モンテカルロシミュレーションとは？「一本の数字」をやめて幅で考える方法

モンテカルロシミュレーションとは？「一本の数字」をやめて幅で考える方法

来期の売上予測を1本の数字で出す。AI導入のROI試算を1本の数字で出す。多くの事業計画は、最終的にこの「1本の数字」に着地します。しかし、その数字はどれくらい確からしいのでしょうか。成長率が仮定より2ポイント低かったら、稼働率が仮定より5ポイント落ちたら、その数字はどれだけ動くのでしょうか。

モンテカルロシミュレーションとは、こうした複数の前提を確率分布として同時に動かし、結論を1本の数字ではなく「幅」として捉えるための手法です。この記事では、国際計量基準JCGM 101:2008の定義と適用条件をもとに、モンテカルロシミュレーションの考え方を整理し、感度分析との役割の違いや、実務での位置づけまで具体的に示します。

30秒で要点

• モンテカルロシミュレーションとは、複数の前提を確率分布として同時に動かし、多数回の試行によって結論の分布（幅）を得る手法
• 国際計量基準JCGM 101:2008は、前提と結論の関係が線形近似では不十分な場合、または結論の分布が正規分布から大きく外れる場合にこの手法が有効だとしている
• 1つの前提だけを動かす感度分析とは役割が異なる。両者は対立ではなく補完の関係にある
• 同じ「95%」でも区間の取り方は一意ではなく、この区間は「信頼区間」ではなく「被覆区間」と呼ぶべきものである

モンテカルロシミュレーションとは何か

事業計画やROI試算の多くは、成長率・コスト・稼働率といった前提の上に、単一の数値として組み立てられます。しかし前提そのものが不確実であるなら、結論もまた本来は幅を持つはずです。

国際計量基準を策定するBIPM（国際度量衡局）を含む合同委員会が公表した文書「JCGM 101:2008」は、モンテカルロ法を「確率分布からランダムサンプリングを行うことで分布を伝播させる方法」と定義しています（JCGM 101:2008 “Evaluation of measurement data — Propagation of distributions using a Monte Carlo method”）。この文書はもともと、計測（メトロロジー）における不確かさの伝播を扱うために作られたガイドです。売上予測や投資判断のために書かれたものではありません。それでも、「複数の入力の不確実性を、出力の不確実性としてどう表現するか」という問題設定そのものは、事業計画の不確実性を扱う場面にも当てはめて考えることができます。

具体的な手順としては、成長率・コスト・稼働率といった各前提について「起こりうる値の範囲とその起こりやすさ」を確率分布として設定し、そこから乱数を使って値を1組サンプリングし、結論（売上・利益など）を1回計算します。これを数千回、数万回と繰り返すと、結論の値が試行のたびにばらつき、その集まりが結論の分布を形づくります。1本の数字ではなく、この分布そのものが出力になります。

いつモンテカルロシミュレーションが有効なのか

JCGM 101:2008は、この手法が有効になる条件を2つ明記しています。

1つ目は、前提と結論の関係を単純な線形式で近似すると、精度が不十分になる場合です。原文は「モデルの線形近似が不適切な表現になる場合」と述べています。前提同士が掛け算・割り算で絡み合っていたり、閾値やしきい値をまたぐ判断が入っていたりすると、線形近似では実態を捉えきれません。

2つ目は、結論の確率分布が正規分布や、それに近い分布から著しく外れる場合です。原文は特に「顕著な非対称性がある場合」を挙げています。たとえば新規事業の収益は、大きく外れて損失を出す可能性は限定的である一方、成功時の上振れは大きく開くことがあり、左右対称にはならないことが少なくありません。

逆に言えば、前提と結論の関係がほぼ線形で、結論の分布も正規分布に近いと見込める場合は、モンテカルロシミュレーションを持ち出す必要性は薄くなります。「使えば必ず精度が上がる」手法ではなく、「線形近似や正規分布の仮定が崩れる場面で価値を発揮する」手法だという位置づけです。

