シグナル&ノイズ 予測の科学と限界

精読全文

第 1 章 · なぜ賢い人ほど予測を外すのか

2008年、世界でいちばん賢い経済学者、銀行家、格付け機関が、膨大なデータを手に、最も精密なモデルを携えて——そろって予測を外した。なぜか。データが足りなかったのか。モデルが悪かったのか。ネイト・シルバーは言う。どちらでもない、と。問題は、もっと根本的なところにある。

こんな瞬間に出くわしたことはないだろうか——

ある専門家が、自信たっぷりに「今回の景気はきっとソフトランディングする」と断言する。あるアナリストが、胸を叩いて「この銘柄は来四半期に必ず上がる」と言い切る。気象台が「明日は100%晴れ」と予報したのに、家を出たとたんずぶ濡れになる。

私たちは、予測があふれかえる時代に生きている。

だが予測の的中率は、データが増え、モデルが複雑になったからといって、はっきり上がったことなど一度もない。

なぜか。

これこそ、ネイト・シルバーが『シグナル&ノイズ』で答えようとした問いだ。

---

**まず、この本の著者を紹介しよう。**

ネイト・シルバー。アメリカの統計学者であり、予測の専門家。彼はあの有名なサイト「ファイブサーティエイト」を立ち上げた——名前の由来は、アメリカ大統領選挙人団の総数だ。

2008年のアメリカ大統領選で、彼は統計モデルを使い、50州のうち49州の結果を当てた。

49州。

2012年には、50州すべてを的中させた。

「専門家」が掃いて捨てるほどいる世界で、この成績は無視できない。だがシルバーは、自慢のためにこの本を書いたのではない。彼が解き明かそうとしたのは、もっと深い問いだ。

なぜ、ほとんどの予測は外れるのか。

そして、当たった予測は、どうやって当てたのか。

---

**この本は、四章に分けて読んでいく。**

第一章、つまり今日は、シルバーの核心の命題から入る——予測はなぜこんなに難しいのか。シグナルとノイズは、いったいどういう関係にあるのか。賢い人が間違えるのは、たいてい頭が足りないからではなく、「過信」という名の罠に落ちるからだ、ということが見えてくる。

第二章では、ベイズ的思考に踏み込む。これはシルバーが全編でいちばん重視する道具だ——確率で考え、証拠で判断を更新していくやり方。数学のように聞こえるが、本質は一つの思考の習慣にすぎない。

第三章では、金融市場に焦点を絞る。シルバーは、金融予測がなぜ他の分野より難しいのかをわざわざ分析している——市場には再帰性があり、ブラックスワンはいつでも現れ、モデルが複雑になるほど、かえって壊れやすくなる。

第四章では、行動に着地する。不確実性は消せない。だが私たちは、不確実性のなかでもより良い決断を下すことができる。シルバーは、より優れた予測者になるための具体的なな道筋を示してくれる。

さあ、第一章に入ろう。

---

**まず、ある場面から話を始めたい。**

2007年末、アメリカの不動産市場に、亀裂が見え始めていた。

だがウォール街の主流の声は、どうだったか。

「これは局所的な調整にすぎない」「サブプライムの規模は限られている、システム全体には広がらない」「我々のモデルは、リスクは制御可能だと示している」

当時、シティグループの最高経営責任者だったチャック・プリンスは、のちに何度も引用される言葉を口にした。要するに——音楽が鳴っているかぎり、踊り続けなければならない、と。

音楽は、まだ鳴っていた。

そして、音楽が止まった。

2008年、リーマン・ブラザーズが破綻し、世界金融危機が勃発する。何兆ドルもの富が消し飛び、何百万もの普通の人々が職と住まいを失った。

いちばん賢い人々が、いちばん多くのデータを手に、いちばん複雑なモデルを使って——

ことごとく、予測を外した。

シルバーは本のなかで書いている。この危機は金融の失敗であるだけでなく、予測の失敗でもあった、と。人々はノイズをシグナルと取り違え、モデルの精密さを、現実の確かさと取り違えたのだ。

---

**シグナルとは何か。ノイズとは何か。**

これが、シルバーの本全体を貫く核心の命題だ。

彼の定義は明快だ。

シグナルとは、実在し、世界を理解する助けになる情報。

ノイズとは、ランダムで、規則性がなく、私たちの判断を撹乱するデータ。

どこに問題があるのか。

問題は、シグナルとノイズがあまりにもよく似ている、ということだ。

あるデータを見たとき、それは本物のトレンドかもしれないし、ただのランダムな変動かもしれない。あるパターンを見つけたとき、それは法則かもしれないし、脳がランダムな点と点のあいだに無理やり線を引いただけかもしれない。

人間の脳は、生まれつき、この二つを見分けるのが苦手だ。

シルバーの核心の主張はこうだ。私たちは情報爆発の時代に生きているが、情報が増えることは、シグナルが増えることを意味しない。多くの場合、データが増えればノイズも増え、かえって迷子になりやすくなる。

ストップ。

この主張は、何度でも考え直す価値がある。

私たちはふつう、データは多いほどよく、情報は多いほど正確になると思っている。だがシルバーは言う。そうではない、と。

彼はこんな例を挙げる。あなたが野球の試合結果を予測しているとしよう。打者の打率、投手の防御率、チームのホームとアウェイの勝率、天候、芝の湿り具合……データは山のように積み上がる。

だが、どのデータに本当に予測力があり、どれが単なる背景のノイズなのかがわからなければ、あなたの予測は、最近10試合だけを見てきた古参のファンにすら及ばないかもしれない。

