Agentic AI for dynamic factor investing：選択的なLLM委員会は欧州ファクターローテーションで有望だが、QMIが依然ベンチマーク

概要

この欧州クオンツ戦略の研究は、LLMエージェントが月次のマクロレジームを分類し、それに基づいて株式ファクターポートフォリオをローテーションできるかを検証する。J.P. Morganは、特に新しく選別されたモデルを使う場合に補完的な入力として有望と結論づけるが、QMIの体系的枠組みを置き換えるものではないとしている。

主要見解

レポートは、厳格に定義されたLLMが広範なマクロ・コンテキスト・パックを読み、翌月のExpansion、Slowdown、Contraction、Recoveryに確率を配分し、それらの判断を収益性のある欧州株式ファクターローテーションへ転換できるかを検討する。背景には、個別の株式スタイルがレジーム転換時に大きなドローダウンを被り得ることがある。サイクルに応じたファクターポートフォリオ間のローテーションは、主要なリーダーシップ変化の前に上昇余地を維持しつつエクスポージャーを抑える可能性がある。J.P. Morganは、欧州QMIをレジーム・ベンチマークとスタイルローテーションの既存の体系的参照枠組みの両方として用いる。 エージェントには、狙いを定めたシグナルではなく、汎用的なマクロ・パックを与える。入力は米国、英国、欧州の成長、労働、インフレ、政策、金融環境を対象とし、PMI、失業率、CPI/HICP、政策金利、イールドカーブ、実質利回り、米ドル、原油、ボラティリティ、クレジットスプレッドを含む。各系列には水準、該当する場合は1/3/6/12か月の変化、36か月ローリングz-scoreが含まれる。4つのレジームは、活動水準のトレンド比と、状況が改善しているか悪化しているかの双方で定義される。マクロデータの二階微分は、水準自体よりも想定されるスタイルのリーダーシップを導くうえで重要になり得るという考え方である。 レポートは先読みバイアスを最も重要な実装リスクと扱う。LLMは訓練データから歴史的な期間を認識し得るため、ラグを取った改訂前のデータを使ってもサンプル外バックテストを保証できない。Opus 4.8によるアブレーションテストでは、日付を除去した場合、さらに日付と生の水準データの両方を除去した場合でも、レジームの推移は整合的だった。これはモデルが残存するマクロ証拠を利用できることを示唆する。しかし日付だけを与えても、特にドットコム期、世界金融危機、COVID前後で、もっともらしい歴史的レジームパターンが生じ、歴史記憶が残っていることを示した。なじみのあるレジーム名を中立的なラベルに置き換えても、マクロ情報を含む判断はおおむね不変だった。3つのマクロデータ変体では一致率が80%-83%、Cohen's kappaが0.71-0.76だったのに対し、日付のみでは一致率59%、kappa 0.45だった。従ってJ.P. Morganは、実際の証拠がある場合にはエージェントは主としてマクロデータから推論するが、リーケージは排除できないと結論づける。 研究では、GPT 5.5、GPT 5.4、GPT 5.1、Claude Opus 4.8、Sonnet 4.6、Haiku 4.5を、日付匿名化パック、低推論モード、温度1でテストする。出力には確率性があるため、研究者は各モデルを月ごとに100回実行し、平均確率または多数決型の集計を使う。日付ごとの200回の観測呼び出しに対するbootstrap再標本化では、コンセンサスの強い日付は速やかに安定する一方、曖昧な日付では最も厳しい誤差閾値に達するために約100回の実行が必要となり得る。これを超える改善は限定的である。レポートは体系的な方向性の偏りを最重要課題とみる。複数の旧モデルはSlowdownとContractionを過度に選ぶ。Haiku 4.5はサンプル期間の80%以上をネガティブなレジームで過ごし、Recoveryを一度も予測しなかった一方、GPT 5.5とOpus 4.8はより均衡しQMIに近いレジーム構成を示した。 アンサンブルは、メンバーが十分に有能で均衡している場合にのみ結果を改善する。6モデルすべてを統合すると共通の悲観的偏りが残ったが、GPT 5.5とOpus 4.8の選択的委員会はQMIとの整合性がより高かった。391の月次観測で、2モデル委員会のQMI一致率は48.1%、6モデル委員会は39.1%だった。2モデル委員会のExpansionに対するprecisionとrecallはそれぞれ46.0%と36.4%で、大規模委員会の36.1%と11.8%を上回った。Recoveryについてのprecisionとrecallはともに47.4%で、大規模委員会では33.7%と39.5%だった。対価として、2モデル委員会はレジームをより頻繁に切り替えるため、売買回転率と取引コストが高くなる。一方、6モデル委員会は機械的により滑らかである。 実装では、各モデルの月次レジーム判断を用いて4つのサイクル段階別株式ポートフォリオ間をローテーションし、レジーム転換時には売買回転を抑えるため2か月の確認ルールを適用する。1994-2026年のMSCI Europe超過ロング・バックテストでは、すべてのLLM戦略がプラスの超過収益を生み、より新しいモデルは総じてより強い実現成績を示した。2モデル委員会はエージェント戦略で最高の6.0%年率収益、0.68のSharpe ratio、60.3%のヒット率、最も小さい-10.6%の最大ドローダウンを達成した。6モデル委員会は5.6%の収益、0.72のSharpe ratio、60.8%のヒット率、-20.1%の最大ドローダウンだった。QMI Cycle Investingは、7.2%の年率収益、0.74のSharpe ratio、-17.9%の最大ドローダウンで依然として上回った。ロング/ショートでは、QMIは最高の13.7%の収益と1.39のSharpe ratioを達成したが、複数のエージェント変体はより低いボラティリティと浅いドローダウンによってより高いSharpe ratioを得た。 J.P. Morganは、新しいモデルの見かけ上のより強い成績が2020年前後に集中している可能性を警告し、歴史認識効果はこの時期に特に成績を押し上げ得るとしている。また、切り替え回数の少ない旧モデルではSharpe ratiosが誤解を招く可能性がある。Haiku 4.5とGPT 5.1のSharpe ratiosはQMIに近いが、それぞれ3.9%と4.4%の収益はQMIの7.2%を下回り、より優れたレジーム推論ではなく低ボラティリティを反映する可能性が高い。2026年9月については、6モデル中4つがExpansion、2つがSlowdownを予測し、両委員会はExpansionを選択した。2モデル委員会の確率は0.49、6モデル委員会は0.43である。建設的なモデルはPMIが50超、穏やかなボラティリティ、タイトなクレジットスプレッドを強調し、慎重なモデルは英国とユーロ圏のモメンタム鈍化、粘着的インフレ、なお抑制的な政策を強調した。レポートはこの分裂を難しい転換点環境の証拠と捉え、QMIを信頼できる基準として維持する一方、モデル能力の向上に伴いAgentic AIが有用な補完入力となり得るとみる。

