カテゴリ: モデル
種類: 統計モデル
起源: ヴィルフレド・パレート、1897年
別名: べき乗則、ヘビーテール分布、パレート分布、レヴィ分布
種類: 統計モデル
起源: ヴィルフレド・パレート、1897年
別名: べき乗則、ヘビーテール分布、パレート分布、レヴィ分布
Quick Answer - ファットテール分布（Fat-Tailed Distribution）は、正規分布（ベルカーブ）と比べて極端事象が有意に高い確率で起こる分布を指します。正規分布では3標準偏差超は実務上ほぼ起きないと扱われがちですが、パレート分布や Student’s t 分布のようなファットテール分布では、極端結果が現実的確率で発生します。2008年危機でテールリスク過小評価が大損失を招いたことからも、この違いは金融・保険・インフラ計画で決定的です。ブラック・スワン・モデルは、この見落としを構造問題として捉えます。
What is a Fat-Tailed Distribution?
ファットテール分布は、正規分布よりも極端値に高い確率を割り当てる確率分布です。ここでいう “tail” は分布両端の挙動、つまり極端値領域を指します。正規分布では尾部確率が急速に薄くなるため極端事象は指数的にまれです。一方、ファットテール分布では確率の減衰が緩やかで、極端事象の発生が直感よりずっと多くなります。“In a fat-tailed world, the ‘normal’ is not where most of the probability mass lies, and extreme events are not once-in-a-millennium curiosities.” - Nassim Nicholas Taleb本質的な違いは、中心から離れたときに確率がどの速度で落ちるかです。正規分布は指数的に減衰し、ファットテール分布は多項式的に減衰します。したがって、典型値に質量が集中する点は共通していても、外れ値に割り当てる確率はファットテールの方が意味のある大きさになります。
Fat-Tailed Distribution in 3 Depths
- Beginner: 所得分布を考えると、正規分布なら平均近辺に多く集まるはずですが、実際には超高所得者が正規想定より多く存在します。これがファットテールの典型です。
- Practitioner: 金融収益率やオペレーショナルリスクを扱う際は、正規分布ではなくファットテール分布を使います。例えば自由度の低い Student’s t 分布は実務上扱いやすい代替です。履歴範囲外を含む極端シナリオで必ずストレステストします。
- Advanced: べき乗則や安定分布の数学を学び、“tail index” がどの程度テールが厚いかを決めることを理解します。スケールフリー現象では「典型サイズ」が定まりにくく、平均だけでは実態を捉えられません。
Origin
ファットテール研究は、1897年にイタリアの経済学者ヴィルフレド・パレートが所得分布の偏りを観測したことから始まりました。彼は、少数が資産の大部分を保有する関係を定式化し、後のパレート分布（Power Law）につながりました。いわゆる80/20則は、この文脈で頻出する経験則です。 20世紀にはポール・レヴィらによる安定分布理論で研究が進みました。多数の確率変数を足し合わせたとき、常に正規分布に収束するわけではなく、ファットテール型へ収束する場合があることが示されました。これは、中心極限定理の素朴な解釈だけでは説明できない現象を補います。 実務上の重要性は金融危機で決定的になりました。1987年の株式暴落、1998年のLTCM崩壊、2008年危機はいずれも、正規分布前提モデルが極端変動を過小評価していたことを示しました。ブラック・スワン・モデル（/ja/models/black-swan-model）は、この知見を社会全体の意思決定問題へ拡張しています。
Key Points
べき乗則は代表的なファットテールを生む
パレート分布（Power Law）では、閾値を2倍にすると、その閾値超の件数が一定比率で減る関係が成り立ちます。このスケール不変性により、分布のどの拡大率でも似た形が現れます。
Applications
金融リスク管理
収益率モデリングでは正規分布の代わりに Student’s t、Lévy、安定分布などを検討します。履歴極端値の5〜10倍規模を含むストレステストで資本余力を確認します。
インターネットとソーシャル分析
アクセス数、フォロワー数、検索語頻度はファットテールになりやすく、少数のバイラル対象が全体を大きく左右します。外れ値をノイズと誤認しないことが重要です。
災害計画と保険
自然災害、感染症、重要インフラ障害の評価にファットテール分布を使います。正規前提だけに依存すると、保険金支払い規模を過小見積もりしやすくなります。
疫学と公衆衛生
流行拡大、医療費、死亡イベントは尾部リスクが厚い場合があります。平年想定だけで計画すると、パンデミック級事象への耐性が不足します。
Case Study
2010年5月6日の “Flash Crash” は、正規前提モデルがファットテール事象に不意打ちされる典型例です。米株式市場では数分でダウ平均が1000ポイント超下落し、約10%の急落を記録、その後一部回復しました。最悪時には約1兆ドル規模の時価総額が消失しました。 当時の主要金融機関やクオンツ運用の多くは、収益率を正規分布で近似していました。この前提では単日10%変動は宇宙年齢級に起きにくい事象になります。つまり実務上ほぼゼロ確率です。 しかし市場ではこうした “あり得ない” 変動が繰り返し起こります。1987年には単日22%下落、2008年危機でも7%超の日次変動が複数回ありました。教訓は明確で、市場はファットテールであり、正規性仮定はテールリスクを系統的に過小評価するという点です。Boundaries and Failure Modes
すべてのファットテールが同じではない
すべてのファットテールが同じではない
現象ごとに tail index は異なり、テールの厚さも違います。同じ “極端リスク” とまとめず、分布選択を明示する必要があります。Student’s t でも自由度2と10では性質が大きく異なります。
ノイズとの識別は容易ではない
ノイズとの識別は容易ではない
データ量が少ないと、真のファットテールか、単にやや厚い尾部かを判別しにくくなります。統計検定は有効ですが、十分なサンプルが必要です。
極端事象を個別予測できるわけではない
極端事象を個別予測できるわけではない
ファットテールであると分かっても、いつ何が起こるかを特定できるわけではありません。結論は予測ではなく備えです。これはブラック・スワン文脈の中心命題でもあります。
Common Misconceptions
ファットテール分布には誤解が多くあります。非正規ならすべてファットテールだという理解は誤りで、薄い尾・中程度の尾・厚い尾にはそれぞれ異なる分析が必要です。80/20則を普遍的固定比率とみなすのも誤解で、実際の比率は分野やデータで変わります。また「ファットテールは予測を不可能にする」という表現も不正確で、正しくは「個別時点の精密予測は困難だが、備えの設計は可能」です。Related Concepts
ファットテール分布は複数の関連概念と接続します。ブラック・スワン・モデル（/ja/models/black-swan-model）は、極端事象が正規想定より起こりやすい点を意思決定論へ展開します。正規分布（/ja/models/normal-distribution）は比較対象となる薄い尾部の基準です。Power Law はファットテールの代表形で、標準偏差などの指標はファットテール下で解釈が不安定になり得ます。