【VOO vs SPXL】レバレッジS&P500 ETFの株式解析と時系列予想 / たけ投資通信

個人投資家に人気のS&P500インデックスファンド。

そのS&P500の3倍の値動きをするファンドがあったらどう思いますか？

本記事ではS&P500の3倍の値動きをするレバレッジ型ETF「SPXL」についてS&P500に連動するETF「VOO」と比較します。

また「SPXL」のようなレバレッジ型インデックスファンドのメリット、デメリットについても検討します。

過去のSPXLとVOOのデータを比較することでレバレッジ型ファンドの特徴を把握でき、投資初心者から中級者までにレバレッジ型ファンドの理解が深まります。

是非ご一読ください。

このような方におすすめ

レバレッジ型インデックスファンドに興味のある方
SPXLに興味のある方

レバレッジ型インデックスファンドとは

私のおすすめするインデックス投資とは株価指数と同じ値動きをする銘柄に投資する方法です。

長期間継続して投資し、平均して年利4～6％ほどリターンを狙う投資方法です。

インデックス投資についてはこちらから⇩

考【資産形成の第一歩！】簡単インデックス投資のススメたけ投資通信

一方でレバレッジ型インデックスファンドとは株価指数の2倍～3倍の値動きをする銘柄です。

インデックス投資よりも値動きが激しく、年利8～20%ほどの利回りの狙えます。

しかし、値動きが激しいため短期投資に適している商品と言われています。

たけ

近年レバレッジ型インデックスファンドに長期的に投資する方が増え、ちょっとしたブームになっています。

このレバレッジ型インデックスファンドのメリット・デメリットを本記事で検証します。

高配当ETFについてこちらから⇩

比較対象　VOO・SPXLとは?

レバレッジ型インデックスファンドを検証するため、人気のある米国株価指数S&P500に連動する「VOO」とS&P500の3倍の値動きをする「SPXL」の比較をします。

両銘柄の詳細は下記のとおりです。

	VOO	SPXL
運営会社	Vanguard	Direxion Investments
設定日	2010/9/9	2008/11/5
経費率	0.03%	0.90%
純資産総額	2,913 億USドル	32.8 億USドル

参考：2022年4月21日時点の楽天証券より

VOO（Vanguard S&P 500 ETF）

Vanguard社が運用するETFです。

米国の大型株500種に投資、S&P500に連動する動きを目指すETFです。

インデックス投資家に人気のある投資銘柄です。

詳しくはこちらから⇩

参考VOO 銘柄 – ﾊﾞﾝｶﾞｰﾄﾞS&P500ETF 投資信託（ファンド）情報Bloomberg.co.jp

SPXL（Direxion Daily S&P 500 Bull 3X）

State Street社が運営する高配当ETFです。

S&P500の三倍の値動きをすることを目指したレバレッジ型インデックスファンドです。

値動きが激しいので、高いリターンとリスクがあります。

詳しくはこちらから⇩

参考SPXL 銘柄 – ﾃﾞｨﾚｸｼｮﾝ･ﾃﾞｲﾘｰS&P500ﾌﾞﾙ3X 投資信託（ファンド）情報Bloomberg.co.jp

たけ

SPXLは経費率が0.9%と手数料が高いことは注目すべき点だね。

株価時系列比較

まず各ETFの株価推移を比較します。

2010年9月を100としたときの2022年2月までの12年間の各株価の推移です。

リンク

コード

python

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import pandas_datareader.data as web
import datetime
from scipy import stats
%matplotlib inline
import warnings
warnings.filterwarnings('ignore')

# 期間設定
start = datetime.datetime(2010,9,10)
end = datetime.datetime(2022,4,22)

# データ取得
df = web.DataReader(['SPXL','VOO'],'yahoo',start,end)['Adj Close']   # Adj Close ：終値
# df_sp = web.DataReader(['VOO'],'yahoo',start,end)['Adj Close']*3   # Adj Close ：終値

# df = pd.concat([df, df_sp], axis=1)

# 系列名変更
df.columns = ['SPXL','VOO']

# 1980年3月末を100として指数化
df_index = df / df.iloc[0]*100

sns.set_style('whitegrid')
df_index.plot(figsize=(10,5))

