第47章 モデル監査と投資メモ

監査とは「分離」の作業

モデル監査の核心は、モデルを構成する主張を三種類に分離できるかの確認である。

• 観測事実: 決算短信・有価証券報告書・公開統計など誰でも確認できる数値
• 推定: 過去データからの外挿(平均マージン、成長率トレンドの延伸)
• 仮定: データが語らない部分(将来規制、競争構造、成熟マージン、達成確率)

この三層が混ざると、モデルは「事実のように見える仮定」を量産する。

チェックリスト(抜粋):

1. 各入力に[事実/推定/仮定]タグが付いているか

2. 推定には標本期間と算出方法が明記されているか

3. 仮定には根拠欄があるか(「そう思う」は根拠ではない)

4. 弱い仮定ほど感度表に登場しているか

5. 結論が一点ではなくレンジで提示されているか

数値例。「売上高成長率15%」という一つの数値でも扱いは三通りある。過去5年平均が15%なら「推定」、今期実績が15%なら「観測事実」、今後も続くという主張なら「仮定」である。監査報告では「15%(仮定。根拠: 新工場の生産能力と受注見込み)」のようにタグと根拠を一行で書く。この一行があるだけで、議論の場で「その15%はどこから来たのか」を毎回聞かずに済む。

AI Protocol 1.10.0（更新日 2026-08-30）の出力契約

AIがサイトを参考にするとは、見た目や倍率を真似ることではなく、正準プロトコルの順序・門番・式・停止条件・出力スキーマを守ることである。モデル選択の優先順位は、銀行→専用業種→非上場→上場赤字→上場黒字一般企業→指数・ファンド。業種名ではなく実際の価値源泉で判定し、適用門番に失敗したモデルを使わない。

theory_statusは理論の性格を示す。standardは標準理論、conditionalは固有条件を満たす場合だけ成立、heuristicは便宜的近似である。valuation_roleは用途を示す。primaryは主値候補、cross_checkは独立検算、stress_onlyはストレス専用である。primary_value_eligibleは、必要入力・Gordon条件・モデル固有consistency_checks・単位・時点・希薄化を全て通った後だけtrueにする。

• 簡易4モデル群（黒字企業モデル内にPER・FCFEの2経路）: theory_status=conditional、valuation_role=cross_check、primary_value_eligible=false
• 超詳細一般企業DCF: theory_status=standard、valuation_role=primary。主値条件: 全入力、Gordon条件、WACC−g 25bp以上、再投資整合、資金調達経路、リスク二重計上検査を通過
• 超詳細銀行残余利益: theory_status=conditional、valuation_role=primary。主値条件: クリーンサープラス、Ke−g 25bp以上、期首・各年・終端の規制資本、税効果、ROTE基準を全て検証
• パッシブ指数: theory_status=conditional、valuation_role=primary
• アクティブ運用: theory_status=heuristic、valuation_role=stress_only

AIの実行順は次の通り。この10段階はAIページ・Markdown・JSONと同じ正準定義から生成される。

1. 法的企業、ティッカー、取引所、株式クラス、原証券/ADR比率、通貨、評価日、決算基準日、市場価格取得日時、金額単位を固定する

2. 最新の法定開示・決算・重要事象・資本政策を評価日まで確認し、古い入力と資料間の矛盾を先に列挙する

3. 価値の源泉からモデルを選び、複数源泉ならSOTPへ分解する。銀行・保険・資産運用・資源・SaaS等へ一般企業モデルを機械適用しない

4. 適用門番・theory_status・consistency_checks・拒否条件を先に検査。詳細モデルが不成立なら同業種の簡易モデルまたは共通モデルへフォールバックし、indicative_onlyで計算する。代替モデルも数学的に成立しない場合だけnot_computableとする

5. 一次資料を優先し、各入力を observed / estimate / assumption に分類して項目単位のURL・ページ・期間・取得日時を記録し、証拠網羅率を計算する

6. 通常3〜5年の履歴を見て、一過性、会計差、FY/LTM、通貨、株式分割、自己株式、希薄化後株式数、純負債の符号を揃え、調整前後を残す

7. Baseは履歴・会社計画・業界比較から置く。欠損する将来入力はassumption_fallback_policyの優先順位で保守的に補い、仮定台帳へ根拠・信頼度・感度を残す。倍率、Ke/WACC、成長、マージンの観測集合と採用ルールを示し、Bear/Bullは確率でないサイト定義の差分を適用する

