株価指数の算出方法：誰に大きな「一票」を与えるか

浮動株時価総額加重の考え方

時価総額加重は、市場価格が上がり規模が大きくなった企業の比率が自然に増える方式です。広い市場を低い売買回転で表しやすく、多くの主要指数で採用されています。浮動株調整では、創業者、親会社、政府などの安定保有分を除き、一般投資家が取引できるとみなす部分を指数用の株式数へ反映します。

一方で、相場上昇により巨大化した企業へウエイトが集中しやすく、指数の値動きが市場の「平均的な会社」より上位企業を表すことがあります。時価総額加重は割高銘柄を意図的に選ぶ方式ではありませんが、価格が上がるほど比率が増える構造です。上位1社、上位10社、上位業種の比率を時点付きで確認します。

株価平均型は「1株価格」が重みになる

株価平均型では、各構成銘柄の調整後株価を合計し、除数で割ります。企業の売上高や時価総額が同じでなくても、1株価格が高い銘柄ほど指数へ大きく寄与します。日経平均株価やダウ工業株30種平均が代表例ですが、実際には価格調整係数、上限、企業行動処理など固有ルールを確認する必要があります。

1株価格は株式分割で変わります。2分割なら理論上の株価は半分になりますが、企業価値が半減したわけではありません。そこで除数や調整係数を更新し、分割だけで指数が急落しないようにします。株価平均型を見るときは、高価格銘柄の騰落と、除数変更を伴うイベントを分けます。

均等加重と上限付きは集中をどう変えるか

均等加重指数は、リバランス時点で各構成銘柄へ同じ比率を配分します。大型企業の支配を抑えられる反面、元の市場に比べて中小型側の影響が増え、値上がりした銘柄を減らし値下がりした銘柄を増やす定期売買が必要です。そのため回転率、spread、市場インパクト、課税口座での実現損益などが連動商品へ影響します。

上限付き時価総額加重は、時価総額を出発点にしながら、単一銘柄や業種の比率へ上限を設けます。規制、商品設計、分散要件へ対応しやすい一方、上限超過分の再配分方法と見直し頻度で成績が変わります。「cap weighted」という説明だけでなく、capの数値、判定日、buffer、再配分先を読みます。

同じ株価変化でも指数寄与は変わる

A社が2%上昇したとします。A社のウエイトが60%なら概算寄与は+1.2ポイント、20%なら+0.4ポイントです。B社が同じ2%下落してもウエイトが30%なら−0.6ポイント、65%なら−1.3ポイントになります。同じニュースと同じ銘柄リターンでも、ウエイト方式が指数全体の符号を変えることがあります。

日中の寄与度は、前日終値時点のウエイトと価格変化から概算できますが、配当、為替、企業行動、指数用株式数の変更がある日は単純式との差が広がります。分析では「騰落率ランキング」と「寄与度ランキング」を別表にします。よく上がった小ウエイト銘柄と、小幅上昇でも大きく押し上げた大型銘柄を区別できます。

• 比較日は同じ時刻・同じ通貨・同じリターン種別へそろえる。
• ウエイトは現在値ではなく、分析対象期間の開始時点または提供者の公表時点を使う。
• 指数の上位寄与を個別株の推奨へ変換せず、観測結果として記録する。

方式を選ぶときの5つの問い

第一に、指数が何を測るべきかを定義します。市場の投資可能規模を表すなら浮動株時価総額加重、平均的な銘柄の動きを見るなら均等加重が補助になります。第二に集中度、第三にリバランス頻度とturnover、第四に連動可能性、第五にデータ履歴とルール変更を確認します。過去リターンが最も高い方式を後から選ぶだけでは、将来も続く根拠になりません。

smart betaやfactor指数では、value、quality、momentum、低volatilityなど複数の選定・ウエイト規則が重なります。名称だけで因子を推測せず、指標定義、winsorization、欠損値、業種中立化、上限、rebalance、bufferを読む必要があります。バックテストはライブ開始前のルール設計やデータ選択の影響を受けます。

比較を再現できる形にする

比較表には、指数の正式名称、provider、対象、ウエイト式、浮動株調整、cap、rebalance頻度、上位比率、turnover、リターン種別、通貨、データ時点を記録します。次に指数寄与度の分析で実際の押し上げ役を確かめ、市場の広がりと集中度で参加銘柄数を重ねます。

ウエイト規則の優位性を過去データで検証するときはBacktest Robustness Labで期間分割、費用、パラメータ感応度を点検できます。ツールは将来成績を保証しません。指数のライブ開始日以前のbacktest、survivorship、look-ahead、現在の構成銘柄を過去へ遡及する誤りを特に確認します。