テーマ２ 外部委託とデータサイエンスは、規模の課題克服に貢献

ソブリン ウェルス ファンドは、3年前の約8.4兆ドルから 2021年には10兆ドルを超える運用資産に成長しました。 その巨大な規模は、小規模な機関投資家が利用できない機会を提供しますが、課題ももたらします。

この調査の2019年版では、これらの課題のいくつかを調査し、規模の利点には、運用の複雑さや魅力的なリスク調整後リターンの減少などのトレードオフが伴うことを指摘しました。 同時に、政府は資金力の優れたファンドの一部の責任を拡大しており、その強力なパフォーマンスを認めて追加の権限を付与することも含まれています。多くのソブリンがコモディティ価格の高騰を背景に大量の資金流入を記録しているため、規模の問題は多くのファンドにとって依然として最重要課題となっています。

プライべ―ト・マーケットの継続的な人気により、内製化傾向が一時的に止まっています

最大規模のファンドの約3分の1が、プライベート・エクイティと不動産で外部マネージャーをもっと活用しようとしていると答え、4分の1強がインフラで同じことをしようとしています（図 2.1）。

ディールフローの提供を外部マネージャーに依存するだけでなく、外部マネージャーがもたらす専門知識も認識されました（図 2.2）。実際、一部のファンドは、国内市場以外のプライベート・マーケット資産の管理に苦労しており、チーム内製化への以前の動きを後退させていると指摘しています。中東を拠点とするある開発ソブリンは、次のように説明しています。「過半数株主として投資を行った場合、事業を運営することを余儀なくされましたが、これは歴史的にうまく機能していませんでした。」

回答者の約39%が、これの動機は、より多くの現場での知識に関連するパフォーマンスの向上であると述べ、21%は、外部マネージャーを利用することで、大規模でコストのかかる社内チームに資金を振り向けるのをさけることができるためということから、コストの削減を挙げました。（図 2.2）。

規模の大きさとなじみのない分野への投資が、資産運用会社とのパートナーシップの採用を促進

これらの圧力に対応して、ソブリン投資家の半数以上がサードパーティの資産運用会社と戦略的パートナーシップを築いており、投資ソブリンでは10人中9人以上に増加しています（図 2.3）。

ソブリン・ファンドの約33%は、今後5年間で資産運用会社とのパートナーシップの利用が増加すると予想しており（図 2.4）、投資ソブリンでは40%、開発ソブリンでは56%が増加すると考えています。

機械の台頭: より大きなソブリンがデータサイエンスの採用を競う

最大かつ最も知名度の高いソブリン・ファンドの一部は、データサイエンスの注目すべき早期採用者です。この投資家グループの間では、マシンラーニングや人工知能などの新興技術が大きな競争上の優位性をもたらす可能性があるという認識があります。最大規模のソブリンの約40%が人工知能またはマシンラーニングを利用しており（図 2.6）、ソブリン・ファンドのほぼ半分が過去 5 年間にデータサイエンス・チームに投資しています （図 2.5）。これには、学界やクオンツベースのヘッジファンドからの注目度の高い採用、データセットへの投資、およびクラウドストレージやサイバーセキュリティなどの必要な関連サービスが含まれています。

ソブリンは、データ分析と研究の洗練度を高める上で、データサイエンスの役割を重要なものであるとみていました (図 2.7、18 ページ)。より良い予測と評価のためのフレームワークを開発することが重要な目標であると特定され、研究チームの巨大化に対する潜在的な解決策としても見られました。たとえば、いくつかのファンドは、企業の財務諸表から本源的価値を計算するためのマシンラーニングツールを開発しようとしました。このようなシステムは、新しいデータがリリースされると自動的に更新され、既存のボトムアップ調査プロセス（ほとんどが手作業であることが多い）を大幅に効率化し、投資決定をより迅速に実行できることが注目されました。 「私たちの地域では人員配置が課題であり、多くの非効率性があります。 人工知能は、これを改善するために運用上使用できる手段の1つです」と、中東を拠点とする開発ソブリンは述べています。

データサイエンスは、リスクの最適化と、リスク調整後のリターン・プロファイルが最も高いポートフォリオの開発においても重要な役割を果たしています（図 2.7）。昨年の調査では、市場リスク（またはベータリスク）がソブリン・ファンドが対処しなければならない最も重大なリスクであると見なされており、その重要性が、パンデミック中およびそれ以降に見られた市場のボラティリティによって高まっていることを強調しました。複数の資産クラスにわたって望ましいレベルのベータエクスポージャーを大規模に獲得することは、多くのファンドが取り組み続けていることであり、データサイエンスは特に対処に適していると見なされています。

よりスマートに運用

ソブリンは、運用資産の増加には必ずしも人員の増加が必要ではないことに気付きました。また、業務の複雑化と各資産クラスに対するチームの内製化は、実際には、強力なパフォーマンスの障壁になることがあります。 そのため、キャパシティの制約を克服し、大規模なアルファ生成を可能にするソリューションがますます採用されています。 これには、外部管理やデータサイエンスの利用拡大が含まれます。また、より定量的なアプローチへの移行も含まれます。

各テーマの詳細については下記から各テーマをお選びいただき、ご確認ください。

当資料は、一般もしくは個人投資家向けに作成されたものではなく、機関投資家向けのものとなります。情報提供を目的として、インベスコ・アセット・マネジメント株式会社（以下、「弊社」といいます。）が、英文でリリースされた”Invesco Global Sovereign Asset Management Study 2022”を解説するために作成された英語コンテンツの一部を翻訳して作成したものであり、法令に基づく開示書類でも投資勧誘を目的としたものでもありません。翻訳（または抄訳）には正確を期していますが、必ずしも完全性を保証するものではありません。また、抄訳の場合には、原資料の趣旨を必ずしもすべて反映した内容になっていない場合があります。また、公表されたデータ等に基づいて作成されたものですが、過去から将来にわたって、その正確性、完全性を保証するものではありません。
本書に記載されたデータや記述等は過去の事実や実績を示したものであり、将来の運用成果等を示唆・保証するものではありません。本書で詳述した分析は、一定の仮定に基づくものであり、その結果の確実性を表明するものではありません。分析の際の仮定は変更されることもあり、それに伴い当初の分析の結果と重要な差異が生じる可能性もあります。市場の見通しに関するコメントは、本書作成時における筆者の見方を反映したものであり、将来の時点において予告なく変更される可能性があります。本書について事前の許可なく複製、引用、転載、転送を行うことを禁じます。

2454180ーJP