私たちは、特定の血縁や限られたパートナーシップのために資産の承継と管理を司る「シングル・ファミリーオフィス」として歩んできました。現在、私たちが培ってきた「資産運用の最適解」を、志を共にする少数のファミリーへも解放する、マルチ・ファミリーオフィス(MFO)への移行期間にあります。

この移行に際し、私たちは現在、「資金を直接お預かりしない」という透明性の高い形態での試験的運用を実施しております。

私たちの心臓部:インデックス特化型マルチファクター・アルゴリズム

当社の運用は、経験や直感といった曖昧なものに依存しません。自社開発のエンジンが、その中核を担っています。

マーケットデータ +2.4% インデックス指数 V M Q バリュー モメンタム クオリティ マルチファクター リアルタイム価格 自社開発エンジン インデックス特化型マルチファクター・アルゴリズム 解析 最適化 スコアリング リバランス 高速高頻度シグナル生成 自動執行 買い 売り 調整 有人監視 稼働状況モニタリング フィードバック

乖離回帰

当社は、市場に内在する平均回帰の性質を運用の中核に据えています。価格の一時的な乖離が均衡方向へ修正される傾向は、学術研究においても定量的に確認されており、これが継続的な投資機会の源泉となります。一方で、その捉え方は一様ではなく、市場環境や流動性の変化に応じて不断の改善が求められます。

Evolution of the s-score of JPM (versus XLF) from January 2006 to December 2007
Historical PNL for the strategy using actual ETFs as factors, compared with the one using synthetic ETFs: 2002–2007. Notice the strong out-performance by the strategy which uses actual ETFs.

出典:Avellaneda, M. and Lee, J.-H. (2010), “Statistical Arbitrage in the US Equities Market,” Quantitative Finance, 10(7), 761–782.

近年は、平均回帰シグナルの検出と運用判断の高度化に機械学習・AIを取り入れる研究が進んでおり、従来の平均回帰ロジックを土台としながら、データからより有効なシグナルを抽出する方向性が示されています。

These figures show the cumulative daily returns of the arbitrage strategies for our representative models on the out-of-sample trading period between January 2002 and December 2016. We estimate the optimal arbitrage trading strategies for our three benchmark models based on the out-of-sample residuals of the Fama-French, PCA and IPCA 5-factor models. The deep learning models use the Sharpe ratio objective.
These figures show the cumulative returns of sparse portfolio weights in the stock and residual weight vectors. Subplot (a) selects the proportion p of the stock weights with the largest absolute value for trading, while subplot (b) selects the proportion p of the residual weights wet with the largest absolute value for the trading policy. The baseline model is the CNN+Transformer model based on IPCA 5-factor residuals for the out-of-sample trading period between January 2002 and December 2016. We consider the full model p = 1 and the fraction p = 0.01, 0.05, 0.1 and 0.2.

出典:Guijarro-Ordonez, J., Pelger, M. and Zanotti, G. (2022), “Deep Learning Statistical Arbitrage,” arXiv preprint arXiv:2106.04028.

当社は、こうした学術研究を踏まえつつ、自社独自の運用経験、検証知見、実務上の執行ノウハウを組み合わせることで、より洗練された運用を構築しています。AIを単なる補助ではなく、市場環境への適応力を高める実装技術として活用し、優位性の維持と向上に取り組んでいます。

取引対象の厳選(インデックス市場)

極めて流動性が高く、透明性の高い「主要株価指数(インデックス)」のみを取引対象としています。個別銘柄特有の不測のリスクを排除し、市場全体の潮流を捉えることに特化しています。

主な取引対象

E-MINI S&P 500 先物
S&P 500を原資産とする株価指数先物です。
S&P 500は、米国経済を代表する約500社の大型企業で構成された時価総額加重型の株価指数です。米国株式市場全体の動向を示す代表的な指標として、世界中の投資家に広く利用されています。

E-MINI NASDAQ-100 先物
NASDAQ-100を原資産とする株価指数先物です。
NASDAQ-100は、NASDAQ市場に上場する金融を除く主要な大型企業約100社で構成される時価総額加重型の株価指数です。特にテクノロジー企業の比率が高く、ハイテク株の動向を示す代表的な指数として知られています。

