AI · A-09 オルタナティブデータとは ― 衛星とクレカで決算を“先読み”する 決算発表を待つのは、もう情報弱者だ。駐車場の衛星画像が先に答えを知っている。

ヘッジファンドは、企業が決算を出す前に、その数字をかなり知っている。 小売店の駐車場を上空から数える衛星画像、匿名化されたクレジットカードの集計データ、求人サイトや価格ページのwebスクレイピング―― 財務諸表にも経済統計にも載らない、こうした新しい情報源をオルタナティブデータ（代替データ）と呼ぶ。 この記事では、オルタナティブデータとは何かを平易に――どんなデータがあるのか、なぜ代替データ投資が広がったのか、 そしてそれが市場の何を変え、何を変えていないのかを順に解剖する。 先に結論を一つだけ。代替データは情報優位を前倒しした。だが、相場の核（情報を集めるにはコストがかかり、優位は混雑すれば消える）は、何も変えていない。

01何が変わったか ―― 「発表を待つ」から「発表の前に推定する」へ

ほんの十数年前まで、企業の業績を知る正攻法は、四半期ごとの決算発表を待つことだった。 アナリストは過去の財務諸表を読み、経営陣の言葉を聞き、業界統計を当たって、次の数字を予想した。 だがその予想の精度には限界があった。実際の売上が分かるのは、企業が発表したその瞬間だったからだ。 情報は「公式に出るまで、誰も正確には知らない」――それが当たり前の前提だった。

いま、その前提が崩れた。オルタナティブデータ（代替データ）を使う投資家は、 小売チェーンの全店舗の駐車場を衛星で数え、来店客数の趨勢を読む。 匿名化されたカード決済の集計から、その会社の売上が前年より伸びているか落ちているかを決算発表の前に推定する。 つまり、「公式の数字が出るのを待つ」のではなく、「公式の数字が出る前に、それをかなりの精度で推定してしまう」という商売が成立した。 変わったのは、情報が手に入るタイミングだ。発表という“締め切り”の手前に、推定という“先読み”の層が一枚かぶさった。

誤解を解いておく。これは「AIが未来を予知している」というSF的な話ではない。 やっていることは、現実世界の活動の痕跡を、公式統計より先に、大量に集めて数えているだけだ。 駐車場に車が増えれば店は混んでいる。カードの決済額が増えれば消費は伸びている。求人が増えれば事業を広げようとしている。 どれも当たり前の因果だが、それを網羅的に・速く・定量的につかめるようになったことが新しい。 魔法ではなく、観測の解像度が上がっただけ――ここを押さえると、この記事の話は最後まで一本の線で読める。

02仕組み ―― 現実の痕跡を集め、決算の前に推定に変える

オルタナティブデータの仕事は、大きく3つの段階に分けられる。順に、噛み砕いて見ていく。

① 集める（データ源）。財務諸表や経済統計ではない、現実の活動が残す痕跡を集める。代表的なものを挙げる。 衛星画像――小売店の駐車場に停まった車の数を上空から数えて来店動向を読む。産油地のタンクの“屋根の影”からその国の原油在庫を推定する。農地の作付けから収穫を見積もる。 クレジットカードの集計データ――個人を特定しない形に匿名化・集計された決済情報から、ある企業やある業種の消費が伸びているかを読む。 位置情報――スマホアプリ由来の匿名化された人流データから、どの店・どの施設に人が集まっているかをつかむ。 webスクレイピング――ECサイトの価格、求人サイトの募集数、口コミの件数や評価を機械的に収集し、価格や事業拡大の兆しを定量化する。 船舶・航空の追跡――タンカーや貨物船の航跡から、貿易やコモディティの流れを推定する。

② 処理する（推定に変える）。集めた生データは、そのままでは使えない。 衛星写真はただの画像で、駐車場の車を数えるには画像認識のAIが要る。カード決済は膨大なノイズの塊で、対象企業の売上だけを抜き出して集計し直す必要がある。 スクレイピングしたページは形式がバラバラで、価格や件数を構造化された数字に整える処理が要る。 この「生データ → 比較可能な指標」の変換こそが、代替データの本体だ。 そして最後に、その指標を「では実際の売上はいくらか」という推定値に翻訳する。過去の決算と照らし合わせ、駐車場の混み具合と実売上の関係を較正しておく。