一点の予測値と何が違うのか

JCGM 101:2008は、モンテカルロ法による分布の伝播が、従来の不確かさ伝播法（最良推定値・標準不確かさ・自由度・共分散といった要約統計量だけを伝播させる方法）よりも「豊かな情報」を扱えると位置づけています。要約統計量だけを伝播させる方法は、結論を代表する1つの値と、その周辺のばらつきの大きさだけを教えてくれます。分布そのものを伝播させる方法は、結論がどのあたりに偏って現れやすいか、極端な値がどれくらいの確率で起こりうるかまで、より詳細な形で示します。

ここで注意が必要なのは、「一点の予測値だけを意思決定の根拠にすると過信につながる」という主張そのものは、JCGM 101:2008が述べていることではないという点です。この文書はあくまで計測における不確かさの表現方法を規定した技術文書であり、経営判断の是非について価値判断を下してはいません。「幅で考えたほうが判断を誤りにくい」という論点は、この記事におけるFirst byteの見解として書いているものであり、一次文書の主張として引用しているわけではありません。この区別を曖昧にしないことが、この記事の前提です。

「95%」の中身も一意ではない

モンテカルロシミュレーションの結果を報告するとき、「95%の確率でこの範囲に収まる」という言い方がよく使われます。ここにも見落としやすい注意点があります。

JCGM 101:2008は、この区間を「被覆区間（coverage interval）」と呼び、同じ確率（例えば95%）に対しても、区間の取り方は一意に決まらないと明記しています。文書中の数値例では、同じ95%の確率を表現するのに、分布の中心から左右対称に区間を取った場合の幅が1.76単位、区間全体の幅が最短になるように取った場合の幅が1.69単位と、取り方によって幅そのものが変わることが示されています。

さらに、JCGM 101:2008はこの被覆区間を「信頼区間（confidence interval）」と呼ぶべきではないとも明記しています。統計学における信頼区間は別の概念を指す用語であり、混同を避けるためだとしています。モンテカルロシミュレーションの結果を社内で報告する際、この2つの用語を無自覚に入れ替えて使うと、聞き手に誤った理解を与えかねません。

ビジネスの現場ではどう使われているか

米国の国立標準技術研究所（NIST）は、2020年1月20日公開の記事で、モンテカルロ分析を経済性評価に使う例を紹介しています（NIST “New Tool to Account for Uncertainty in Cost-Benefit Analysis”）。取り上げられているのは、3種類のHVAC（空調）機器のどれに投資するかを検討する場面です。エネルギー価格は期間中に変動するため、1本の予測値だけでは3機種のどれが有利かを決めきれません。NISTが開発したこのツールは、ASTM E1369という規格のシミュレーション部分に準拠しているとされています。

この例が示しているのは、「価格や需要のように将来変動する前提を含む投資判断」では、1本の数値による比較だけでは判断材料として不十分になりうる、という構造です。同じ構造は、為替や原材料価格が絡む調達判断、需要が読みにくい新規事業の収益試算などにも当てはまります。

前提の確率分布は、客観データがなければ作れないのか

「乱数を使うからには、統計的に十分なデータが必要なのでは」と考える人は少なくありません。しかしJCGM 101:2008は、前提として設定する確率分布を「その量についての知識の状態」を表現するものと位置づけており、情報源には統計データや測定結果に加えて「専門家の判断（professional judgement）」も含まれると明記しています。

これは、恣意的に都合のよい分布を設定してよいという意味ではありません。専門家の判断を前提の分布として使う場合でも、「なぜその範囲・その形の分布を置いたのか」という根拠は、事後に説明できる状態にしておく必要があります。ただし、「客観的な統計データが十分にそろっていなければモンテカルロシミュレーションは使えない」というのは誤解であり、実務での前提設定の出発点として、担当者の経験や業界知識を分布の形に落とし込むことは想定されている使い方だと言えます。

