【初心者向け】標準偏差でリスクを数値化する方法

※本記事のコードや情報は執筆時点の仕様に基づいています。投資は自己責任であり、必ずデモ環境や少額資金でテストした上で運用してください。

リスクって、数字で表せるの？
標準偏差を直感的に理解する
年率ボラティリティへの変換
Pythonで複数銘柄のリスクを比較する
- 出力の読み方
まとめ

リスクって、数字で表せるの？

投資でよく聞く「リスクが高い」「ボラティリティが大きい」という表現。これらは感覚的な言葉ですが、統計学では標準偏差（Standard Deviation）という指標で数値化できます。

標準偏差は「データが平均からどれだけバラついているか」を表します。株価の文脈では「価格の変動の大きさ＝リスク」として使われます。

標準偏差を直感的に理解する

例として、2つの銘柄の日次リターン（前日比）を考えます。

銘柄	日次リターンの例	平均	標準偏差
A株（安定型）	+0.1%, -0.1%, +0.2%, -0.1%, +0.1%	+0.04%	小さい
B株（変動型）	+3%, -2%, +5%, -4%, +1%	+0.6%	大きい

B株の方が期待リターンは高いですが、日々の変動も大きい。標準偏差が大きいほど「予測が難しい＝リスクが高い」ということです。

年率ボラティリティへの変換

日次リターンの標準偏差を√252倍すると年率ボラティリティになります（1年の取引日数≒252日）。機関投資家やリスク管理で使われる標準的な指標です。

Pythonで複数銘柄のリスクを比較する

import yfinance as yf
import pandas as pd
import numpy as np

# ==============================
# 設定エリア：比較したい銘柄
# ==============================
WATCHLIST = {
    "7203.T": "トヨタ自動車",
    "9984.T": "ソフトバンクG",
    "6758.T": "ソニーG",
    "8306.T": "三菱UFJ",
}
PERIOD = "1y"    # 過去1年
TRADING_DAYS = 252  # 年間取引日数

# ==============================
# データ取得とリスク計算
# ==============================
results = []

for symbol, name in WATCHLIST.items():
    ticker = yf.Ticker(symbol)
    df = ticker.history(period=PERIOD)

    # 日次リターン（対数リターン）を計算
    # 対数リターン = log(今日の終値 / 前日の終値)
    log_returns = np.log(df["Close"] / df["Close"].shift(1)).dropna()

    daily_std  = log_returns.std()                      # 日次標準偏差
    annual_vol = daily_std * np.sqrt(TRADING_DAYS)      # 年率ボラティリティ
    annual_ret = log_returns.mean() * TRADING_DAYS      # 年率リターン（参考）

    results.append({
        "銘柄コード": symbol,
        "銘柄名": name,
        "日次標準偏差(%)": round(daily_std * 100, 3),
        "年率ボラティリティ(%)": round(annual_vol * 100, 1),
        "年率リターン(%)": round(annual_ret * 100, 1),
    })

# 結果をDataFrameで表示（ボラティリティ昇順）
result_df = pd.DataFrame(results).sort_values("年率ボラティリティ(%)")
print(result_df.to_string(index=False))