③ 出し抜く（情報優位の前倒し）。こうして得た推定値が、市場のコンセンサス（皆が予想している数字）と食い違っていれば、そこに賭けの余地が生まれる。 市場は「売上横ばい」と予想しているのに、駐車場とカードのデータが「明確に増加」を示しているなら、決算が出る前にその株を仕込む。 要は、公式の数字が出る前に、それをかなり正確に知ってしまうこと。これが情報優位だ。 昔は決算発表という“同じスタートライン”で皆が走り出した。代替データは、そのラインの手前に立つことを可能にした。

03なぜ広がったか ―― データ・計算・競争の三つが揃った

オルタナティブデータは、ある日突然生まれた発明ではない。世界の活動がデジタルの痕跡を残すようになり、それを安く処理できる環境が整い、 運用の世界で「他人より一歩先に知る」ことの価値が跳ね上がった――その三つが噛み合った結果、自然に湧き上がってきたものだ。

• データの入手可能性。スマホ、キャッシュレス決済、ECの普及で、現実の経済活動が大量のデジタルな痕跡を残すようになった。同時に、地球を回る小型衛星が増え、上空からの撮影が日常的なものになった。「集めようと思えば集められるデータ」が、爆発的に増えたのだ。土俵そのものが、痕跡だらけになった。
• 計算とストレージの低コスト化。かつて衛星画像から車を数えたり、膨大なカード決済を集計し直したりするのは、莫大な計算資源を要した。クラウドの普及と計算・保存コストの低下で、それが現実的な値段でできるようになった。とりわけ画像認識をはじめとする機械学習が実用化したことで、「生のデータを意味のある指標に変える」作業のコストが大きく下がった。
• 運用業界の競争。伝統的な財務分析だけでは、もう他人を出し抜けない。皆が同じ財務諸表を、同じように読んでいるからだ。誰もまだ見ていない情報源を握ることだけが、超過リターンの源泉になる。だからヘッジファンドは、専門のデータ業者から代替データを高額で買い、独自の処理を競うようになった。優位を求める競争が、新しいデータ源の開拓を駆り立てた。

この3つが揃った瞬間、情報をめぐる競争の最前線は、「誰が公式統計を一番うまく分析するか」から、 「誰が公式統計に載る前の現実を、一番速く・正確に推定するか」へと、静かに移った。 昔のアナリストが磨いていたのは、決算書を読む眼だった。いまのクオンツが磨くのは、現実の痕跡を数字に変えるパイプラインだ。 情報優位の戦場が、“発表後の解釈”から“発表前の推定”へ前倒しになった――これが、このシリーズの言う「情報効率の最前線が高度化した」という変化の、一つの鮮烈な実例である。

04市場への影響 ―― 効率を高め、そして優位を混雑で消す

ここがオルタナティブデータを語るうえで最も誤解される場所だ。「ビッグデータとAIがあれば勝てる」。 この期待の立て方じたいが、半分しか当たっていない。 代替データの作用は、それを誰が・どれだけ使っているかで正反対になる。だから「使えば勝てる」かどうかは、局面ごとに分けて見るしかない。

第一に――情報優位を前倒しし、市場の情報効率を高めた。決算が出る前に売上の趨勢が推定で分かるなら、その情報はより早く価格に織り込まれる。 サプライズ（予想と実績のズレ）が出る前に、現実のほうがじわじわと価格に反映されていく。 これは市場全体としては、価格が現実をより速く映すようになった、という意味で情報効率の高度化だ。 この「市場は情報を織り込む」という性質そのものは、教科書0-1（なぜ値段は動くか）で扱った価格形成の基礎の延長線上にある。

第二に――だが、同じデータを皆が使えば、優位は消える。これが暗い半面だ。 ある衛星データ業者の「駐車場カウント」が有名になり、大手ファンドがこぞって同じデータを買えば、その情報はもはや誰かだけの優位ではない。 皆が同じ推定を持って同じ方向に動くから、決算の前にズレはすでに価格へ織り込まれ、取れる超過リターンは薄くなっていく。 これが混雑（クラウディング）だ。エッジ（優位）は、それが知れ渡った瞬間から賞味期限が始まる。代替データも、この法則の例外ではない。

第三に――S/N比は低く、コストは高く、過剰最適化の罠がある。ここを軽く見ると痛い目に遭う。 代替データは、信号（S＝本当に意味のある変化）に対して雑音（N＝偶然のゆらぎ）が極めて多い。 天候で駐車場の車は増減するし、カードのカバー率は店舗ごとに偏る。S/N比が低いデータから、無理に「効く指標」を絞り出そうとすれば、 過去のデータにだけ都合よく当てはまる偽の法則――過剰最適化――をつかまされる。 無数のデータ源を試して「たまたま当たったもの」を採用すれば、それは実力ではなく多重検定の幻だ。この罠の正体は 教科書5-1（バックテストの嘘）で体系的に扱っている。 おまけに代替データは高い。専門業者から買えば年間で数百万〜数千万円、ものによっては数億円規模に達することもある。 薄い優位を、高いコストと低いS/N比のなかから掘り当て続けられる者だけが、辛うじて利益を残す。

