「S&P500」や「オルカン」。資産形成を志す人なら、この名前を聞かない日はありません。しかし、その数字が「具体的にどのような計算式で算出されているか」を、一次資料まで遡って確認したことはあるでしょうか。
以前、当ブログでは「インデックスとは、市場データを正規化した計算結果である」という視点から、時価総額加重平均の仕組みをエンジニアリング視点で解説しました。今回はその内容を、実際のデータと公式資料で検証し直します。
具体的には、以下の3つを検証します。
- 「平均に勝つのが難しい」という主張は、2026年時点の実データでも成り立つのか
- 「除数（Divisor）」による指数の連続性は、公式の計算式通りに機能するのか
- インデックスの「自己修復」機能は、副作用として何を生んでいるのか（＝集中リスクの検証）
精神論ではなく、一次資料と実データに基づいた「検証結果」として読んでいただければと思います。
インデックスの正体：市場データを正規化した計算結果
多くの投資家は、S&P500や日経平均株価のチャートを見て「値段が上がった・下がった」と一喜一憂します。しかし、エンジニアやデータアナリストの視点で見ると、あれは単なる「値段」ではありません。
インデックスとは、市場という巨大なシステムの「出力データ」を、人間が分かりやすいように「正規化（決められたルールで数値を整えること）」した計算結果です。この計算式の一次資料は、S&P Dow Jones Indices（S&P500などを算出している指数会社）が公開している「Index Mathematics Methodology（指数計算方法論）」です。
出典：S&P Dow Jones Indices「Index Mathematics Methodology」https://www.spglobal.com/spdji/en/documents/methodologies/methodology-index-math.pdf
なぜ、この「計算された数字」を買うだけで、私たちはプロの投資家に勝ちやすくなるのでしょうか。まずはここを、最新の実データで検証していきます。
【検証1】平均と中央値の乖離：2026年の実データで再検証する
インデックス投資が強いとされる理由は、「ごく一部の天才的な銘柄（外れ値）を、絶対に逃さない仕組みだから」という説明がよくなされます。これを、以前は架空の例で説明していましたが、今回は実際の株価データで検証しました。
検証条件
- 対象銘柄： S&P500構成銘柄のうち、時価総額上位283銘柄（Slickcharts「S&P 500 Companies by Weight」、取得日2026年7月25日時点のリストを使用）
- 期間： 2021年7月26日〜2026年7月24日（約5年間）
- データ： Yahoo Finance（yfinance経由）、配当調整後の終値ベース
- 除外銘柄： GE Vernova（GEV）、Kenvue（KVUE）、Constellation Energy（CEG）、SanDisk（SNDK）の4銘柄は、親会社からのスピンオフ（会社分割）により5年分の株価データが存在しないため、比較の公平性を保つために除外しました
- 有効銘柄数： 276銘柄
検証結果
結果は以下の通りでした。
- 中央値：1.83倍（＝ランダムに1銘柄を選んだ場合の「普通の人の感覚」に近い成績）
- 平均値：2.50倍（＝インデックス全体が受け取るリターンに近い水準）
- 平均値を上回った銘柄の割合：27.5%（約4銘柄に1銘柄程度）
つまり、2026年時点のデータで検証しても、「平均点（インデックスのリターン）を自力で取れる銘柄は、全体の3割に満たない」という構造は変わっていませんでした。下段のグラフを見ると、ごく少数の「怪物銘柄」（この期間ではSNDK除外後の首位はFIX、次いでMUなど）が平均値を大きく押し上げ、残り7割強の銘柄は平均に届いていないことが視覚的にわかります。
「除数（Divisor）」という魔法：一次資料で計算式を確認する
インデックス投資をしていると、定期的に「銘柄の入れ替え」が行われるというニュースを耳にします。ここで一つ、エンジニアらしい疑問を持ってください。「構成銘柄が変わって時価総額の合計が変動したら、指数のグラフもガクンと段差ができてしまうのではないか」と。
しかし、実際のチャートは滑らかに繋がっています。これを実現しているのが、「除数（Divisor）」による補正ロジックです。S&P DJI公式のIndex Mathematics Methodologyでは、指数値は概ね以下のモデルで計算されると定義されています。