データそのものは、答えではない。

シグナルとノイズを見分けることが、答えなのだ。

---

**では、なぜ賢い人でも予測を外すのか。**

シルバーは、いくつかの重要な理由を挙げる。

**第一に、過信。**

研究によれば、人が何かを「90%確かだ」と言うとき、実際の的中率はおよそ70%から75%にすぎない。

90%の自信が、75%の的中率にしかならない。

このズレは、専門家ほど小さくなるのではなく、むしろ大きくなる。

なぜか。専門家はより多くの情報を握っており、それが彼らに「より確かだ」という感覚を与える。だが、確かだと感じることと、実際に正確であることは、まったくの別物だ。

シルバーは本のなかで、ある有名な研究にとくに触れている——政治学者のフィリップ・テトロックは、20年をかけて、政治と経済の専門家300人近くから、合計8万件を超える予測を集めた。

結果はどうだったか。

これらの専門家の予測の的中率は、ランダムな当て推量とほとんど変わらなかった。

さらに胸に刺さるのは——

メディアに頻繁に登場する「ご意見番」型の専門家ほど、予測が当たらなかった。

そして、慎重で、不確実性を認めるアナリストほど、予測はかえって信頼できた。

**第二に、相関を因果と取り違えること。**

これは、データ分析でいちばんありがちな罠だ。

二つの出来事が同時に起きたからといって、一方がもう一方を引き起こしたとはかぎらない。

シルバーは極端な例を挙げる。アメリカのいくつかの郡では、オーガニック食品の販売量と、自閉症の発症率が、強く相関していた。

だからといって、オーガニック食品が自閉症を引き起こす、と言えるだろうか。

もちろん、言えない。

だが金融市場では、こういう間違いが毎日のように起きている。ある指標が株価の上昇と3年間そろって動いたら、アナリストはそれを予測の道具として使い始める。そして4年目、その関係は突然消える。

もともとそれはシグナルではなく、ただのノイズだったからだ。

**第三に、モデルという幻覚。**

2008年の金融危機で、あの複雑なリスクモデルたちには、共通の問題があった——どれも、過去のデータで訓練されていたのだ。

だが過去のデータのなかには、「歴史上、一度も起きたことのない出来事」は存在しない。

ブラックスワンは、定義上、過去のデータには現れない。

だからモデルが「リスクは極めて低い」と告げるのは、リスクが本当に低いからではない。そういうリスクが、これまで見られず、記録されず、モデルに組み込まれてこなかったからだ。

シルバーの核心の主張はこうだ。モデルは現実の簡略版であって、現実そのものではない。モデルの出力を現実の真実だと思い込んだとき、厄介ごとが始まる。

---

**ここまで来たところで、今に引きつけた一枚の地図を渡したい。**

今は、人工知能が爆発的に広がる時代だ。

さまざまなAIモデルが、株価を予測し、景気の行方を予測し、ユーザーの行動を予測するのに使われている。データ量は2008年とは比べものにならないほど大きくなり、モデルの複雑さも指数関数的に上がった。

だが、一つだけ変わっていないことがある——

これらのモデルは、いまだに過去のデータで訓練されている。

いまだに「歴史上、一度も起きたことのない出来事」は予測できない。

2020年に新型コロナが広がったあの瞬間、ほぼすべての経済予測モデルがそろって機能しなくなった。モデルが悪かったからではない。この規模の世界的な活動停止は、どの過去のデータにも存在しなかったからだ。

シルバーは2012年の時点で、この警告を書き残していた。

今読んでも、なお有効だ。

---

**では、私たちはどうすればいいのか。**

シルバーは「予測をやめろ」とは言わない。彼が言うのはこうだ。

不確実性を認めることが、良い予測の第一歩だ。

これは直感に反して聞こえる。私たちはふつう、良い予測者は自信に満ち、決断力があり、はっきりした答えを出すべきだと思っている。

だがシルバーは言う。むしろ逆だ、と。

本当に良い予測とは、確実性でものを言うのではなく、確率でものを言うことだ。

「来年は景気が後退する」ではなく、「来年の景気後退の確率は40%だ」。

「この銘柄は上がる」ではなく、「いまある情報からすると、この銘柄は上がる可能性のほうが高い。だが、私は間違っているかもしれない」。

この思考のやり方には、名前がある。

ベイズ的思考。

これこそ、次章で深く掘り下げていく核心の道具だ。

---

シルバーは本の前書きで、おおむねこんなことを書いている。

予測とは、自分の正しさを証明するためのものではない。不確実性のなかで、より良い判断を下すためのものだ。

この違いは、わずかに見えて、実は天と地ほどの差がある。

もし予測が自分の正しさを証明するためのものなら、あなたは確実性の高い言い回しを選び、間違いを認めることを避け、モデルの出力を真実だと思い込みがちになる。

もし予測がより良い判断を下すためのものなら、あなたは自分に反論する証拠を進んで探し、モデルの限界を認め、予測の外れを、認識を更新するチャンスとして受け止めるようになる。

前者は、ノイズの製造機だ。

後者こそ、シグナルの捕捉者だ。

---

さあ、第一章はここまで。

今日は、予測が失敗する三つの根源を見てきた——過信、相関と因果の取り違え、モデルという幻覚。そしてシルバーが示す方向も見た——確率で考え、不確実性を認めること。

だが、これはまだ方向にすぎない。

具体的なに、どうやるのか。操作できる思考の枠組みは、あるのか。

300年前、一人のイギリスの牧師が、遺稿のなかに一つの公式を残した。この公式はのちに統計学を、医学を、諜報分析を変え、さらには現代の投資判断にまで影響を及ぼした。