分析フレームワーク

J.P. Morganは4つのマクロレジームを定義し、各LLMに固定プロンプトと日付匿名化した複数指標のマクロ・パックを与え、6モデルおよび月ごと100回の実行で反復した。データ、日付、ラベルのアブレーションによりリーケージを検証し、個別モデルと委員会の判断をQMIと比較し、2か月の確認ルールを使って欧州のサイクル段階別ファクターポートフォリオでシグナルをバックテストした。

手法メモ

• クオンツ・ファクター・ポートフォリオ理論マルチファクターモデル

  サイクルに基づくマルチファクターローテーション

  この戦略は、レジーム判断を月次配分シグナルとして用い、異なるマクロ局面向けに設計された4つの株式ファクターポートフォリオ間をローテーションする。

• クオンツ・ファクター・ポートフォリオ理論スタイルファクター分析

  レジームに連動した株式スタイルのリーダーシップ

  レポートはマクロサイクルの変化を優位になると想定される株式スタイルに結び付け、ファクターのリーダーシップ転換時のドローダウン回避を目指す。

• その他その他

  アブレーションテスト、アンサンブル集計、bootstrap再標本化

  研究者は日付、生の水準、レジーム名を除去してリーケージを検証し、モデル判断を委員会へ集計し、bootstrap再標本化を使って日付ごと100回の実行を実務的な安定性基準として選定した。

資産マッピングと比較

投資テーゼから固有資産への構造化マッピング（強み、弱み、同業、リスク）。

• MSCI Europe cycle-phase equity factor portfolios

  レポートはLLMまたはQMIのレジーム判断を用い、4つのサイクル段階別ポートフォリオ間をローテーションする。

  強み

  選択的LLM委員会は超過ロングテストでプラスの超過収益を生み、下振れ結果を改善した。

  弱み

  LLMまたは委員会のいずれも、QMIの全サンプルCycle Investing結果を上回らなかった。

  比較

  GPT 5.5とOpus 4.8の2モデル委員会は、年率超過収益と最大ドローダウンで個別エージェントおよび6モデル委員会を上回った。

  リスク

  残余の先読みバイアス、モデルの悲観的偏り、特定の歴史的期間への成績集中、より頻繁なレジーム切り替えによる高い売買回転。

主要データ

• バックテスト期間1994-2026日付匿名化したマクロ・パックを用いる欧州ファクターローテーション分析
• 2モデル委員会のQMI一致率48.1%391か月において、6モデル委員会は39.1%
• 2モデル委員会の超過ロング年率収益6.0%Sharpe ratioは0.68、ヒット率は60.3%、最大ドローダウンは-10.6%
• QMI Cycle Investingの超過ロング年率収益7.2%Sharpe ratioは0.74、最大ドローダウンは-17.9%
• マクロ情報を含む局面ラベルの一致率80%-83%Cohen's kappaは0.71-0.76で、日付のみの入力では一致率59%、kappa 0.45
• 2026年9月の委員会判断Expansion2モデル委員会の確率は0.49、confidenceは0.63。6モデル委員会の確率は0.43、confidenceは0.65

影響と示唆

レポートは、LLMが動的な株式ファクタータイミングの補完的レジームシグナルになり得ると論じ、特に新しいモデルによる選択的アンサンブルを重視する。ただし、持続する歴史記憶リスク、方向性の偏り、売買回転のトレードオフ、全サンプルでのQMIの優れた成績を踏まえ、QMIの代替とはみなしていない。

リスク

• LLMは訓練データから歴史的事象を認識する可能性があり、日付匿名化はサンプル外の純度を保証しない。
• 複数のモデルはSlowdownとContractionに対する持続的な悲観的偏りを示し、委員会の出力を歪める可能性がある。
• 新しいモデルの最も強いバックテスト成績は2020年前後に集中しているようにみえ、この時期には歴史認識効果が特に大きい可能性がある。
• より正確な2モデル委員会はレジームをより頻繁に切り替えるため、売買回転率と取引コストが高くなる。
• 低ボラティリティが優れた推論ではなく低頻度のレジーム切り替えに由来する場合、Sharpe ratiosは旧モデルの能力を過大評価する可能性がある。

注目点

• 新世代LLMがレジーム構成のバランスと実現ファクターローテーション成績を継続的に改善できるか。
• 将来のテストが先読みおよび歴史記憶効果をさらに低減または分離できるか。
• モデルを追加または除外する際の、委員会の精度と売買回転コストのバランス。
• ExpansionとSlowdownの議論を評価するための、欧州PMIモメンタム、インフレ、政策の抑制性、クレジットスプレッド、ボラティリティ。