Index Value = Σ ( Pi × Qi ) ÷ Divisor- Pi： 各銘柄の株価
- Qi： 浮動株調整済みの株式数（＝実際に市場で売買可能な株式数）
- Divisor： 連続性を保つための除数
【検証2】銘柄入れ替えを3回連続でシミュレーションする
以前の検証では1回の入れ替えのみを試しましたが、今回はより実態に近づけるため、銘柄入れ替えを3回連続で実行するシミュレーションに拡張しました。
▼ シミュレーション条件
- 初期状態：5銘柄で構成される時価総額加重指数（初期値100）
- イベント：小型株→AI関連株、斜陽株→新興テック株、通信株→半導体株、という3回の入れ替えを連続実行
- 各回とも、入れ替え後の時価総額は大きく増加する設定
検証結果：
| 時点 | 時価総額（合計） | 指数値 | 除数 |
|---|---|---|---|
| 開始時点 | 98.0万円換算 | 100.00 | 9,800 |
| 入替1（小型株→AI関連株） | 159.0万円換算 | 100.00 | 15,900 |
| 入替2（斜陽株→新興テック株） | 197.0万円換算 | 100.00 | 19,700 |
| 入替3（通信株→半導体株） | 241.0万円換算 | 100.00 | 24,100 |
時価総額は開始時点の約2.5倍まで膨らんでいますが、指数値は3回とも「100.00」のまま、小数点以下も一切動いていません。これは、入れ替えのたびに除数が9,800→24,100まで自動更新され続けているためです。
計算式そのものは簡略化したモデルですが、「除数を再計算することで指数値の連続性を保つ」という一次資料の設計思想が、複数回の入れ替えを経ても矛盾なく機能することが確認できました。
【検証3】自己修復アルゴリズムの功罪：集中度は本当に上がっているのか
ここまでは、インデックスの「良い面」を検証してきました。しかし、エンジニアとして誠実であるためには、同じ仕組みが生む「副作用」も検証しなければなりません。
時価総額加重平均は、「株価が上がった銘柄ほど、自動的に構成比率が増える」という仕組みです。これは、成長企業を自動的に取り込む一方で、勝ち組銘柄への集中を止める機能を持たないということでもあります。この点を、一次資料で検証しました。
検証結果：上位10銘柄の集中度は歴史的な水準に達している
- 1990年末：19.0%
- 2000年末（ITバブル期）：23.0%
- 2015年末：19.0%
- 2025年末：40.7%
- 2026年4月末：38.5%
出典：RBC Wealth Management「The Great Narrowing」（2026年1月22日発表、FactSetデータに基づく年末値）、および2026年4月末はS&P Dow Jones Indices公式ファクトシートより。
1990年から2015年までの25年間、上位10銘柄の集中度は概ね18〜23%のレンジで推移していました。ところが2025年末には、その歴史的レンジの約2倍にあたる40.7%まで上昇しています。
さらに、2026年7月25日時点のリアルタイムデータ（出典：Slickcharts「S&P 500 Companies by Weight」）で個別銘柄の内訳を確認すると、以下のようになっていました。
| 順位 | 銘柄 | 指数内ウェイト |
|---|---|---|
| 1 | NVIDIA | 7.44% |
| 2 | Apple | 7.28% |
| 3 | Microsoft | 4.21% |
| 4 | Amazon | 3.70% |
| 5 | Alphabet（A株） | 3.00% |
| 6 | Alphabet（C株） | 2.80% |
| 7 | Broadcom | 2.70% |
| 8 | Meta | 2.24% |
| 9 | Tesla | 1.83% |
| 10 | Berkshire Hathaway（B株） | 1.59% |
| 合計 | 上位10銘柄 | 36.79% |
※ 上段の長期推移グラフ（RBC/S&P DJI集計）と、この個別銘柄表（Slickcharts集計）は算出時点・データソースが異なるため、合計値は完全には一致しません。ただし、いずれも「歴史的な集中レンジを大きく超えている」という結論は共通しています。
「S&P500を買う＝500社に分散投資している」というイメージを持っている方は多いと思いますが、実態としては指数全体の値動きの3〜4割が、わずか10社（実質的には上位2社であるNVIDIAとAppleだけで14.7%）の動向に左右される構造になっている、と言えます。
