株式リサーチのための高度な計量モデル
Fintelのクオンタム・リーダーボードは、実証済みの財務指標に基づいて銘柄を格付けし、長期投資のアイデアを提供します。これらのモデルは、データに基づいた優位性を求める熟練投資家、ファイナンシャル・アドバイザー、アナリスト向けに設計されています。
機関投資家向け水準のクオンツ・モデル
Fintelのスコアリングモデルは、機関投資家が用いる手法を適用することで、強固なファンダメンタルズと成長性を備えた銘柄の特定を支援します。複雑なデータを活用しやすいランキングへと簡素化したリーダーボードにより、質の高い企業を効率的に見つけることが可能です。
本ガイドでは、Fintelが世界中の企業を評価するために使用している独自のスコアリングモデルについて解説します。バリュエーション（企業価値評価）に基づく指標から保有状況に関するセンチメントに至るまで、当社のモデルは証券分析のための包括的な枠組みを提供します。
各スコアリングモデルは、キャッシュフロー効率やファンダメンタルズの強さといった加重基準に基づき、企業に比較評価を割り当てます。これらの指標を用いて企業を格付けすることで、市場全体における相対的な価値について明確な洞察が得られます。
量的モデルの簡潔な歴史
定量モデルは長年にわたって存在しています。その中でも、特に有名なものが2つあります。
- ピオトロスキー・スコア
- 魔法の公式
これら両方のモデルが、Fintelモデルの基盤となっています。
前述の2つに以下の3つを合わせることで、リーダーボードの知的枠組みが形成されます。
Fintel独自のQuantSoftクオリティ／バリュー（QV）スコアリングモデル
ウェズリー・R・グレイとジャック・R・ボーゲルによる著書『Quantitative Momentum』で紹介されている、クオンタメンタム・モデル（QMM）
QMMとFintelのQVスコアを組み合わせることで、Quality/Value/Momentum（QVM）スコアが生まれました。
Fintelのファンド・センチメント・スコアとQVスコアを組み合わせることで、Quality/Value/Ownership（QVO）スコアが算出されます。
リーダーボードの作成に使用されるデータはすべて、大手ヘッジファンドや大規模機関にこうしたデータを提供する主要プロバイダーの一つであるCapital IQから取得したものです。
ピオトロスキーFスコア
2002年、シカゴ大学経営大学院のジョゼフ・ピオトロスキー教授は、会計ベースのファンダメンタル分析戦略を用いて、優良株式公開企業のポートフォリオの収益率を高めることができる企業を見つける価値投資の公式を考案しました。簿価時価比率は、企業の簿価と時価を比較したものです。
「簿価」（株主資本や純資産とも呼ばれます）は、企業の総資産からすべての負債を差し引くことで算出されます。一方、「時価」（時価総額とも呼ばれます）は、発行済株式の総数に現在の株価を乗じて求められます。簿価を時価総額で割ると「簿価時価比率（B/Mレシオ）」が算出され、投資家はこの指標を用いて企業の価値を評価します。
企業の時価が帳簿価額よりも高く、1未満の数値を出した場合、その企業は過大評価されていることを意味します。帳簿価額が市場価格よりも高く、1より大きい数値が出た場合、過小評価されたと見なされます。
ピオトロスキーは、高い簿価時価比率（B/M比率）を持つ企業のポートフォリオを研究しました。彼は、財務的に健全な高B/M比率企業を選別することで、当該ポートフォリオの平均リターンが年率 7.5% 以上向上することを実証しました。
「...予想される勝者を買い、予想される敗者を空売りする投資戦略は、1976年から1996年の間に23%の年間リターンを生み出し、この戦略は時間の経過とともに、代替的な投資戦略のコントロールに対して堅牢であるように思われる」 とピオトロスキーは、彼の論文 「Value Investing:The Use of Historical Financial Statement Information to Separate Winner from Losers」 の中で述べています。
同じ20年間で、S&P 500指数の年間平均リターンは16.5%でした。
ピオトロスキーFスコアは、バリュー株を評価する際によく用いられる手法です。これは、企業の財務的な健全性を評価する9つの要素に基づいて算出される、0から9までのスコア（格付け）です。ピオトロスキーは、ファンダメンタルズ分析におけるこれらの要素を、以下の3つのカテゴリーに分類しました。
魔法の公式