その名は、ベイズの定理。

それはいったい何なのか。なぜシルバーは、それが良い予測者と悪い予測者を分ける、いちばん重要な道具だと言うのか。

次章でお会いしよう。

第 2 章 · ベイズ的思考 確率から行動へ

考えたことはないだろうか——あなたが毎日下している一つひとつの判断は、実はどれも一回の確率計算なのだ、と。ただ、ほとんどの人が、その計算を間違えている。200年あまり前、一人の牧師が、ばかばかしいほど単純な公式を使って、人類の「不確実性」の理解を根底からくつがえした。今日は、それを開いてみよう。

前章では、予測のパラドックスを語った——データはどんどん増え、モデルはどんどん複雑になるのに、予測の的中率はそれにつれて上がらない。核心の理由は、私たちがシグナルとノイズを見分けられないからだ。では今日の問いはこうなる。ノイズがどこにでもある以上、私たちはいったいどう考えればいいのか。シルバーが示した答えは、名前は学術的に聞こえるが、本質はきわめて実用的な、一つの道具だ。

ベイズの定理。

---

**まず、一人の人物を紹介しよう。**

トーマス・ベイズ。

18世紀、イギリスの牧師。

彼は数学者でもなければ、経済学者でもなく、職業的な学者ですらなかった。彼はただ、「神が存在する確率」に好奇心を抱いた、一人の神学者だった。

生前、この論文が発表されることはなかった。

彼の死から2年後、1763年、友人が手稿を整理して、イギリス王立協会に投稿した。

こうして、危うく歴史に埋もれかけた一篇の論文が、現代確率論の礎となった。

ストップ。

あなたはこう問いたいかもしれない。牧師が書いたものが、自分の投資判断と何の関係があるのか、と。

大ありだ。

---

**ベイズの定理は、いったい何を言っているのか。**

いちばん簡単に言えば、たった一言だ。

証拠で更新せよ。

シルバーは本のなかで書いている。ベイズの定理の核心は一つの公式ではなく、一つの思考のやり方だ——世界についてのあなたの判断は、固定された答えであるべきではなく、新しい証拠でいつでも修正できる確率であるべきだ、と。

単純に聞こえる。

だが、ほとんどの人はそう考えていない。

ほとんどの人の思考のパターンは、どういうものか。「私はこう思う」だ。「私はこう感じる」だ。いったん判断ができあがると、それを更新するために証拠を使うのではなく、それを支える証拠を探し始める。

これが確証バイアスだ。

これが、賢い人でも予測を外す理由だ。

---

**ある歴史の場面を再現してみよう。**

1945年、第二次世界大戦の終結前夜。

アメリカの諜報機関は、一つの問題に直面していた。日本は本土で決戦に出るのか。

大量の情報が押し寄せた。日本はもう疲弊しきっているという情報もあれば、本土にはまだ数百万の兵士が残っているという情報もある。天皇は和平を望んでいるという情報もあれば、軍部は徹底抗戦の構えだという情報もある。