E-MINI ダウ先物
ダウ・ジョーンズ工業株指数を原資産とする株価指数先物です。
ダウ・ジョーンズ工業株指数は、米国を代表する30社の大型企業で構成された株価指数です。価格加重方式で算出され、米国の伝統的な大企業の動向を示す指標として長く利用されています。

E-MINI ラッセル2000指数先物
ラッセル2000指数を原資産とする株価指数先物です。
ラッセル2000指数は、米国の小型株約2000社で構成された株価指数です。主に中小企業の成長や米国内景気の動向を反映する指数として注目されています。

日経平均先物
日経平均株価を原資産とする株価指数先物です。
日経平均株価は、東京証券取引所に上場する主要な225社で構成される価格加重型の株価指数で、日本の株式市場の動向を示す代表的な指標として広く利用されています。

iShares FTSE 100 ETF (ISF)
ロンドン証券取引所に上場する時価総額上位100銘柄で構成されるFFTSE100種総合株価指数への連動を目指す上場投資信託(ETF)です。
英国の代表的な大型株群に対する分散投資手段として利用されています。

インデックスと個別株の違い

S&P 500

インデックスは、市場全体や特定の業種全体の動きを表すため、個別企業の材料に振られにくく、相場全体の流れや資金循環を捉えやすいのが特徴です。サイクルクローズのような時間軸や値動きのリズムを用いた分析とも相性がよく、個別株に比べると一定の法則性を見つけやすいため、比較的予測しやすい対象といえます。

NVIDIA

個別株は、その企業の業績や成長性だけでなく、市場参加者の期待、テーマ性、将来性への評価によって大きく動きます。そのため、単純なチャート分析だけでは捉えきれず、「この企業に今後どれだけ期待が集まるか」「市場が何を先回りして織り込むか」を読む力が重要になります。インデックス以上に、人の期待や先を見る能力が問われる投資対象です。

多角的な因子分析

マクロ経済指標、ボラティリティ、需給サイクルなど、インデックスを動かす無数の要因(ファクター)をリアルタイムにスキャン。

INDEX CORE IDX Live · Active マクロ経済指標 Macro Economic ボラティリティ Volatility 需給サイクル Supply & Demand 金利・債券 Rates & Bonds センチメント Sentiment 流動性 Liquidity

高速・高頻度なリバランス

独自アルゴリズムにより、相場の変化に応じてポートフォリオの構成因子を機敏に入れ替え、常に最適な「勝ちの形」を維持します。

戦略の構成と比率(2025年12月)

戦略名

運用割合

許容範囲

  • %

    %

  • %

    %

  • %

    %

  • %

    %

  • %

    %

  • %

    %

戦略による運用資産の増加可能許容範囲

非預託型の運用モデル

お客様の資産はご自身の口座で管理いただいたまま、私たちのアルゴリズムによる助言・執行を行う試験的フェーズです。これにより、最高水準の透明性と安全性を確保しています。

過去実績一例

2026-03-10

詳細

  • 取引総数

    1119
  • 取引勝率

    69.44
  • 総収益額

    4,493,846
  • P/F*

    3.37
  • 総利益率

    127.28
  • POR*

    1.48
  • 総損失額

    -1,335,437
  • 買 戦略数

    553
  • 買 戦略勝率

    70.89
  • 売 戦略数

    566
  • 売 戦略勝率

    68.02
  • レバレッジ

    1
  • 設定日

    2019-01-01

* プロフィット・ファクター

* ペイオフレシオ

伝統的なファミリーオフィスの「包容力」と、最先端クオンツ運用の「鋭利な技術」

現在はその融合を実証するエクスペリメンタル(試験的)な段階であり、選ばれたパートナーの方々と共に、このモデルの完成度を高めていきたいと考えております。

一般への公開は一切しておりません。
このシステムと私たちの理念に真の共鳴を感じていただける方のみ、その先へと進んでいただければ幸いです。