GIC Weekly by Morgan Stanley
Thoughts on the Market Podcast
Guide to the Markets by JP Morgan
Long-Term Capital Market Assumptions－「LTCMA」 by JP Morgan
今週の動き
運用資本720億ドル（約11兆3000億円）のシタデルと、イジー・イングランダー氏が率いるミレニアム（運用資本835億ドル超）は、マルチストラテジーのヘッジファンド2強を成す。両ファンドとも近年は同業のバリアズニー・アセット・マネジメント（16.7%）やDEショー（最大28%）などに後れを取っている。
| 年 | ミレニアム | シタデル・ウェリントン |
| 2025 | 10.5% | 10.2% |
| 2024 | 15.06% | 15.2% |
| 2023 | 10.0% | 15.3% |
| 2022 | 12.5% | 38% |
| 2021 | 13.6% | 26.6% |
| 2020 | 26.0% | 24.51% |
他のヘッジファンドによる昨年の成績（当初推計に基づく）は以下の通り。
| ヘッジファンド | 採用戦略 | 2025年リターン |
|---|---|---|
| Melqart Opportunities | Event-Driven | 45.1% |
| Bridgewater Asia | Macro | 37 |
| Discovery | Macro | 35.6 |
| Bridgewater Pure Alpha II | Macro | 34 |
| Bridgewater China | Macro | 34 |
| DE Shaw Oculus | Multistrategy | 28.2 |
| Soroban Opportunities | Equity Long/Short | 25 |
| AQR Adaptive | Quant Equity Market Neutral | 24.4 |
| Anson Investments Master | Equity | 21.2 |
| Bridgewater All Weather | Risk Parity | 20 |
| AQR Apex | Quant Multistrategy | 19.6 |
| Citadel Tactical Trading | Multistrategy | 18.6 |
| DE Shaw Composite | Multistrategy | 18.5 |
| Dymon | Multistrategy | 18.1 |
| ExodusPoint | Multistrategy | 18.04 |
| Kite Lake Special Opportunities | Event-Driven | 17.9 |
| AQR Delphi | Quant Equity Long/Short | 16.8 |
| Balyasny | Multistrategy | 16.7 |
| Schonfeld Fundamental Equity | Multimanager equity | 16.5 |
| Walleye | Multistrategy | 15.5 |
| Citadel Equities | Equities | 14.5 |
| LMR Partners | Multistrategy | 13.5 |
| Schonfeld Strategic Partners | Multistrategy | 12.5 |
| Marshall Wace | Eureka*/Equity Long/Short | 11.6 |
| Pinpoint Multi-Strategy | Multistrategy | 11.6 |
| Bridgewater AIA | Quant Macro | 11 |
| Taula | Macro | 11 |
| Millennium | Multistrategy | 10.5 |
| Citadel Wellington | Multistrategy | 10.2 |
| FIFTHDELTA | Equity | 10.3 |
| New Holland Tactical Alpha | Multistrategy | 9.8 |
| Citadel Global Fixed Income | Fixed Income | 9.4 |
| Winton | Quant multistrategy | 7.4 |
| Source: Bloomberg reporting | ||
| *as of Dec. 30 |
Tanqueray No. TEN（タンカレー・ナンバー・テン）、アルコール度数47.3％、750ml
Tanquerayは2025年に最も多くの賞を獲得したジンの1つであった。SFWSC／Top Shelf AwardsでBest Ginを受賞し、World Gin Awardsでカテゴリー優勝を果たした。NYWSCではBest Ginのファイナリストとなり、Bartender Spirits AwardsとIWSCでゴールドメダルを獲得したほか、「世界最高のジン」を特集する編集記事のまとめでも頻繁に取り上げられた。