諜報分析官たちは、これらの情報をどう処理したか。

ほとんどの人は、自分が「信じる」一つの筋書きを選び、それ以外の情報をノイズとしてふるい落とした。

結果はどうだったか。

広島のあと、日本があっという間に降伏することを、誰も予測できなかった。

一発の爆弾が、戦局全体を変えてしまうことを、誰も予測できなかった。

なぜか。

彼らの判断が、静的だったからだ。新しい証拠が、本当に自分の確率の見積もりを変える——そういう仕組みを、彼らは持っていなかった。

これが、ベイズ的思考が欠けることの代償だ。

---

**では、ベイズ的思考はどう働くのか。**

三つのステップだ。

第一ステップ事前確率。

どんな新しい証拠も見ていない段階で、あなたはこの件について、どんな基礎的な判断を持っているか。

例を挙げよう。あなたが道で財布を拾う。「これは罠ではないか」と思うだろうか。

あなたの事前確率は、経験、常識、過去のデータからやってくる。拾った財布のほとんどは罠ではない——これがあなたの事前確率だ。

第二ステップ、新しい証拠。

あなたが財布を開けると、中にメモが入っていて、「拾った方はこちらまでご連絡ください」と書かれており、さらに札束が入っている。

これが新しい証拠だ。

第三ステップ、確率の更新。

あなたは事前確率と新しい証拠を結びつけて、新たな判断を導く——事後確率だ。

この財布は、高い確率で罠ではなく、誰かが本当に落としたものだ。

それに従って、あなたの行動も変わる。落とし主に電話をかける。

---

直感的に聞こえるだろう。

だが、待ってほしい。

本当に難しいのは、この流れではない。

本当に難しいのは、二つのことだ。

第一に、あなたの事前確率は、どこからやってくるのか。

第二に、あなたは証拠を前にして、本当に自分の判断を変えるつもりがあるのか。

---

**まず事前確率について。**

シルバーの核心の主張はこうだ。事前確率を感覚で決めてはならない。必ずデータの裏づけが要る。

だが人間は、生まれつきこれが苦手だ。

私たちは、めったに起きない出来事の確率を、系統的に高く見積もる。

よく起きる出来事の確率を、系統的に低く見積もる。

なぜか。

私たちが使っているのは記憶であって、統計ではないからだ。

飛行機事故のニュースははっきり覚えているのに、一年間に飛行機で死ぬ確率がどれくらいかは忘れている。

100万分の0.07。

そして車を運転して道に出るときの死亡率は、飛行機のおよそ100倍だ。

だが、ほとんどの人は飛行機のほうが危険だと感じる。

これが事前確率が感情に汚染された結果だ。

---

**次に、二つめの難しさ。あなたは更新する気があるのか。**

これこそ、本当の戦場だ。

シルバーは本のなかで、印象に残る例を挙げている——気象予報官だ。

彼は気づいた。アメリカ国立気象局の予報官は、確率のキャリブレーションがかなり良い。彼らが「明日の降水確率は70%」と言えば、実際の降水率も確かに7割に近い。

だが民間の気象会社はどうか。

彼らの予報は、系統的に降水確率を誇張していた。

なぜか。

ユーザーは「傘を持たずに濡れること」のほうを、「傘を持ったのに使わなかったこと」よりも怖がるからだ。

だから気象会社は確率を高めに報じ、ユーザーの心理に迎合する。

これを何と呼ぶか。

インセンティブが事前確率をゆがめた、と呼ぶ。

あなたは確率の判断をしているつもりで、実は利害の判断をしているのだ。

---

**これを投資に持ち込むと、何が起きるか。**

考えてみよう。

2007年、サブプライム危機の前夜。

ウォール街のリスクモデルは、みなこう言っていた——住宅価格は大幅に下がらない。

なぜか。

この数十年のデータのなかで、全国規模の住宅価格の暴落は、一度も起きていなかったからだ。

事前確率——住宅価格が崩壊する可能性は、きわめて低い。

だが新しい証拠はどうだったか。

サブプライムローンの延滞率が上がり始めた。

レバレッジ比率が過去最高を記録した。

金融機関が、ひそかに自分のリスク・エクスポージャーをヘッジし始めた。

これらはすべて、シグナルだった。

だが、ほとんどの人は自分の確率を更新しなかった。

なぜか。

更新するということは、それまでの自分の判断が間違っていたかもしれないと認めることだからだ。

更新するということは、すでに張ってあるポジションを手放すことだからだ。

更新にはコストがあり、更新しないことには言い訳がある。

結果はどうだったか。

リーマン・ブラザーズの破綻。

金融の大津波。

何兆ドルもの富の蒸発。

---

**ベイズ的思考の本当の価値は、ここにある。**

それは、あなたに未来を予測させるものではない。

未来を予測できる人など、いない。

それは、不確実な世界のなかで、他人より合理的な判断を下し続けさせるものだ。

シルバーの核心の主張はこうだ。良い予測者とは、最終的に正しかったと証明された人ではなく、どの時点においても、最も正確な確率の見積もりを出せる人だ。

この違いに注意してほしい。

結果が正しいのは、運かもしれない。

プロセスが合理的であることこそ、能力だ。

---

**今に引きつけた一例。**

あなたが、あるファンドを買うかどうか考えているとしよう。

そのファンドは、過去3年の年率リターンが20%だと見える。

あなたの第一反応は何か。

ほとんどの人の第一反応は、「このファンドはすごい、買うべきだ」だ。

だがベイズ的思考なら、どう問うか。

事前確率——あるファンドが市場に勝ち続けられる確率は、過去のデータが教えるところ、せいぜい10%から20%ほどだ。

新しい証拠——過去3年のリターンが20%。

この証拠は、本物のアルファなのか。それとも、たまたま強気相場に乗っただけのベータなのか。

この二つの確率を、あなたは真剣に見積もったことがあるか。

もし見積もっていないなら、あなたの判断はベイズ的ではなく、感情的なものだ。

---

**最後に、シルバーは本のなかで、ハッとさせる概念に触れている。過信だ。**

彼は言う。ほとんどの人は予測をするとき、出す信頼区間が狭すぎる、と。

どういう意味か。

あなたが「来年は景気が回復すると9割の自信がある」と言う。だがもし本当に100人に、それぞれ100回こうした判断をさせてみたら、「9割の自信」をうたった予測の実際の的中率は、6割ほどしかないかもしれない。

このズレを、キャリブレーション誤差と呼ぶ。

キャリブレーション誤差が小さいほど、あなたの確率判断は信頼できる。

キャリブレーション誤差が大きいほど、あなたの自信はただの幻覚だ。

ベイズ的思考の訓練とは、本質的に、この誤差を縮めていくプロセスなのだ。

---

さあ。

今日は、ベイズ的思考を開いて見てきた。

事前確率、証拠による更新、事後の判断。

明快に聞こえるが、まだ答えていない問いが一つある。

ベイズ的思考には、前提がある——信頼できる過去のデータで事前確率を組み立てる必要がある、ということだ。

だが、もしその分野では、過去のデータそのものが当てにならないとしたら。

もしその分野では、あなたの予測という行為そのものが、予測の結果を変えてしまうとしたら。

金融市場は、まさにそういう場所だ。

次章では、もっと手ごわい問いに踏み込む。なぜ金融予測は、天気予報よりはるかに難しいのか。なぜ同じモデルを使う人が増えるほど、そのモデルは速く効かなくなるのか。金融市場のなかの「ノイズ」は、いったいどれほど危険なのか。

