モンテカルロシミュレーションとは？投資リスクを確率で評価する方法
最終更新日: 2026年4月3日（本記事の数値は同日時点の税率・金利を基準としています）
本ガイドは不動産投資の基礎知識を提供する教育目的のコンテンツです。実際の投資判断には現地確認・市場調査・専門家（宅建士・税理士・FP等）への相談が必須です。
モンテカルロシミュレーションは、乱数を使って将来の不確実性を確率的に評価する分析手法です。 不動産投資では空室率・家賃変動・金利変動など複数のリスク要因を同時に考慮し、 投資成果の確率分布を把握するために活用されます。
通常の感度分析では一つの変数だけを変動させますが、 現実の不動産投資では空室率の上昇と家賃の下落と金利の上昇が同時に起こる可能性があります。 モンテカルロシミュレーションは、このような複合的なリスクを「確率」として定量化できる唯一の手法です。 「最悪の場合どうなるか」を数値で把握することで、感覚的な判断ではなくデータに基づいた投資判断が可能になります。
モンテカルロシミュレーションとは
モンテカルロシミュレーションは、各変数にランダムな値を与えて計算を数千〜数万回繰り返し、 結果の分布を統計的に分析する手法です。名前はモナコのモンテカルロカジノに由来し、 確率的な事象を大量に試行することで全体像を把握します。
シミュレーションの流れ
- 各変数（空室率、家賃変動率、金利など）の変動範囲と分布を設定
- 乱数で各変数の値を生成し、キャッシュフローを計算
- これを数千回繰り返し、結果の分布を取得
- 中央値・信頼区間・最悪ケースなどを統計的に評価
たとえば5,000回のシミュレーションを行った場合、5,000通りのキャッシュフローシナリオが得られます。 この中で「90%以上のシナリオでプラスのCF」であれば安心できますし、 「30%のシナリオで赤字」であればリスクが高いと判断できます。
確率分布の考え方
モンテカルロシミュレーションでは、各変数にどのような確率分布を設定するかが結果の精度を左右します。 主に使われる分布は以下のとおりです。
| 分布の種類 | 特徴 | 不動産投資での適用例 |
|---|---|---|
| 正規分布 | 中央値付近が最も確率が高く、左右対称に分布 | 家賃変動率、金利変動 |
| 一様分布 | 最小値〜最大値の間で均等に分布 | 情報が少なく範囲だけ分かる場合 |
| 三角分布 | 最小値・最頻値・最大値で定義。非対称な分布も表現可能 | 空室率、売却価格、修繕費 |
不動産投資での活用場面
不動産投資では、以下のような不確実な要素を同時に変動させてリスクを評価できます。
- 空室率の変動：立地や築年数に応じた空室リスクの幅を設定
- 家賃の変動：経年による家賃下落や市況変動の影響
- 金利の変動：変動金利ローンの将来金利上昇リスク
- 経費率の変動：修繕費用や管理費の増減
- 売却価格の変動：出口時の不動産市況の不確実性
パラメータ設定例
以下は一棟アパート投資（物件価格5,000万円、表面利回り8%）における 典型的なパラメータ設定例です。
| 変数 | 分布 | 最小値 | 最頻値/平均 | 最大値 |
|---|---|---|---|---|
| 空室率 | 三角分布 | 3% | 8% | 25% |
| 家賃変動率（年） | 正規分布 | − | −1.0% | 標準偏差1.5% |
| 金利変動（年） | 正規分布 | − | +0.1% | 標準偏差0.3% |
| 経費上昇率（年） | 三角分布 | 0% | 1.5% | 5% |
| 売却価格変動率 | 正規分布 | − | −10% | 標準偏差15% |
※ パラメータは立地・物件タイプ・市況により調整が必要。過去の実績データや市場調査に基づいて設定することが重要です。
結果の読み方
モンテカルロシミュレーションの結果は確率分布として表示されます。 主に以下の指標を確認します。
| 指標 | 意味 | 判断基準の例 |
|---|---|---|
| 中央値（50パーセンタイル） | 最も起こりやすい結果の目安。半数のシナリオがこれを上回る | 目標IRR以上であること |
| 90%信頼区間（5〜95パーセンタイル） | 結果の90%がこの範囲内に収まる。投資判断の安全帯 | 下限がプラスであること |
| 最悪ケース（5パーセンタイル） | 下位5%のシナリオ。このケースでも耐えられるかを確認 | CFがマイナスでも許容範囲内か |