Hawkridge Distillers（ホークリッジ・ディスティラーズ）「The Store Gin」、アルコール度数40％、700ml
The Store Ginは2025年IWSCでClassic Gin TrophyとGold Outstandingメダルを獲得した。World Gin Awardsでは「World’s Best London Dry Gin」としても認定された。
このジンはHawkridge Distillersによるカスタムボトリングで、イングランドのオックスフォード、ブロード・ストリートにある歴史的なBoswells building内のホテル兼レストラン・バー「The Store」で販売されている。
Four Pillars（フォー・ピラーズ）「Navy Strength Gin」、アルコール度数58.8％、700ml
Four PillarsはIWSC Contemporary Gin Trophyを受賞し、複数の主要国際コンペティションでもゴールドメダルを獲得した。このオーストラリア産ジンは、高アルコールのコンテンポラリー・ジンとして、荒々しさのない強烈さを実現したベンチマークである。ジンはジュニパーとシトラスを軸に構成され、現代的なスパイスの多彩な要素で輪郭が与えられている。
Colombo No.7 Gin（コロンボ No.7 ジン）「Navy Strength」、アルコール度数57％、750ml
Colombo No. 7 Navy Strength Ginは2025年に最も多くの賞を獲得したジンの1つであり、国際的なトロフィー級の最上位認定を得て、バーテンダー／業界向けコンペティションを席巻した。
Concours Mondial de Bruxellesで「世界最高のジン」としてRevelation Gin Trophyを受賞した。さらにBartender Spirits Awardsで96/100点のダブルゴールドとSpirit of the Yearを獲得し、London Spirits Competitionでゴールドメダルを受賞、The Gin Guide AwardsのWinners Listにも名を連ねた。
Hernö Gin（ヘルノ）「Navy Strength Gin」、アルコール度数57％、750ml
Hernö GinはWorld Gin AwardsでWorld’s Best Navy Ginに選ばれ、IWSCでもゴールドメダルを獲得した。
このクラシックなネイビー・ストレングス・ジンは、しばしば同スタイルのベンチマークとして引き合いに出される。ボタニカルはジュニパー、シトラス、コリアンダーのクラシックなプロファイルを特徴とする。
Brass Lion Distillery（ブラス・ライオン・ディスティラリー）「Pearl Jasmine Gin」、アルコール度数40％、700ml
Pearl Jasmine Ginは2025年IWSCでFlavored Gin TrophyとSpirit Gold Outstandingメダルを獲得し、ほぼ満点の99/100を記録した。
Gervasi Spirits（ジェルヴァーシ・スピリッツ）「Pink Peppercorn Gin」、アルコール度数55％、750ml
このジンはTop Shelf AwardsでBest Flavored Ginを受賞し、SFWSCでダブルゴールドメダルを獲得した。ほかの複数のコンペティションでもメダルを獲得している。
主要ボタニカルにはピンクペッパーコーンと花椒（四川山椒）、コリアンダー、ラベンダーが含まれる。高アルコール仕様により、ペッパーコーン由来のアロマが引き出され、土っぽさのある胡椒的キャラクターを与える。
Sorgin Yellow Gin（ソルジン・イエロー・ジン）、アルコール度数42％、750ml
このジンはTop Shelf AwardsでBest Barrel-Aged Ginを受賞し、SFWSCでダブルゴールドメダルを獲得した。ほかの複数の国際スピリッツ・コンペティションでもメダルを獲得している。
Kyotango Mairingen Distillery（キョウタンゴ・マイリンゲン・ディスティラリー）「Fresh Craft Gin」、アルコール度数47％、750ml
このジンはTop Shelf AwardsでBest Japanese GinとBest Overall Ginを受賞し、SFWSCでダブルゴールドメダルを獲得した。World Gin Awardsやほかのスピリッツ・コンペティションでもメダルを受賞している。
茜 東大では、1年半の間、学生が点取り競争をして、平均点の高い者から行きたい学科を選ぶという「進振り」がありますけれど、そこで理学部物理学科を選んだのはなぜですか。
野村 やはり「物事の根源を知りたい」という、そちらに当時から「ぼやんと」興味があったんでしょうね。物理の中の細かいことは、まだ知らないですから。
野村 そうです。僕は要所要所で人に恵まれました。
４年生になると、やっぱり自分の将来を考えなくてはならなくなるわけです。大学院に行くというのは早めに決めていたけれど、日本では何々先生の研究室に所属を希望するというところまで決めなくてはならない。