最後に、避けて通れない論点を一つ。プライバシーと規制だ。 位置情報やカード決済は、たとえ匿名化・集計されていても、個人の行動の痕跡から作られている。 どこまでが正当なデータ利用で、どこからが不当な侵害なのか――その線引きは国や時期によって動き、規制も整備の途上にある。 スクレイピングの可否も、対象サイトの規約や各国の法で扱いが分かれる。代替データの優位は、こうした制度リスクと隣り合わせでもある。

05通説 vs 本当の構造

オルタナティブデータほど、「ビッグデータとAIがあれば未来が読める」という期待で語られてきたものはない。だが現実は、その期待のとおりではない。三層で整理する。

この三層を握ると、ニュースの単純な見出し――「衛星データで決算を先読みして儲ける」「AIとビッグデータで市場を攻略」――の、どちらも半分しか言っていないことが分かる。 代替データは情報優位を生み出したのではない。情報優位の戦場を“発表前”へ前倒しし、そのうえで混雑によって自ら優位を削っていく――そういう形に作り替えたのだ。 恩恵（効率の高度化）もリスク（混雑・低S/N・高コスト・制度リスク）も、同じ仕組みから出ている。片方だけを取り出して万能視も断罪もできない――それが、当事者として市場の中にいて見える、代替データの偽らざる姿だ。 この「優位は混雑すれば消える」という構造は、市場の局面＝レジームとも深く関わる。皆が同じデータと同じモデルに群がる局面では、同じ材料への反応がまるで変わる。その体系は 教科書0-3（必勝法は存在しない）で扱っている。

06デスクの目 ―― 当事者として、高額データを“使わない”我々が見るもの

ここで正直に立場を明かす。我々はAIクオンツデスク（kenny.boats）を運営している。だが、我々は高額なオルタナティブデータを使わない。 年間数百万〜数千万円規模、ものによっては数億円規模の衛星データやカード決済の集計を専門業者から買う――それは、我々の方針（有料データには手を出さない）に反する。 だから、はっきり書く。我々は、巨大ファンドと同じ土俵で代替データの優位を競争しない。できないし、しないからだ。 最高のデータを最も速く・最も多く買い集める資本競争に、個人や中規模のデスクが勝てる見込みはない。そこは彼らの土俵であり、我々が踏み込む場所ではない。

では、高額データを使わない我々が見るものは何か。公開・無料のデータと、自前の処理だ。 公式統計、価格、金利、ポジションの公開情報――誰でも手に入る素材を、我々自身のパイプラインで丁寧に処理し、規律のある判断に変える。 高額な衛星画像で売上を“先読み”する勝負ではなく、皆が見られるデータから地に足のついた構造を読む勝負だ。 §04で見たとおり、最高のデータを買っても優位は混雑で消え、S/N比は低く、コストは重くのしかかる。 だから我々は、そもそも他人より速く・多く買う競争には参加しない。参加できないからこそ、参加しなくていい時間軸と素材で戦う――これが、当事者としての我々の代替データとの距離の取り方だ。

そして、これも誠実に書いておく。我々のAIが市場を「当てられる」とは言わない。代替データはアナリストより速く現実を推定する手段だが、 相場の核――情報を集めるにはコストがかかる、エッジは混雑すれば消える、価格を動かすのは予想とのズレ――は、何も変えていない。 我々はできることの限界を正直に書く。だからこそ、自分たちの予測の精度を公開して採点している。当てられると言い張るより、外したときも含めて晒すほうが、当事者として誠実だと考えるからだ。 その採点は、シンクロ率（予測の公開採点）で誰でも確認できる――我々は予測を外したときも、それを隠さず公開して採点している。高額データを持つ巨大ファンドと張り合うのではなく、当てた回と外した回の記録そのもので、当事者としての誠実さを示すためだ。

次回は、データの中でも特殊な――言葉を機械が読む世界へ進む。 代替データは現実の“活動の痕跡”を数えるものだった。 ―― では、中銀総裁の声明やニュースの一文という“言葉”を、人間より速く読み、話し終える前に売買してしまう機械は、市場に何をしたのか？ 次のNLP・LLMと市場で、機械がニュースと中銀の言葉をどう読み、相場を動かすのかを解剖する。