8. 年次予測または業種固有経路、式、数値代入、EV→株主価値→1株価値を順に開示し、現在の理論価値と10年後終点価値を別々に計算する。主値対象の詳細モデルだけを主値にし、cross_check/stress_onlyは補助値にする

9. 別順序の再計算で主要値を再現し、現在市場価格が要求する業種固有の主要1変数を他のBase前提固定で逆算する。探索範囲・残差・固定前提を示し、時点・単位・SOTP・株式数・二重計上・Gordon条件・資本制約・感度・シナリオ順序を再検査する

10. 全品質門番が通ったときだけprofessional_standard_passed。未通過でもハードストップでなければstatus=calculated / indicative_onlyとして、Bear/Base/Bullごとの現在値・10年後値、Baseの市場織り込み逆算、仮定台帳、数値代入を分離した人向け説明とoutput_schema準拠JSONを返す

「計算できた」と「プロ水準の主値を提示できる」は別である。法的企業・取引所・株式クラス・ADR比率を一意にし、評価日までの最新開示と重要事象を確認する。通常3〜5年の履歴から一過性、会計方針、リース、買収、循環ピーク/谷を正常化する。Exit倍率は比較集合・分母・期間・除外理由・採用ルールを、Ke/WACCはRf・beta・ERP・Kd・税率・資本構成の通貨・日付・出典・式を残す。複合企業はSOTPへ分解し、親会社純負債・NCI・年金不足・本社費用PV・税調整・holding discountを一回だけ反映する。

AIは次の安定IDを全件監査する。

• scope_frozen: 企業・証券・株式クラス・通貨・評価日・資料日・価格日時が一意
• latest_information: 最新開示と評価日までの重要事象を確認
• model_registry: 価値源泉、セグメント、theory_status、valuation_roleが正準レジストリと一致
• model_gate: 適用門番・拒否条件・consistency_checksを全件検査
• evidence_coverage: 必須入力の証拠網羅率100%、重大な未解決矛盾なし
• normalization: 単位・通貨・FY/LTM・一過性・株式数・会計差を照合
• assumption_calibration: 倍率・資本コスト・成長率・マージン・使用するマクロ係数を履歴/比較/理論で根拠化
• valuation_bridge: 年次予測、EV→株主価値、SOTP、1株換算、時点、二重計上を照合
• independent_recalculation: 別順序の再計算または逆算、感度、Bear≤Base≤Bullを検査
• fallback_or_hard_stop: 未通過項目を明示仮定・簡易モデルで補ってindicative_onlyを計算。代替不能なハードストップだけ全価値nullと具体理由を返す

証拠網羅率100%、重大矛盾なし、主値対象モデル、全門番、EV→株主価値→1株価値の照合、別順序の再計算または逆算が揃った場合だけclaim_status=professional_standard_passedとする。簡易/cross_check/heuristic、一部証拠不足、未校正入力、監査未完でも数理的に計算できる場合は、足りない将来入力を明示仮定で補ってstatus=calculated / claim_status=indicative_onlyとし、現在値・10年後値・市場織り込み逆算と計算過程を数値で残す。このラベルは専門家資格や受託責任を意味せず、評価工程をどこまで通過したかを示す監査状態である。

出典の優先順位は、法定開示→決算短信・会社IR→取引所・中央銀行・規制当局・統計→信頼できる市場/業界データ→二次情報である。市場価格には取得日時、決算値には会計期間を付け、会社予想は観測事実ではなくestimate、AI独自の将来値はassumptionとする。不明値を黙って補完しないが、将来入力は会社計画→同社の正常化履歴→業種ベンチマーク→長期マクロ→保守的判断の順でBear/Base/Bullを置き、根拠・信頼度・感度を仮定台帳へ残す。

AIは最初に軽量なvaluation-core.jsonで品質門番とモデル索引を読み、選択後にvaluation-protocol.jsonの該当モデル定義へ進む。coreだけで価格を計算してはならない。依頼はvaluation-request.schema.json、報告はvaluation-report.schema.jsonに従う。出力ではsecurity_context、data_quality、normalization_adjustments、capital_cost、multiple_calibration、forecast、sotp、results、calculation_trace、validationを構造化する。modelにはtheory_status、valuation_role、primary_value_eligible、consistency_checksを必ず持たせる。株式モデルはtoday_theoretical_valueと、適用可能なyear10_priceまたはyear10_equity_valueを両方返し、Bear/Base/Bullでも別キーにする。today_theoretical_value_basisとunitで1株価値・総株主価値・1口価値等を区別し、10年後株価を今日の理論株価と呼ばない。億円と百万株から円/株への変換は「億円÷百万株×100」である。確率加重した終点価値の年率換算は期待IRRではなくexpected_endpoint_annualizationと呼ぶ。cross_checkをprimaryと平均しない。