第 3 章 · なぜ金融予測はとりわけ難しいのか

考えたことはないだろうか。なぜ、いちばん良いデータと、いちばん高価なモデルを手にしたウォール街のエリートたちが、金融危機を前にしてそろって目が見えなくなるのか。彼らが賢くないからではない。むしろ逆だ——あまりにも賢いからこそ、最も致命的な間違いを犯してしまうのだ。

前章では、ベイズ的思考を語った。

核心は何か。

確率を固定された答えと見なすのではなく、絶えず更新できる出発点と見なすこと。新しい証拠が現れるたびに、判断を調整する。これは、とても合理的で、科学的に聞こえる。

だが——

今日の問いはこうだ。

この道具をそっくり金融市場に持ち込んだら、何が起きるのか。

---

**2007年。**

アメリカ。

シティグループの最高経営責任者、チャック・プリンスが、あるメディアの取材を受けた。

記者は彼に問うた。サブプライム市場のリスクはこれほど大きいのに、なぜまだ拡大を続けるのか、と。

彼の答えは、のちに金融史上もっとも有名な一言となった。

彼はこう言った。

「音楽が鳴っているかぎり、立ち上がって踊らなければならない」

当時、この言葉を警告と受け取った人はいなかった。

みな、彼が一つの戦略を語っているのだと思っていた。

1年後、サブプライム危機が全面的に勃発する。シティグループの損失は270億ドルを超え、チャック・プリンスは職を去った。

音楽は、止まった。

そしてほぼ全員が、前もって座っておくことができなかった。

---

なぜか。

これこそ、ネイト・シルバーが『シグナル&ノイズ』の第6章、第7章で答えようとした核心の問いだ。

彼の核心の主張はこうだ。金融市場は、あらゆる予測の分野のなかで、いちばん難しい。

難しいうちの一つ、ではない。

いちばん、難しい。

なぜか。

金融市場には、他のどの分野にもない特性があるからだ——

**再帰性。**

---

再帰性とは何か。

一つ例を挙げよう。

あなたが「明日は雨が降る」と予測する。

この予測は、明日を本当に雨にすることはない。

天気は、あなたの判断によって変わらない。

だが金融市場は違う。

あなたが「ある銘柄は上がる」と予測する。

あなたが買う。

あなたの友人が、あなたが買ったのを見て、同じく買う。

もっと多くの人が、買う人がいるのを見て、ついていく。

株価は、本当に上がる。

あなたの予測が、現実の一部になったのだ。

シルバーは本のなかで書いている。金融市場は、「予測という行為そのものが予測の結果に影響する」数少ないシステムの一つだ、と。あなたはガラスの向こうから市場を眺める傍観者ではない。あなたは市場の一部だ。あなたの一つひとつの判断が、判断しようとしているその対象を、変えていく。

ストップ。

これが何を意味するか、考えてみてほしい。

もしあなたのモデルが十分に正確で、十分に多くの人が使い始めたら、そのモデルは効かなくなる。

市場が、あなたの予測をすでに価格に織り込んでしまうからだ。

これはパラドックスではない。金融市場の基本的な動作原理だ。

---

さて、再帰性が第一の関門だ。

第二の関門は、もっと見えにくい。

名づけて——**データのノイズ**。

---

多くの人は、金融市場はデータがいちばん豊富な場所だと思っている。

それは間違いではない。

株価は毎秒更新される。出来高、ボラティリティ、回転率、何億ものデータ点が、リアルタイムに生まれている。

だがシルバーは、直感に反することを一つ告げる。

データが多いからといって、ノイズが少ないとはかぎらない。

ときには、むしろ逆だ。

彼は本のなかで、重要な区別を持ち出す——

シグナルとは、本当に未来の結果と関係する情報。

ノイズとは、シグナルのように見えて、実は何でもないランダムな変動。

そして金融市場では、ノイズの割合は、あなたの想像をはるかに超える。

シルバーは本のなかで、あるデータを引いている。

株式市場の年次リターンを観察すると、シグナルとノイズの比率は、おおよそ——

**5対1。**

シグナルが5分の1、ノイズが5分の4。

だが時間の窓を1日に縮めると、この比率はどうなるか。

**1対45。**

45の情報のうち、本当に役に立つシグナルは、わずか1つ。

あなたが毎日、画面に張りつき、気配値を更新し、ローソク足を見て、ニュースを読む——

そうやって処理しているものの、97%以上が、ノイズなのだ。

---

これで、あなたがとっくに気づいていたかもしれない現象が説明できる。

なぜ、短期売買をする人の大半は、最後には損をするのか。

彼らが努力していないからではない。

むしろ、努力すればするほど、触れるノイズが増え、ノイズに引きずられる回数も増えるからだ。

彼らはノイズをシグナルと取り違える。

そして決断する。

そして損をする。

そして、もっと多くのデータを探しに行き、「本物のシグナル」を見つけようとする。

そして、また同じことを繰り返す。

---

第三の関門は、最も致命的なものだ。

名づけて——**過剰適合**。

---

この言葉は、統計学から来ている。

だがそれが描く現象は、金融市場のいたるところで見られる。

過剰適合とは何か。

簡単に言えば、あなたのモデルが、過去のデータにぴったり合いすぎている、ということだ。

どれくらい合いすぎているのか。

もはや法則を描いているのではなく、歴史の偶然の細部を一つひとつ描いているほど、合いすぎている。

例を挙げよう。

あなたが、過去20年間、アメリカのアメリカンフットボールのスーパーボウルの優勝チームがAFC（アメリカン・カンファレンス）から出るたびに、その年の株式市場が上がる、という法則を見つけたとしよう。

