株式市場では、ある日を境に株価が大きく揺れることがあります。


新型コロナウイルスが広がった2020年の東京証券取引所でも、荒れた日が何度も訪れました。


市場の変調を測る物差しの多くは、株価や指数の動きをもとに計算されてきました。


ただ、それだけでは参加者の取引ぶりに表れる変化をつかみきれず、不安定になる前触れを見落とすおそれがあるといいます。


では、株価が揺れ出す前の市場では、本当に何も起きていないのでしょうか?


この問いに、病気の「未病」を見抜くための数学を持ち込んだ研究があります。


調べたのは株価ではなく、その値動きを生み出す市場参加者の注文そのものです。


注文の記録の中に、急変の「症状」は前もって表れていたのでしょうか?


研究の詳細は、東京大学らにより、2026年11月13日付で学術誌『EPJ Data Science』に掲載されました。


病気の前触れを見抜く数学を、株の注文に当てはめる


東京証券取引所の「マーケットセンター」です。人が集まって売買した立会場は1999年に閉じられ、今はガラスの円柱と画面、株価の電光表示が並んでいます。 / Credit: ehnmark / Wikimedia Commons(CC BY 2.0)

病気には、まだ発症はしていないものの、健康から病気へ移りつつある状態があり、「未病」と呼ばれます。


この未病を見つける道具として使われてきたのが、動的ネットワークマーカー(DNM)理論です。


たとえば、有毒なガスを吸い込んで肺が傷つく前に、この理論の指標が大きく上がり、発症前の状態をとらえた研究があります。


東京大学の合原一幸特別教授らが提唱したこの理論は、たくさんの要素が影響し合う仕組みに目を向けます。


生き物の体や生態系では、安定していた状態が崩れ、別の状態へ急に移ることがあります(臨界遷移)。


この理論が着目するのは、その移り変わりが近づくと、一部の要素だけがばらつきを増し、互いの連動も強まるという点です。


お湯が噴きこぼれる前に、鍋のふたがカタカタ鳴り出すようなものです。


コンロの上で、鍋の湯が沸いています。急な移り変わりの前触れは、お湯が噴きこぼれる前に鍋のふたが鳴り出す様子にたとえられます。 / Credit: Shixart1985 / Wikimedia Commons(CC BY 2.0)

株価も、大勢の市場参加者が出す注文がぶつかり合って決まるものです。


そこで伊藤真利子特任講師(東京大学生産技術研究所)や本間裕大准教授らの研究チームは、この理論を株の注文に応用しました。


使ったのは、東京大学と金融庁の協定を通じて日本取引所グループから提供された東証の記録です。


2019年11月から約14か月分の、注文と約定(売買の成立)の記録で、その数は約200億件にのぼります。


記録には、誰が注文したのかは書かれていません。


あるのは、東証のシステムを通じて注文を出す利用者に割り振られた、匿名の番号(仮想サーバーID)だけです。


研究チームは、取引の特徴が似た番号をまとめ、186の「市場参加者」を定めました。


研究で使った186の「市場参加者」が、どのタイプにいくつあるかを表した図です。参加者は匿名の番号を取引の似かたでまとめたもので、一般投資家のタイプはごくわずかだと分かります。 / Credit: ナゾロジー編集部(編集部が作成した図、論文の図4(Ito et al., EPJ Data Science (2026)、CC BY 4.0)をもとに作成)

超高速で注文と取り消しを繰り返す高頻度取引のタイプもいれば、証券会社や一般投資家のタイプもいます。


そして参加者ごとに、注文の量やタイミングの偏りなど、27種類の数値を1分ごとに記録しました。


他の参加者と同じ銘柄を同じ時間に注文する度合いも、その一つです。


株価の物差しが反応する前に、注文の数値は動いていた?