2つ目の「クオリティ／バリュー」スコアリング・モデルは「マジック・フォーミュラ」です。これは、バリュー投資のための、体系的かつルールに基づいた手法として広く知られています。この手法は、ヘッジファンド・マネージャーでありコロンビア・ビジネス・スクールの教授でもあるジョエル・グリーンブラット氏によって考案され、同氏の著書『The Little Book That Beats The Market（市場を打ち負かす小さな本）』で初めて解説されました。
この計算式の目的は、優良企業を割安な価格で購入することにあります。S&P 500 指数のリターンを上回ることを目指し、この計算式では定量的なスクリーニングを用いて、株価と資本利益率（ROC）に基づき銘柄を格付けします。グリーンブラット氏が著書を執筆した当時、この計算式は年率 30% のリターンを上げていたとされています。
「マジック・フォーミュラ」は大型株に焦点を当て、小型株、外国企業、金融機関、公益事業会社を除外します。
「1988年から2004年までの17年間で、約30銘柄のポートフォリオを保有し、高い資本収益率と高い収益率の組み合わせが最も優れていた場合、年間約30.8%の収益が得られたことになります。このまま17年間で11,000ドルを投資すれば、100万ドルをはるかに超える額になっただろう。」とGreenblattは述べました。同じ17年間で、市場全体の年平均リターンは約12.4%でした。
企業はこの営業キャッシュフローを、配当として投資家に還元するか、あるいは事業に再投資するという2つの方法で活用できます。CROIC（投下資本に対する現金収益率）は高いほど望ましく、これは企業の財務的な強さを示す指標であると同時に、株式を評価する新たな尺度にもなります。
ウォーレン・バフェットと同様に、フィンテルは苦境にありながらも回復の可能性があり、かつ現金を創出できる企業を探しています。
Fintel独自のクオリティ／バリュー・スコアリング・モデル
Fintelの独自の品質/価値 (QV) スコアリングモデル (QuantSoft スコアとも呼ばれる) は、Fintelの最高経営責任者であるWilton Risenhooverによって、UCLA Anderson School of Managementで修士号を取得するために勉強していたときから、10年間にわたって開発されました。
このモデルは、企業の質を測るために6つの指標を用いています。具体的には、売上高や営業活動によるキャッシュ創出能力（OCROIC）が向上している企業を高く評価します。投入資本に対して極めて高い効率で営業キャッシュを生み出す企業を特定するのです。このプロセスで選ばれるのは、製造設備を必要としないタイプの企業です。例えば、SaaS（サービスとしてのソフトウェア）企業、IT、広告、住宅ローン仲介、消費者金融などが挙げられます。これらは、少額の資本で多額のキャッシュを生み出すことができる企業なのです。
この改良型QVOスコアリング・モデルは、従来のクオリティ／バリュー・スコアに2つの要素を追加したもので、そのいずれも機関投資家による買い集め（または資金フロー）に基づいています。従来のクオリティ／バリュー・スコアに資金フローの要素を加えることで、機関投資家による買い集めが進んでおり、かつ長期的にはリターンの向上が見込まれる企業の順位がわずかに上昇します（ただし、この点については検証が行われていません）。
モメンタム・ファクター
株式のモメンタムは、他の要因と組み合わせることで超過リターンを生み出すことが示されています。Fintelの「クオリティ／バリュー／モメンタム（QVM）スコア」は、従来のクオリティおよびバリューの要因に、モメンタム要因を加えたものです。
彼らは、バリューとモメンタムにはそれぞれ長所があるとした上で、「これら二つの手法を統合したポートフォリオを構築することで、バリューとモメンタムの利点が真に際立つ」と結論付けています。また、バリューとモメンタムは「世界的に見て低い相関関係にある傾向があり、グローバルなバリュー・モメンタム・ポートフォリオの構築は、長期アクティブ運用を行う投資家が、時価総額加重型のパッシブ・インデックスを長期にわたって上回るための有力な解決策となり得る」と示しています。
Fintelのファンド・センチメント・スコア
ファンド（ヘッジファンド、投資信託、ETF）による保有状況も、超過リターンを生み出す可能性のある要因の一つです。「Fintelファンド・センチメント・スコア」は、ファンドがどの銘柄を買い集めているかを追跡し、機関投資家による買い集めが進んでいる企業のランキングを提供します。
例えば、似たような2つの企業を比べてみましょう。一方はヘッジファンドに売られていますが、もう一方は買われています。買われている方の銘柄はランキングが高く、リーダーボードは投資家に対し、それが保有すべき銘柄であることを示しています。