not_computableと全価値nullはハードストップだけに限定する。具体的には、証券・株式クラスを一意にできない、現在の事業規模を示す観測済み基準値が一つもない、通貨・単位・現在株式数を整合できない、詳細・簡易・代替モデルの全てでKe/WACC≤g、ROE/ROTE/ROIC≤g、Gordon分母25bp未満等の数学条件を解消できない、または利用者が仮定補完を禁止した場合である。最新重要事象未確認、証拠網羅率100%未満、将来入力欠損、適用門番未確認、倍率/資本コスト未校正、独立検算未完はprofessional_standard_passedを禁止するが、それだけで数値を消さない。詳細版が不成立なら簡易・業種クロスチェックへフォールバックしてindicative_onlyのレンジを返す。25〜100bp未満は高感度警告と感度表を必須にする。

投資メモの書き方

投資メモは未来の自分と他人への監査証跡である。推奨構成は七項目。

1. サマリー: 結論(買い/見送り)、期待リターン、根拠三点、最大懸念一点

2. 観測事実: 使った数値と出典(日付付き)

3. 評価: 使用モデル、主要入力、価値レンジと感度

4. 織り込みの逆算: 現在株価が意味する仮定(g*など)

5. 反対意見: ベアケースを最も説得力のある形で書く

6. 反証条件(triggers): 「何が起きたら判断を変えるか」の具体的条件

7. 再検証日: 次に見る日付と見る項目

重要なのは5と6である。反対意見を書けないメモは分析ではなく応援文であり、反証条件のないメモはいつまでも持ち続けられる信念であって投資判断ではない。反証条件は「株価が〇〇円を下回ったら」「大口顧客の解約が公表されたら」「NRRが100%を割ったら」のように、観測可能で日付可能な条件にする。曖昧な「雰囲気が悪くなったら」は反証条件ではない。

更新の規律

メモは生きた文書であり、反証条件が発火したら判断を更新する義務を負う。更新時には(a)何が発火したか、(b)どの入力を変えたか、(c)結論がどう変わったか、を元のメモに追記する。予測ログを残せば、自分の予測精度そのものを検証できる(Tetlock流)。四半期ごとの「予測と実際の差分レビュー」を習慣化することが、長期的に最も効く訓練である。

サマリーの一例を挙げる。「結論: 見送り。期待リターン6%(要求リターン8%未満)。根拠: ①受注余力2年、②実効PBR0.50倍、③churn改善傾向。最大懸念: 海外大型案件の粗利率が未確定。反証条件: 受注残÷年商が0.8倍を下回ったら再評価、粗利率確定で+1ポイント以上なら買い再検討。再検証日: 決算短信公表日」。これだけで、読み手は根拠・懸念・更新条件のすべてを30秒で把握できる。

反例・失敗パターン

第一の失敗は結論先行(買い根拠だけを集める確証バイアス)。第二は事実と仮定の融合(「成長率15%」と書くだけで未来が事実のように扱われる)。第三はメモの更新不在(最初のメモが唯一のメモになる)。第四は形式だけ満たす中身の薄い「監査通りのメモ」の量産である。チェックリストは思考の代用品ではなく、思考が抜けないための網である(Gawandeの原則)。

メリットとデメリット

メリットは、判断の品質を後から検証できること(予測ログ)、チームで土台が共有されること、感情の介入を構造的に減らせることである。デメリットは作成コストがかかること、形式重視の空転リスクがあること、反証条件の発火判定自体に解釈の余地が残ることである。

適用条件・非適用条件

適するはすべての能動的な投資判断(個人・機関を問わない)。規模が小さいほど頭の中のモデルが監査不能になりやすいからである。非適用は判断を伴わない指数機械運用(判断ログの対象が存在しない)のみである。

本サイトの思想との接続

理論価値は仮定の関数であり、投資メモはその関数の引数を公開する行為である。AIにも同じ規律を課し、出典、理論ステータス、役割、主値可否、時点、停止理由をJSONに残す。最後の問いは「この数値はどこから来たか、どの門番を通ったか、今日か10年後か」。答えられないモデルは、算術が正しくても不適格である。