これは、時価総額加重平均という「自己修復アルゴリズム」が正常に機能した結果でもあります。株価が上がった企業のウェイトを自動的に増やし続けた結果、たまたま今のAI関連の成長企業に評価が集中している、というだけのことです。仕組みが壊れているわけではありません。
しかし、「分散投資のつもりが、実質的には少数の巨大企業への集中投資に近づいている」という事実は、パンフレットの「500銘柄に分散」という説明だけでは見えてきません。この点は、インデックス投資を選ぶ上で、知っておく価値のある一次資料だと考えます。
フィルタリング強度の違い：オルカンからFANG+までを「サンプリング密度」で整理する
集中リスクの度合いは、採用するインデックスの設計思想によって大きく異なります。「網の設計（フィルタリング強度）」という観点で整理すると、以下のようになります。
| 指数（システム） | フィルタリング強度 | 目的（仕様） | エンジニア的解釈 |
|---|---|---|---|
| オルカン／S&P500 | 弱（広域） | 市場全体の平均的な成長を享受する | 堅牢な基幹システム。ダウンタイム（暴落からの回復不能）を避ける設計だが、時価総額加重である以上、集中リスクからは逃れられない |
| NASDAQ100 | 中（特化） | テック産業の成長速度を享受する | 特定機能に特化した高性能モジュール。速いが熱暴走（バブル）のリスクも |
| FANG+／MAG7 | 強（集中） | 現在の覇者の最大瞬間風速を享受する | 限界性能を試すオーバークロック設定。リターンは凄まじいが、常に監視が必要 |
NASDAQ100とS&P500のリスク・リターン構造の詳しい比較は、以下の記事でも検証していますので、あわせてご覧ください。
また、「均等加重」という、時価総額加重とは異なる設計思想を採用する指数（FANG+など）との違いについては、以下の記事で詳しく検証しています。
なお、「平均に勝つのが難しい」という現象は、プロのファンドマネージャーの世界でも構造的に起きています。SPIVA（S&P Indices Versus Active）の最新データを使った検証は、以下の記事で行っています。
まとめ：一次資料が示す、インデックス投資の実力とリスク
今回の検証で確認できたことを整理します。
- 正規化： インデックスは、市場という膨大なデータを一定のルールで正規化した計算結果である（一次資料：S&P DJI Index Mathematics Methodology）
- 平均に勝つ難しさ： 2026年時点の実データ（S&P500上位276銘柄、5年間）でも、平均値を上回れた銘柄は27.5%にとどまった
- 除数調整の頑健性： 銘柄入れ替えを3回連続で行っても、除数の自動更新により指数値は連続性を保った
- 集中リスクの高まり： 上位10銘柄の集中度は、1990〜2015年の歴史的レンジ（18〜23%）から、2025年末には40.7%まで上昇している
読者の状況別に考える
- これから積立を始める方： インデックス全体の「平均に勝ちやすい」という統計的な優位性は、実データでも支持されています。個別株選びの難しさを踏まえると、まずはインデックス投資を軸に検討する価値はあると考えます。
- すでにS&P500やオルカンに投資している方： 「500社（またはそれ以上）に分散している」という認識に加えて、「実質的には上位10社、特に上位2社の動向に指数全体が左右されやすい」という集中リスクの実態も、あわせて把握しておく価値があると考えます。
- 集中リスクが気になる方： 全世界株式（オルカン）や、S&P500以外の資産クラスとの組み合わせ（アセットアロケーション）を検討する余地があります。どちらが正解ということではなく、ご自身のリスク許容度に応じた選択だと考えます。
インデックス投資は、「未来を予言する」行為ではありません。「時価総額加重平均という自己修復アルゴリズムが、長期的には成長トレンドを描く」という一次資料に裏付けられた仕組みを信頼し、その出力結果に乗るという行為です。ただし、その仕組みが生む集中リスクについても、パンフレットの数字だけでなく、一次資料で確認した上で向き合っていただければと思います。
免責事項
本記事は特定の銘柄・ファンドへの投資を推奨するものではありません。記事内のデータは執筆時点（2026年7月25日）で入手可能な情報に基づいており、将来の運用成果を保証するものではありません。投資判断は、必ずご自身の責任において行っていただきますようお願いいたします。
本記事にはアフィリエイトリンクが含まれる場合があります。
コメント