値動きのグラフが映るパソコンの画面です(イメージ写真)。研究チームが注目したのは、株価ではなく、各参加者の数値が1日の取引の中でどれだけ上下にぶれるかでした。 / Credit: Photo by Pexels on Pixabay(Pixabay のライセンス)

研究チームが注目したのは、各参加者の数値が1日の取引の中でどれだけ上下にぶれるかでした。


このぶれの大きさを表す値を、その日と前の4日の5日間で平均したものが、ここでいう「注文のゆらぎ」です。


次に、市場が急に不安定になった日を決めました。


東証株価指数(TOPIX)の値動きの激しさが、前の日と比べて特に大きく跳ね上がった日です。


2020年にはこうした日が8回ありましたが、うち4回はコロナ・ショックの最中に集中していました。


そこでコロナ期は最初の1日だけを残し、1月から8月にかけての5日を「荒れた日」としました。


2020年に東証の値動きの激しさが前の日より特に大きく跳ね上がった日を、日付の位置に並べた図です。2〜3月に固まった4回のうち、最初の1日だけを調べる日に入れたことが分かります。 / Credit: ナゾロジー編集部(編集部が作成した図、論文の図2(Ito et al., EPJ Data Science (2026)、CC BY 4.0)をもとに作成)

確かめ方には工夫があります。


まず荒れた5日のうち1日を伏せ、残る4日の荒れた日でのゆらぎを平均して、それが特に高かった参加者を最大10まで選びます。


そして、伏せておいた1日の直前にも、同じ参加者たちのゆらぎが高まるかを調べました。


4回の火事で学ばせた煙探知機が、5回目の火事でも鳴るかを試すようなものです。


ホテルの客室に取り付けられた煙探知機です(フィリピン・イロイロ州パビア)。研究チームは、4回の荒れた日で選んだ参加者たちが、5回目の前にも反応するかを確かめました。 / Credit: Curpharar / Wikimedia Commons(CC BY-SA 4.0)

この手順を、伏せる日を入れ替えながら5日すべてで繰り返しました。


その結果、複数の荒れた日で、選ばれた参加者グループのゆらぎが数日前から高まる傾向が見られました。


この傾向は、注文の量やタイミングなど、さまざまな種類の数値で共通していました。


特にはっきりしていたのが、1月8日です。


実はこの日は、1月10日の「SQ日」(先物やオプション取引の決済に使う価格が決まる、取引所の決まった日)の直前でした。


研究チームは、このゆらぎの高まりが、SQ日に備えた参加者の売買の調整を映していた可能性が高いとみています。


この分析には、暦の予定やニュースの情報をはっきりとは組み込んでいません。


ゆらぎの高まりが本当にSQ日に備えた調整を映していたのなら、注文のデータだけから、予定に備えた売買の調整の兆しを拾い上げていたことになります。


研究チームは比べるため、直近1週間の値動きから計算する、ふつうの変動率の物差しも調べました。


株価を流す電光掲示板です(アメリカ・サンフランシスコのマーケット通り)。株価の値動きから計算するふつうの変動率の物差しは、調べた例では荒れた日の後になってから高まっていました。 / Credit: Francisco Gonzalez / Wikimedia Commons(CC BY 2.0)

こちらは調べた例では、荒れた日の後になってから高まっていました。


一方、注文のゆらぎには、荒れる前に高まる例がありました。


株価だけを見ていては気づきにくい変調の手がかりが、注文の中に含まれている可能性があるのです。


グループに選ばれた参加者一人ずつについて、ゆらぎと値動きの激しさを比べると、ある種類の数値では、ゆらぎの高まりが、値動きが激しくなった後ではなく前に偏る傾向がありました。


ただし別の種類の数値では、この傾向ははっきりしませんでした。


兆しは「集団」に表れていた? コロナ・ショックでは静かだった


上から見た、東京・渋谷のスクランブル交差点を渡る大勢の人たちです(2023年のハロウィーン)。市場の不安定さを知らせる情報も、一人ひとりではなく、グループ全体の動き方に宿っているのかもしれません。 / Credit: Syced / Wikimedia Commons(CC0)

では、兆しは特定の誰かの注文に表れていたのでしょうか?