これは実在した「法則」で、スーパーボウル指標と呼ばれる。

本当にこれで株式市場を予測しようとした人がいた。

これが過剰適合だ。

あなたは過去のデータから一つの相関を掘り当てたが、その相関は、株式市場の本当の動作メカニズムとは、何の因果関係もない。

それはただの偶然だ。

だが、データさえ十分にあれば、こういう偶然はいくらでも見つかる。

シルバーの核心の主張はこうだ。手にする変数が増えるばかりで、サンプル数がそれに見合って増えないなら、過剰適合はほぼ避けられない。

金融市場は、とりわけ危険だ。

過去のデータはきわめて豊富なのに、本当の「独立したサンプル」は、実はとても少ないからだ。

100年の株式市場の歴史は、たくさんあるように聞こえる。

だが経済サイクルを研究しているなら、100年のうち、完全な大きなサイクルは、ほんの数えるほどしかないかもしれない。

いくつかのサイクルで合わせ込んだモデルを、次のサイクルの予測に持っていく——

これは、3回の試験の成績で一生の運命を占うのと、本質的に変わらない。

---

さあ、第四の関門に行こう。

これが、いちばん絶望的なものだ。

名づけて——**ブラックスワン**。

---

2008年、リーマン・ブラザーズが破綻する前のあの夏。

ウォール街で最高峰のリスクモデルは、ほぼすべて、同じことを言っていた。

システミックなリスクは、とても低い、と。

彼らが使っていたのは「バリュー・アット・リスク」モデル、VaRと呼ばれるものだ。

このモデルは彼らに、1929年の大恐慌のような崩壊が起きる確率は、無視できるほど低いと告げていた。

そして。

崩壊が起きた。

なぜモデルは効かなかったのか。

これらのモデルが、すべて平常時のデータで訓練されていたからだ。

それらは、過去の分布が未来の分布を代表すると仮定していた。

だがブラックスワン事象とは、まさに、過去のデータにほとんど存在しない極端な状況のことだ。

ブラックスワンのないデータで、ブラックスワンを含まないモデルを組み立て、そのモデルでブラックスワンが現れる確率を予測する——

結果はもちろん、確率はきわめて低い、となる。

これは予測のミスではない。

方法論のレベルでの、根本的な誤りだ。

シルバーは本のなかで書いている。私たちは、自分の経験の範囲を超えたリスクを過小評価しがちだ。それは私たちが愚かだからではなく、私たちのモデルが、本質的に過去の総括であって、未来の探索ではないからだ、と。

---

この四つの関門を並べてみれば、金融予測がなぜこんなに難しいのかがわかる。

再帰性——あなたの予測そのものが市場を変える。

データのノイズ——あなたが処理する情報の大半は、撹乱だ。

過剰適合——あなたのモデルは歴史を覚えたが、法則は理解していない。

ブラックスワン——最も重要な出来事は、しばしばあなたのモデルの境界の外にある。

---

ここで、今に引きつけた一枚の地図を描きたい。

2023年、人工知能投資の熱狂が世界を席巻した。

多くのクオンツ・ファンドが、機械学習モデルで市場を予測し始めた。

これらのモデルの訓練データ量は、人類史上最大だ。

計算資源は、かつてないほどだ。

結果はどうだったか。

多くのモデルが、強気相場では目を見張る成績を出した。

そして、一度の予想外の出来事や、一度の地政学的な衝突、一度の不意の金利決定にぶつかると——

モデルは沈黙した。

なぜか。

これらのモデルが、いまだに過去のデータで未来を予測しているからだ。

いまだに平常時の法則で、異常時の衝撃に立ち向かっているからだ。

再帰性、ノイズ、過剰適合、ブラックスワン——

この四つの問題は、計算資源が強くなったからといって消えはしない。

それらは、金融市場の構造的な特徴なのだ。

---

では、シルバーの言いたいことは、こうだろうか。金融予測は無意味だから、いっそやめてしまえ、と。

違う。

彼が言いたいのは、こうだ。あなたは自分の予測に対して、ある特定の謙虚さを保つ必要がある。

見せかけの謙虚さでも、社交辞令でもない。

不確実性の理解の上に、本当に立った謙虚さだ。

彼は言う。最も優れた予測者とは、不確実性を消し去ろうとする人ではなく、不確実性のなかを航海することを学んだ人だ、と。

この二つには、本質的な違いがある。

不確実性を消し去るのは、幻覚だ。

不確実性のなかを航海するのは、技術だ。

---

だから、次の問いが自然と立ち上がる。

金融市場がこれほど予測しにくく、ノイズがこれほど多く、ブラックスワンがいつでも現れうる以上——

私たちは、いったいどう決断すればいいのか。

「謙虚であれ」と知っているだけでは足りない。

謙虚さは一つの態度であって、方法ではない。

その方法を、何と呼ぶのか。

次章では、こう見ていく。不確実性のなかで、本当により良い決断を助けてくれる枠組みは、いったいどんな姿をしているのか。そしてそれは、今のあなたの思考のやり方と、どれほどの隔たりがあるのか。

第 4 章 · 不確実性のなかで、より良い決断を下す

考えたことはないだろうか——

予測という営みは、鍛えられるのか。

才能がすべてを決める、と言う人がいる。データこそが王道だ、と言う人がいる。

だがネイト・シルバーは、この本の最後に、意外な答えを出している。

才能ではない。アルゴリズムでもない。

一つの思考の習慣だ。

前章では、金融予測がなぜとりわけ難しいのかを語った。

核心は何か。

市場は予測そのものに反応する。あなたが予測した瞬間に、世界が変わる。そこにデータのノイズ、ブラックスワン事象、過剰適合したモデルが加わって、金融市場は人類が知るかぎり、最も予測しにくいシステムの一つになる。