| 赤字確率 | CFがマイナスになるシナリオの割合 | 10%未満が望ましい |
95%信頼区間の読み方
たとえば、モンテカルロシミュレーションの結果として以下が得られたとします。
5,000回シミュレーションの結果（IRR）
5パーセンタイル（最悪ケース）：1.2%
25パーセンタイル：4.1%
中央値（50パーセンタイル）：6.3%
75パーセンタイル：8.5%
95パーセンタイル（最良ケース）：12.1%
95%信頼区間：1.2% 〜 12.1%
この結果は「95%の確率でIRRが1.2%〜12.1%の範囲に収まる」ことを意味します。 最悪でもIRRは1.2%のプラスなので、「ほぼ確実に赤字にはならない」と判断できます。 一方、中央値の6.3%が自分の目標リターン（ハードルレート）を上回っていれば、 投資として十分に検討に値すると評価できます。
リスク許容度に応じた判断基準
モンテカルロシミュレーションの結果をどう解釈するかは、投資家のリスク許容度によって異なります。
| リスク許容度 | 重視する指標 | 判断基準の例 |
|---|---|---|
| 保守的 | 5パーセンタイル（最悪ケース） | 最悪ケースでもCFプラス、DSCR1.0以上 |
| 中立的 | 中央値 + 赤字確率 | 中央値が目標IRR以上、赤字確率10%未満 |
| 積極的 | 中央値 + 75パーセンタイル | 中央値が目標IRR以上であれば投資実行 |
初心者や本業の収入に余裕がない場合は保守的な基準を、 十分な資金余力があり複数物件でリスク分散できる場合は中立的な基準を採用するのが合理的です。
IRR・月次CF・ROIの確率分布
モンテカルロシミュレーションでは、IRR・月次キャッシュフロー・ROIなどの 投資指標それぞれについて確率分布が得られます。
- IRRの分布：投資全体の収益率がどの範囲に収まるかを確認。中央値が目標IRRを上回るか、最悪ケースでもプラスかを確認
- 月次CFの分布：毎月のキャッシュフローが赤字になる確率を把握。資金繰りリスクの評価に有用
- ROIの分布：自己資金に対するリターンのばらつきを確認。レバレッジの効果とリスクが可視化される
感度分析との使い分け
モンテカルロシミュレーションと感度分析は補完的な関係にあります。 まず感度分析で「どの変数が最も影響が大きいか」を特定し、 次にモンテカルロで「総合的にどの程度のリスクがあるか」を評価するのが効果的な手順です。
| 手法 | 変数の扱い | 出力 | 最適な用途 |
|---|---|---|---|
| 感度分析 | 1つずつ変動 | 影響度の大小 | 重要変数の特定、リスク管理の優先順位決定 |
| モンテカルロ | 複数同時にランダム変動 | 確率分布・信頼区間 | 総合的なリスク評価、投資可否の最終判断 |
注意点と限界
- 前提条件が結果を左右する（Garbage In, Garbage Out）：変動範囲や分布の設定が不適切だと、 シミュレーション結果も信頼性を失います。過去の実績データや市場調査に基づいて 現実的なパラメータを設定することが重要です。
- 過去データが将来を保証しない：過去の家賃変動や空室率のデータは参考になりますが、 将来の市場環境が同じとは限りません。特にマクロ経済の構造変化（人口動態、金融政策の転換など）は 過去データでは捉えきれません。
- 変数間の相関を考慮する：実際には金利上昇と不動産価格下落が同時に起こるなど、 変数間に相関があります。相関を考慮したシミュレーションを行うことで、 より現実的なリスク評価が可能になります。独立と仮定するとリスクを過小評価する場合があります。
- 試行回数は十分に確保する：一般に1,000回以上のシミュレーションが必要です。 試行回数が少ないと結果が不安定になり、毎回異なる結論になってしまいます。 5,000〜10,000回が実用的な水準です。
まとめ
- モンテカルロシミュレーションは複数のリスク要因を同時に評価できる確率的分析手法
- 確率分布・信頼区間・最悪ケースの3つを確認することで、データに基づいた投資判断が可能
- パラメータ設定が結果の精度を左右する。過去データと市場調査に基づいた現実的な設定が不可欠
- 感度分析と組み合わせて使うのが最も効果的。まず重要変数を特定し、次に総合的なリスクを評価する
- リスク許容度に応じて判断基準を設定する。保守的な投資家は最悪ケースを、積極的な投資家は中央値を重視する
実際の物件データで試してみましょう
リスク分析を試す