過収益を示しています。

3AIアルファ・スコアは、相互に連携するAIシステムのネットワークによって算出されます。これらのAIシステムは、300を超える構造化データを活用し、ボトムアップとトップダウンの両面から銘柄分析を行います。ボトムアップ・モデルでは、各企業のファンダメンタルズ、ファクター、アナリスト予想、市場動向、及びテクニカル指標を分析し、トップダウン・モデルでは、セクターの動向や景気循環の影響を評価します。S&P ダウ・ジョーンズ・インデックスは3AIと連携し、これらの3AIアルファ・スコアに基づいて指数を算出しています。

指数の算出方法

3AIアルファ・スコアを用いて最初に算出された指数のうち、代表的なものがS&P 500^®️ 3AI上位100指数とS&P ワールド3AI上位300指数です。各指数は、それぞれの指数ユニバースにおいてスコアの高い企業で構成されており、今後12ヵ月のアルファ予測が最も高い企業のパフォーマンスに連動します。各構成銘柄のウェイトは、それぞれの3AIアルファ・スコアに基づいて設定され、指数は四半期ごとにリバランスされます。詳細については、指数メソドロジーを参照ください。