実行結果

たけ

大人気の株価指数S&P500に連動するVOOの利回りが霞むほど、SPXLは圧倒的な利回りを実現しています。

一方で、暴落の時には半値以下まで資産が減ることもグラフで分かります。

2010年9月から2022年4月までの十年間で各ETFは何倍になったか示します。

	2010年9月から何倍になったか
VOO	4.83倍
SPXL	26.77倍

約12年間でSPXLは26.77倍と恐ろしいリターンを記録しています。

たけ

VOOの4.83倍と高い利回りですが、SPXLではVOOの約5倍のリターンです。

高いリターンは魅力ですが裏を返せばリスクが高いことも表しています。

リターンとリスクは表裏一体です。

月次収益率の比較

月次収益率について比較します。

推移を下記にコードとpythonの実行結果を示します。

コード

python

# 日次データから月次データに変換（月末値）
df_index_m = df_index.resample('M').last()   # resample: 月ごと（M）に集計しなおす   last: 月末

# 収益率に変換
df_r_m = df_index_m.pct_change().dropna()

# 月次収益率をプロット
df_r_m.plot(figsize=(10,5))

実行結果

SPXLがVOOの約3倍の値動きをしていることが分かります。

そのためSPXLでは一ヶ月で40％近く資産が増える場合もあれば、50％近く資産が減る場合もあります。

値動きが急激で振れ幅の大きさが分かります。

相関関係の比較

まずは各ETFの相関関係を調査します。

コード

python

df_r_m.corr() # 相関関係

実行結果

	SPXL	VOO
SPXL	1.00000	0.996114
VOO	0.996114	1.00000

たけ

相関関係が1に近く、ほとんど同じ動きであることが分かります。

月次収益率のヒストグラム

月次収益率について確率分布を用いて検討を行います。

コード

python

sns.set_style('whitegrid')
f, axs = plt.subplots(1, 2, figsize=(12, 4))
sns.histplot(df_r_m, x='SPXL', stat='probability', kde=True, ax=axs[0])
sns.histplot(df_r_m, x='VOO', stat='probability', kde=True, ax=axs[1], color='orange')
f.tight_layout()

実行結果

リターンがプラスになる確率＞マイナスになる確率　ということが分かります。

また、SPXLの方がリターンの幅が広いことも分かります。

グラフを重ねます。

たけ

SPXLのリターンの幅の広さが分かります。

リターンが高い月もあれば、低い月もある。ボラリティが高いのがSPXLの特徴です。

年換算の平均リターンと標準偏差

２銘柄の平均リターンとリスク（標準偏差）を求めます。

python

# 年率換算
r_y_mean = (1+df_r_m.mean())**12 -1
r_y_sd = np.sqrt(12) * df_r_m.std()

pd.DataFrame({'Mean':r_y_mean,
              'Sd':r_y_sd,
              'Mean/Sd': r_y_mean / r_y_sd})

実行結果

	mean	sd	mean/sd
SPXL	0.449081	0.423011	1.061629
VOO	0.153960	0.133701	1.151527

SPXLのリターンは年率約45%とVOOの約3倍です。

一方でリスクを表す標準偏差はSPXLの方がVOOより3倍以上高くなっています。

リターンは約3倍に増加しますが、リスクはそれ以上に増加します。

たけ

SPXLはリターンは約3倍に増加しますが、リスクはそれ以上に増加します。

リスク許容度が高くないと投資は難しそうです。

リンク

時系列予想

prophet関数を用いて各銘柄の１年後までの時系列予想をします。

黒線が実際の株価。青線が予想値、薄く青い範囲が予想の範囲を表しています。

あくまで時系列予測ですので、大きな事件が発生したら外れることありますが、今後の傾向を把握の参考にはなります。

prophet関数については下記の記事を参考してください。

参考Prophetの使い方メモ – QiitaQiita

コード

python

from fbprophet import Prophet

# 期間設定
start = datetime.datetime(1980,3,31)
end = datetime.datetime(2022,4,22)

# データ取得
df = web.DataReader('SPXL','yahoo',start,end)
df.head()

df['ds']=df.index
df['y']=df['Adj Close']


# モデル作成
model = Prophet()
model.fit(df)

# 365日*5年分予測
year = 3
future = model.make_future_dataframe(periods=365*year)
forecast = model.predict(future)

# 結果確認
forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail()

fig1 = model.plot(forecast, figsize=(8,4))
plt.xlabel('date')
plt.ylabel('')