参加者を一人ずつ調べた場合には、前に偏る傾向は見えても、統計的にはっきりした先行関係とまでは確かめられませんでした。


市場の不安定さを知らせる情報は、一人ひとりではなく、グループ全体の動き方に宿っているのかもしれません。


それでも、荒れた日やデータの種類が変わっても、繰り返しグループに選ばれる参加者たちはいました。


彼らは、注文の数や売買の量が多い参加者に偏っていたわけではありませんでした。


目立った点は別にありました。


同じ時に同じ銘柄を売買する者どうしを線で結ぶと、常連のうち、証券会社のタイプの1つと「その他」のタイプの1つが、網の中心近くにいたのです。


とはいえ、ほかの常連はそれほど中心にいなかったため、位置だけで説明できるわけではありません。


よくつながった参加者が市場の安定と関わっている可能性もありますが、それは今後の検証を待つ段階です。


数字がずらりと並ぶ相場の電光掲示板です(イメージ写真)。2020年2〜3月のコロナ・ショックでは、値動きの激しさが何度も鋭く跳ね上がりました。 / Credit: Photo by Pixabay on Pexels(Pexels のライセンス)

一方で、この方法がうまく働かない場面もありました。


2020年2〜3月のコロナ・ショックでは、値動きの激しさが何度も鋭く跳ね上がりました。


ところが注文のゆらぎは比較的なめらかなままで、それに対応する急な上昇は見られませんでした。


論文は、その理由をいくつか挙げています。


一つは、コロナ・ショックが次々に届く外からの情報に強く動かされていたことです。


この理論はもともと、参加者どうしの内側の影響から起きる急変の前触れを見つけるためのものです。


ほかにも、数日分をならした指標なので反応が遅い可能性や、すでに荒れた後の揺れが混じっていた可能性があります。


研究チームはこれらを可能性として示しており、結論とはしていません。


論文自身も、今回の結果は急変を高い精度で予測する枠組みを確立したものではない、と述べています。


研究チームの本間裕大准教授(上)と伊藤真利子特任講師(下)です。本間准教授は、株価が急変してから原因を探すのではなく、その前に注文の流れから市場の変調を「診る」仕組みを、金融当局とともに育てていきたいとしています。 / Credit: 東京大学生産技術研究所(権利の根拠あり)

調べた荒れた日は5日だけで、兆しも数日かけてじわじわ高まるため、急変の時期をぴたりと当てるものではないのです。


186の市場参加者を、全期間の取引の特徴から決めて固定しているため、リアルタイムで使うにも課題が残ります。


また、使ったデータはすべて東京証券取引所のものです。


研究チームは今後、数分単位の短い時間での分析や、複数の数値を束ねたより頑丈な指標づくりを進めるとしています。


数分単位にすれば、東証が閉まっている夜に海外の市場で起きた出来事の影響をほぼ取り除き、1日の取引の中だけで分析を済ませられると見込んでいます。


伊藤特任講師は、今回の分析で、市場参加者がどう判断しているのか、その一部が見えてきたように感じていると話しています。


値動きの物差しがまだ反応しないうちに、注文の中では鍋のふたが小さく鳴り始めていたのかもしれません。


全ての画像を見る

参考文献

Scientists Tested A Disease-Detection Method On The Stock Market. It Found ‘Symptoms’ Of Turmoil Days Before Prices Jolted. (StudyFinds)
https://studyfinds.com/math-biology-warning-signs-stock-trading/

東京大学 プレスリリース (東京大学 プレスリリース)
https://www.iis.u-tokyo.ac.jp/ja/news/5197/

元論文

Identifying dynamical network markers of financial market instability
https://doi.org/10.1140/epjds/s13688-026-00710-w

ライター

山下 浩介: むずかしい研究を、なるべく分かりやすく伝えたい。専門の言葉はふだんの言葉に置きかえて、身近な例で例える。それで「わかった」「楽しかった」と言ってもらえたら嬉しいです。
好きなのは、通学路や台所や日常の中にある科学。眠っているあいだに記憶が整理される話や、虫の鳴き方に意味がある話のように、読み終わったあとに誰かへ話したくなる研究を探しています。

編集者

ナゾロジー 編集部

情報提供元: ナゾロジー
記事名:「 株式市場も病気のように荒れる数日前から「症状」を出していた 」