大学4年生で将来の進路にもつながるゼミがあったんですが、そこで素粒子論の柳田勉先生に出会いました。非常に熱意のある先生で、僕は柳田先生が東北大から東大に移ってきて1年目の学生でした。そこで素粒子論に魅せられて、大学院でもテーマにしました。
物理一辺倒のアメリカ生活
茜 アメリカの研究環境は居心地が良かったですか。日本に戻りたいと感じることはなかったですか。
野村 行った後数年は、環境とかを考えてる暇はなかったですね。もう起きている時はずっと物理をやっていましたから。
茜 理論物理屋は、紙とペンだけあればずっと考えてるみたいなイメージがあります。
野村 そうですね、あと黒板です。やっぱりアイデアは人と話す時に出るので。
当時の僕はポスドクなので、日中は余剰次元の大統一理論を一緒にやったローレンス・ホール教授と議論したり、彼の学生と話したりしていました。新しい論文を「これ読んだ？」とか内容の検討をするんです。
その時「いやでも、結果はそんな風にはならないんじゃないかな？」なんて誰かが言うと、その場で黒板の上で計算したりします。さらに「これは本当に合っているのかな」なんてことになると、ひとまず解散になります。それで大体翌日には、全員が自分の結果を持ってきます。
茜 ああ、それぞれの研究者が、一晩ひたすら考え続けるんですね。
野村 日本では共同研究者を決めてその中でやりますが、アメリカではもっと多くの人たちで議論するので、翌日、自分の結果を持ってこない人、傍観しているだけの人は脱落します。
茜 研究者としての生き残り競争がすごいんですね。
野村 もう毎日がそれの繰り返しです。だから、その頃は何も覚えてないぐらい物理しかやっていないんです。
茜 「そりゃあ、20代で（今なお評価されている業績の）余剰次元を使った大統一理論も出せるわ」という感じですね。
野村 運もあるし、物理学には流行があるというのもあるのですが、いい仕事ができたと思います。
ちなみにアメリカ1年目の時に、フェルミ研究所からセミナーに来てくれと誘われて行ったら、「実はジョブがあるから応募してみないか」と言われたんです。意味もよく分からなかったんですけれど、出したら通っちゃったのでスタッフポジションで所属しました。
でも、大学じゃないので大学院生はいないし、良くも悪くもプロしかいないんですよ。そうすると、学生が馬鹿な質問をしてきたから基本的なことから考える、というようなことがないんです。
これまでに名前を挙げたような研究者は皆大体、大学にいるんですよ。「アウト・オブ・ザ・ボックス（out of the box thinking：既成概念に囚われない考え方で解決策をデザインすること）」と言うのですけれど、すぐに解決できないときはちょっと違う分野にフラフラしてみたりもするんですね。
研究所では、そういうことはあまり許されません。素粒子物理学の研究所なので、素粒子物理学の成果を出していないと「何やってんねん」って感じになるんです。だから僕は「大学のほうが自分のスタイルに向いてるな」と思って、次の年には大学に応募して、ポジションをもらえたいくつかの中からバークレーを選びました。
非専門家向けに伝える難しさ
茜 一般向けの物理の本を作る時に、先生が特に気を配っていることは何ですか。
野村 用語ですね。用語で混乱して分からなくなることは結構多いんです。僕ら物理学者は同じ単語を似た概念に使うことがあります。エントロピーとか、宇宙のインフレーションとか。
ちょっとずつ違うものを全部同じ単語で言っているのですが、僕らは文脈で使い分けられます。でも、一般の方には「この単語はこの意味だけだ」というふうに思われてしまいがちです。
たとえば「ビッグバン」という言葉もそうです。昔は、宇宙が始まる瞬間にはすごく温度が高かったと考えられていたので、その状態をビッグバンと呼びました。
でも最近の理論では、宇宙の温度が上がる前にインフレーションと呼ばれる急激な膨張をする時期があって、その時期には温度が実質ゼロだったと考えられています。一瞬のうちに原子核のサイズが今観測している宇宙全体に広がるみたいな指数関数的な急膨張です。そして、この急膨張が終わる時に、それを引き起こしているエネルギーが熱エネルギーに変換されて、宇宙は高温高密度になりました。今では、高温高密度の状態ということで、この時点をビッグバンと呼ぶ人が多いです。
つまり「インフレーションの後にビッグバンが始まる」という使い方をする人もいるし、もともとの「宇宙の本当の始まり」という意味でビッグバンという言葉を使う人もいるのです。
茜 ビッグバンが起きたのはインフレーションの前なの？ 後なの？ と混乱しそうです。
野村 サイエンスで用語が混乱する主な理由は、全てが一気には分からないからです。物事は徐々に分かっていきますから。もともとは高温高密度だと思った宇宙の始まりをビッグバンと呼ぶことから始まったのですが、後の理解で宇宙の始まりと高温高密度が始まった時点がずれてしまったのです。
茜 宇宙論は一般の方にも人気のテーマなので本を手に取る人も多いと思いますが、著者によってビッグバンの意味が違うとしたら訳が分からなくなりそうですね。
野村 インフレーションという用語も同じで、マルチバースだと「僕らの宇宙の外」や「僕らの宇宙が始まる前」にもインフレーションは起こっています。でも、かつてはインフレーションと言えば「僕らの宇宙の中」で起こったインフレーションのことでした。