だがシルバーは、ここで立ち止まらない。

彼は続けて、もっと重要な問いを立てる。

予測がこれほど難しいなら、私たちはどうすればいいのか。

このまま諦めるのか。

---

ストップ。

諦めることは、答えではない。

シルバーは本のなかではっきり言っている。予測の目標は、けっして「100%正しいこと」ではない。「ランダムな当て推量より良いこと」だ、と。

この章では、最後の一片を語る。

確率のキャリブレーション。メタ認知。そして、より良い予測者になるとは、いったいどういうことなのか。

---

**まず、一つの場面から。**

2010年。

アメリカのある研究機関が、20年に及ぶ追跡実験を行った。

研究の対象は、284人の「専門家」——経済学者、政治アナリスト、戦略コンサルタントたちだ。

研究者は彼らに未来を予測させ、結果を記録した。

20年後、データが出そろった。

結論は、誰もを気まずくさせるものだった。

これらの専門家の予測の的中率は——

ランダムな当て推量と、たいして変わらなかった。

いくつかの分野では、ランダムにすら及ばなかった。

この研究を主導したのが、心理学者のフィリップ・テトロックだ。

シルバーは本のなかで、彼の研究成果を大量に引用している。

テトロックは気づいた。これらの専門家には、共通の特徴がある。

彼らは、自信過剰だった。

ただの自信ではない。「過信」と呼ばれる認知の偏りだ。

彼らが「9割の自信がある」と言うとき、実際の正答率は7割しかない。

彼らが「ほぼ確実だ」と言うとき、誤答率は驚くほど高い。

---

これが、シルバーが第8章で大量の紙幅を割いて論じる核心の問題だ。

**確率のキャリブレーション。**

キャリブレーションとは何か。

簡単に言えば、あなたが「8割の自信がある」と言うなら、あなたが「8割の自信がある」と言った事柄は、最終的に8割が正しくなるべきだ、ということだ。

多くもなく、少なくもなく。

もしあなたが「8割の自信」を100件口にして、結果5割しか正しくなかったら——

あなたの確率は、うまくキャリブレーションできていない。

あなたは自分を過大評価したのだ。

シルバーの核心の主張はこうだ。良い予測者とは「いつも当てる人」ではなく、「口にした確率が現実と高く一致する人」だ。

これは、まったく別の二つのことだ。

---

**では、どうやってキャリブレーションするのか。**

シルバーは、意外な道具を示す。

より良いモデルではない。

より多くのデータでもない。

それは——

**メタ認知。**

メタ認知とは、「自分の認知のプロセスそのものについて考えること」だ。

ありていに言えば、自分がどう考えているかを、自分で見られること。

なぜこの結論にたどり着いたのか。

どんな証拠を使ったのか。

どんな反対の情報を見落としたのか。

自分の感情は、判断に影響していないか。

シルバーは本のなかで書いている。優れた予測者には、共通の習慣がある——

彼らは、自分にとって居心地の悪い証拠を、進んで探しにいく。

この言葉に注意してほしい。居心地が悪い。

自分の見解を支える証拠を探すのではなく、自分の判断をくつがえす情報を、わざわざ探しにいくのだ。

これは心理学で言う「逆向きの確証バイアス」の訓練にあたる。

普通の人の本能は、どういうものか。

自分を支える証拠を見つけて、そこで止まる。

優れた予測者はどうか。

自分を支える証拠を見つけて、それでも問い続ける。だが、自分が見ていないものは、ないだろうか、と。

---

**少し止まろう。**

今に引きつけた一例を見てみよう。

2022年、アメリカの連邦準備制度が利上げを始めた。

当時、市場には二つの声があった。

一つは、インフレは一時的だ、利上げはすぐに終わる、というもの。

もう一つは、インフレはもう構造化している、利上げは長く続く、というもの。

ほとんどの人が、最初のほうを選んだ。

なぜか。

最初のほうが、居心地がいいからだ。

利上げが終わるとは、資産価格が反発するということ、苦痛に耐えなくてすむということ、すべてが良くなるということだ。

だが現実はどうだったか。

利上げは2年近く続いた。

最初の判断にしがみついた人々は、何度も「反転を待ち」、何度も身動きが取れなくなった。

それは彼らが賢くなかったからではない。

確率のキャリブレーションをしなかったからだ——

彼らの「9割の自信」は、最初から確率ではなく、感情だったのだ。

---

**シルバーの枠組みに戻ろう。**

第9章で、彼は非常に具体的なな決断の道具を持ち出す。

彼は予測者を二つのタイプに分ける。古代ギリシャの比喩を借りて。

**キツネ**と**ハリネズミ**だ。

ハリネズミ型の人は、一つの核心となる大きな理論を持ち、その理論ですべてを説明する。

彼らは主張が鮮明で、テレビ映えし、すごく説得力があるように聞こえる。

だが彼らの予測の的中率は——

ひどい。

現実はあまりに複雑で、一つの大きな理論には、すべての変数が収まりきらないからだ。

キツネ型の人はどうか。

彼らは、統一された大きな理論を持たない。

互いに矛盾する複数の視点を、同時に抱えている。

物言いはそれほど断定的ではなく、ときには「結局あなたは何が言いたいのか」と思わせることすらある。

だが彼らの予測の的中率は——

明らかに高い。