感度分析との違い、どちらを使うべきか

モンテカルロシミュレーションと混同されやすい手法に、感度分析があります。両者は対立する手法ではなく、役割が異なります。

感度分析は、前提を1つだけ動かし、他の前提は固定したまま、結論がどれだけ変化するかを確認します。目的は「どの前提が結論への影響力が大きいか」を仕分けることです。一方モンテカルロシミュレーションは、複数の前提を同時に確率分布として動かし、結論そのものの分布（幅）を得ることを目的とします。

実務では、まず感度分析で影響力の大きい前提を絞り込み、その絞り込んだ前提について確率分布を設定したうえでモンテカルロシミュレーションに進む、という順番が噛み合います。すべての前提をいきなり確率分布として扱おうとすると、分布の設定自体に時間がかかりすぎ、かえって着手のハードルが上がってしまうためです。

なぜ「1本の数字」に頼ってしまうのか

多くの事業計画やROI試算が1本の数字に落ち着くのは、単に手間を惜しんでいるからではありません。1本の数字のほうが、報告書として扱いやすく、意思決定者にとっても「結局いくらなのか」という問いに直接答えてくれるように感じられるからです。幅を示されると、かえって「結局どっちなんだ」という反応を招くことを恐れる担当者もいます。

しかし、前提そのものが不確実である以上、結論を1本の数字に圧縮した時点で、その不確実性の情報は失われています。失われていることに気づかないまま、その数字を確定した予測であるかのように扱ってしまう、というのが起こりやすい混乱です。幅を示すことは、判断を先延ばしにすることではなく、判断の材料をより正確に手渡すことだと捉え直す必要があります。

自社でも試せる、最小の検証

大がかりなシミュレーションツールを用意しなくても、小さく試すことができます。

自社の来期売上予測を、これまでのように1本の数字として出すのではなく、「悲観・普通・楽観」の3点で出してみてください。それぞれの数値がどの前提（成長率、単価、稼働率など）の違いから来ているのかを書き出し、3点の幅がどれくらい開くかを確認します。幅が大きく開くなら、その前提こそ確率分布として扱う価値のある候補になります。幅がほとんど開かないなら、その前提について精緻な分布を作る優先度は低いと判断できます。

なお、記事の冒頭で触れたように、この手順自体はFirst byteが実務向けに構成した例であり、JCGM 101:2008や上記のNIST記事が直接示している手順ではありません。試行回数の目安や、特定の表計算ソフトでの操作手順についても、この記事が参照した一次資料には記載がなく、断定できる情報がありません。

判断の土台として押さえておくこと

• モンテカルロシミュレーションの本質は、結論を1本の数字ではなく分布として扱うこと。前提と結論の関係が線形近似では不十分な場合、または結論の分布が正規分布から大きく外れる場合に価値を発揮する
• 感度分析とは役割が異なる。感度分析で影響力の大きい前提を絞り込み、その前提を確率分布として設定してモンテカルロシミュレーションに進む、という順番が実務では噛み合う
• 「95%」の区間は一意ではなく、信頼区間とも呼ばない。社内で結果を共有する際は、区間の取り方によって幅が変わりうることと、用語の混同を避けること
• 前提の分布は専門家の判断を含めてよいが、根拠は説明できる状態にしておく

この記事で扱わなかったこと

試行回数の推奨値、モンテカルロシミュレーションを実装する際の具体的な関数・操作手順、ベイズ統計（MCMCなど）との関係には踏み込んでいません。扱ったのは、モンテカルロシミュレーションの基本的な考え方と、感度分析との役割の違いです。

この記事で扱ったような、自社の事業計画・ROI試算に含まれる前提の不確実性を状況に照らして整理したい場合は、無料診断ツールで状況を言語化するところから始めることができます。