だからその感覚でいると、「宇宙の外でインフレーションが起こる」などという記述に出会うと「インフレーションは宇宙が始まった後にその中で起こることなのに、外で起きているってどういうこと？」などと混乱してしまいます。
用語の意味が分かれたり拡張されたりしたときには、その用語をどう使っていくかを定義し直さなくてはならないはずなのですが、ずっと使い続けていた人は自分の用法を捨てたくないですからね。そこで複数の用法が生まれたりしてしまうんです。
茜 たとえばアメリカ物理学会が主導して、用語の定義を整理したりはしないのですか？
野村 やろうとしてもエスペラント語のようになって、誰も普通には使わないでしょうね。もし途中で使用法を変えられたりしたら、それこそ自分の論文どうしの間で矛盾が生まれたりしてしまいますからね。
茜 では先生は、一般向けの本を書くときも「自分はこういう意味でこの用語を使っていく」と最初の方で定義を説明するようにしているのですか。
野村 はい、1冊の中で何度も言ったりしています。定義をしっかりしておかないと必要のない混乱を生みますから。ただ、読んだときに専門的な文章に見えてまどろっこしく感じる読者もいると思います。でも、僕はそのほうが好きなスタイルですね。
茜 最近は「AIは研究者に取って代わることができるか」ということも盛んに議論されています。私は、特に宇宙論や素粒子論といった「根源的なものを解明しよう」としている、いわば自身の手で「創世記」を書いているような理論物理学者に対してはAIが取って代わることはできないと思うのですが。先生の見解はいかがですか。
野村 今のところ取って代わられる気はまったくしないですね。AIは便利ですよ。聞いたらそこそこのことまでは答えてくれますし、散らばっている情報を集めるのは得意なので。
でも、新しいアイデアとか、今、研究で何をやればいいのかを聞いても、ほとんど使い物にはならないです。ただ、将来的には分かりませんし、学問の性質にもよると思います。
課題解決型、たとえば「病気を治す」であれば、多くの人の身体データと色々な薬のデータをAIに全て入れてみたら、人間なら考えもつかなかった「肝臓の薬で肺の調子も良くなった」みたいな発見があるかもしれません。
診療や診断なら「なぜそうなのか」が分子レベルで分からなくても、統計的に明らかに改善するのであればやればいいわけです。そういう分野はAIのほうが得意でしょうね。だから、課題解決型のものは取って代わられやすいと思います。
宇宙の研究でも、撮った写真を解析して星や銀河の分布を見るというようなことはAIのほうが得意だと思います。ただ、「それをもとにどういう理論を作るか」というのは「『なぜ』を知りたい」という「人間のための学問」です。
たとえば病気の治療なら、AIにとっては「この薬で治った」で目標達成かもしれませんが、その因果を知りたいというのは思い切り人間のエゴが入った学問です。理論物理も「人間が自然を理解するためにどうしたいか」という学問なので、AIとは知能のキャラクターが違うんですよね。そういう意味でも、理論物理家はAIにすぐには取って代わられる気がしないんだと思います。
若手研究者へのアドバイス
茜 そんな状況も踏まえて、野村先生から理論物理を目指す若手研究者にメッセージはありますか。
野村 これはよく言われていることですが、「年寄りの言うことを聞きすぎるな」ですね。
茜 先生もそう助言されて、先輩研究者の言うことを聞かなかったのですか。
野村 同じことは言われました。もちろん、（先輩に対しては）それなりには言うことを聞きましたよ。でも、若い人は上の言うことを聞きすぎてしまうし、どうしても先人の研究を追ってしまいます。後を追いすぎたら新しいことはできないですから。
それと昔からよくあることですけれど、「何か発見したと思った時に、論文を書く前にセミナーをした。その席で大御所の先生に――僕の知っている例は湯川先生なのですが――『君、そんなことをやって何になるの』と言われて、論文を書かなかった」というケースです。この件は、そのあとに別のアメリカのプリンストン高等研究所の人たちが論文にして、大きな業績になりました。
ただ、若い人がしょうもないことやっていて、ちゃんと批判的な意見をもらって良くなったということも多いので、先輩研究者の言うことを絶対に聞くなというのも、もちろん間違いでしょう。
自分のことを信じるのと過信しないのとバランスをとるのは難しいのですが、この分野では言うことを聞きすぎないというのは大事なようです。
「こういうことやりたいんだ」と言ったら「それはみんながやってできないんだから、やっても意味ないよ」と言われた。でも、変なやつだったからやっちゃった、というノーベル賞はすごく多いんですよ。それは、他人の言うことを聞いてたらできなかったわけです。
免責事項
記事は、一般的な情報提供のみを目的としてのみ作成したものであり、投資家に対する有価証券の売買の推奨や勧誘を目的としたものではありません。また、記事は信頼できると判断した資料およびデータ等により作成しておりますが、その正確性および完全性について保証するものではありません。また、将来の投資成果や市場環境も保証されません。最終的な投資決定は、投資家ご自身の判断でなされますようお願いします。