シルバーの核心の主張はこうだ。不確実な世界では、矛盾を抱きしめることのほうが、一つの壮大な物語にしがみつくことより、真実に近い。

---

**これは、私たち普通の人間にとって何を意味するか。**

こういうことだ。

誰かが、完結し、整合性があり、一見すきのない理論で「市場はきっとこうなる」とあなたに告げてきたら——

警戒したほうがいい。

完璧に聞こえる予測ほど、ハリネズミが語っている可能性が高い。

「だが」「しかし」「一方で」に満ちた分析ほど、かえって真実に近い可能性が高い。

---

**第10章で、シルバーはもっと深い問題に触れる。**

彼は問う。私たちはなぜ、これほど不確実性を扱うのが下手なのか。

答えは、人間の本能を指し示す。

私たちの脳は、何万年も前の環境のなかで進化してきた。

その環境の特徴は何か。

情報は少ないが、行動は速くなければならない。

草むらで物音がした——トラか、それとも風か。

あなたに確率分析をしている時間はない。すぐに決めなければならない。

この本能が、私たちの祖先を生き延びさせた。

だが金融市場では——

この本能は、致命的だ。

市場のシグナルは曖昧で、ノイズは巨大で、結果は遅れてやってくる。

私たちの脳は、確実性を欲しがり、すぐに行動したがり、明快な物語を求める。

そうして私たちは、ノイズをシグナルと取り違え、偶然を法則と取り違え、運を能力と取り違える。

シルバーは本のなかで書いている。彼の核心の主張はこうだ。

不確実性を認めることは、弱さではなく、誠実さだ。

「わからない」と口にすることは、敗北ではなく、キャリブレーションの始まりだ。

---

**では、より良い予測者になることは、本当にできるのか。**

できる。

シルバーは、いくつかの非常に具体的なな助言を示している。

**第一に、確実性ではなく、確率でものを言う。**

「市場は上がる」ではなく、「市場が上がる確率は6割だと考える」と言う。

これは責任をあいまいにするためではなく、不確実性に誠実に向き合うよう、自分に強いるためだ。

**第二に、自分の予測を記録し、あとで振り返る。**

これは単純に聞こえるが、本当にやっている人はほとんどいない。

先月あなたが言った「この銘柄は上がる気がする」——

その後、どうなったか。

あなたはそれを記録し、真剣に振り返ったか。

もしやっていなければ、自分のキャリブレーションがどれほどひどいか、永遠にわからない。

**第三に、運と能力を見分ける。**

今回儲かったのは、判断が当たったからか、それとも運が良かったからか。

今回損したのは、判断が外れたからか、それともブラックスワンに出くわしたからか。

この二つをはっきり分けなければ、経験から本当に学ぶことはできない。

**第四に、弁護ではなく、更新する。**

新しい証拠が現れたとき、あなたの第一反応は何か。

その証拠がなぜ重要でないかを、説明しにいくことか。

それとも、それが自分の判断を変えるかどうかを、真剣に考えることか。

良い予測者は、考えを変えることを、進歩として受け止める。恥として受け止めるのではなく。

---

**ここで、ある歴史の場面を再現してみよう。**

2012年、アメリカ大統領選。

ネイト・シルバー本人が、自分の統計モデルを使い、オバマが選挙に勝つと予測した。

当時、多くの政治評論家が彼をあざ笑った。

モデルが単純すぎる、政治は数学ではない、彼は本当の選挙情勢をわかっていない、と。

わざわざ記事を書いて、ロムニーが勝つと予測する人までいた。

その理由は、どれももっともらしく聞こえた。景気が悪い、現職大統領はたいてい負ける、世論調査には誤差がある……

選挙の結果が出た。

オバマが勝った。

シルバーのモデルは、50州のうち50州すべての結果を、正確に予測した。

100%。

だがシルバー自身は、何と言ったか。

彼はこう言った。これは私のモデルが完璧だという意味ではない。

これはただ、今回は、シグナルがノイズより強かった、という意味だ。

次回は、違うかもしれない。

この一言こそ、この本のいちばん核心にある精神だ。

---

**本全体を締めくくろう。**

振り返れば、この本で私たちは四つの章を歩いてきた。

第一章では、予測のパラドックスを見た——賢い人がなぜ予測を外すのか。シグナルとノイズを取り違えるからだ。

第二章では、ベイズ的思考を学んだ——確率は答えではなく、証拠とともに絶えず更新される出発点だ。

第三章では、金融市場の特殊性を見た——再帰性、ブラックスワン、過剰適合が、ここを最も予測しにくい戦場にしている。

第四章では、人間そのものに立ち返った——キャリブレーション、メタ認知、キツネ的思考。これこそが、不確実性に向き合う本物の武器だ。

シルバーが本当に伝えたかったのは、一そろいの予測の公式ではない。

一つの態度だ。

不確実性に対して誠実であること。自分の判断に対して懐疑を保つこと。新しい証拠に対して開かれていること。

この本を閉じたあと、あなたは、より正確な予測者になるわけではないかもしれない。

だがあなたは、こういう人になる——

より冷静な人に。

そして投資という営みにおいて、冷静であることは、すでに大多数の人に勝っているのだ。

不確実だと認めることは、確実なふりをすることよりも、真実に近い。—— ネイト・シルバー、『シグナル&ノイズ』第10章の核心を要約