（2017年8月作成） お申込みの際には、最新の「投資信託説明書（交付目論見書）」等を必ずご覧ください。 投資信託説明書（交付目論見書）のご請求・お申込み 設定・運用 追加型投信／国内／株式 ※課税上は株式投資信託として取扱われます。
セミナー用資料
（販売用資料） 大和住銀投信投資顧問株式会社 金融商品取引業者 関東財務局長（金商）第353号 加入協会 一般社団法人投資信託協会 一般社団法人日本投資顧問業協会 楽天証券株式会社 金融商品取引業者 関東財務局長（金商）第195号 加入協会 日本証券業協会 一般社団法人日本投資顧問業協会 一般社団法人金融先物取引業協会 一般社団法人第二種金融商品取引業協会第2回
グランシェフの魅力…AIを活用した“グランシェフ”
運用のこだわり
1当ファンドのこだわり
市場が見過ごしている、
誰も注目していない銘柄に注目
します。
企業調査では、
直接、企業の話を聞くことで得られる情報に重きを置きます
。
●そもそも市場で調査されていない企業は、調査を行うことそのものが“価値ある情報”となります。 ●当ファンドでは、多くのアナリストが調査を行っている企業、あるいは、 概ね周知されていると考える企業への投資に価値を見出すことはありません。【主な企業取材の内容】
長期の成長性を知る
会社の雰囲気
取材時に四半期業績は
重要視せず
経営陣の姿勢
【投資テーマの着眼点】
3～5年を見据えた
投資テーマ選定
運用のこだわり～誰も注目していない銘柄に注目～
2 ※時価総額構成比はわが国の上場株式（3,627社）を対象として算出（2017年4月末）。四捨五入の関係で、合計が100％にならない 場合があります。 ※規模別分類は東証分類による。 ※アナリスト数とは、Bloombergで把握している当該銘柄を調査しているアナリストの数（2017年5月現在） （出所）Bloomberg等のデータをもとに大和住銀投信投資顧問作成当ファンドのAI（人工知能）の活用について①
当ファンドは、
企業とじっくりと話し合い、
企業の成長する力を見出すこと
が、収益の源泉であると考えて
います。
しかし、
約3,600銘柄の上場企業すべ
てと“じっくりと話し合う”
には限界があります。
当ファンドのAI（人工知能）の活用について②
そこで当ファンドでは、2017年7月より
AI（人工知能）を活用して効率的に調査
を行うことに
しました。
具体的には、すべての上場企業の中から、ファンドマネージャー
の知見を学習したAIが、調査対象とすべき（調査対象とした方が
良い）企業を選定します。（ファンドマネージャー自らも調査対
象企業の選定を行います。）
AI（人工知能）について
1950年代に始まったAI（人工知能）の研究は、第三次の人工知能ブームを迎えています。
第三次人工知能ブームを支えるIoT
6
IoT （ Internet of Things ：モノのインターネット）
とは、AIが得意とするサービス
7
◇Lovelock（ラブロック）によるサービス分類と
AIへの代替
計算量大
脳の構造を模造したモデル。 ネットワーク層を増やし、事前学 習による性能を向上させるのが ディープラーニング。計算量大
データ発生の因果関係を学習。未知のデータが生み出された原因を 確率的に推定する手法。計算量大
幾何学的な条件のもと識別平面を学習するシンプルな２クラス識別 モデル。計算量小
学習データを多面的に評 価する学習機能を持ち、 データが少なくても効率 的に学習。当ファンドのAIエンジンの特徴①
8機械学習
教師あり学習
ニューラル
ネットワーク
ベイズ推定
サポートベク
ターマシーン
Landscaping
教師なし学習
ディープ
ラーニング
クラスタリング
計算量大
ニューラルネットワークを発展さ せたもの。教師なし学習を導入す ることで、性能を向上。画像解析、 音声認識に強み。計算量大
データの偏りを元に外的基準なしに、自動的に分類を行う。データの特徴を
自動抽出。
ヒトから与えられた正 解データ（教師デー タ）と、「データの特 徴」との関係を学習す る。 教師データは与えられ ず、「データの特徴」 による解析結果から、 本質的な構造を導き出 し学習する。 出所：FRONTEO社、各種資料より大和住銀投信投資顧問作成教師データ作成
Landscaping（教師あり学習）
当ファンドのAIエンジンの特徴②
入力（学習）
分析・出力
教師データファンドマネージャーが
情報を精査し、AIに学習
させるデータ（教師デー
タ）を作成。
AIが教師データを学習。
ファンドマネジャーが判
断した基準で、AIがデー
タを仕分けし、調査候補
銘柄を絞り込む。
日本株運用の環境変化
今後、日本株アクティブ運用に起こるのは、
「得 ら れ る 情 報 量 」
と 評価される
「質 の 変 化 」
2014 年 2015 年 2016 年 「日本版スチュワードシップ・コード」制定 「コーポレートガバナンス・コード」公表 「フェアディスクロージャールール」提案情報開示の公平性の担保
上場企業が守るべき行動規範を示し、
「株主との対話」を求める
企業価値の向上や持続的成長を促す
「企業との対話」を求める
情報開示の公平性により「得られる情報量」に差がなくなる。
対話を通じ、より中長期的な視点で「企業の質」を見極めるように。
2期 2期
企業の変化をつかむためにAIを活用①
安定的なリターンを獲得するため、今後重要になるのは
「企業の長期成長の予測精度向上
（≒企業価値を見抜く）
」
企業の長期成長を予測するためには、まず「企業の変化」をつかむことが不可欠。
1期 企業価値とは、 将来利益の現在価値 （の総和） 利益 利益・・・
利益 利益 １期 ｎ-1期 ｎ期 短期利益予測 長期利益予測・・・
（時間軸） ⇒短期予測だけでは アルファの獲得は困難に ⇒アルファ獲得源の中核へ n期 n-1期 企 業 価 値 換算 ・・・ ・・・ <企業価値のイメージ図> 「企業の変化」をつかむため、 企業情報等を一緒に分析してくれる “アシスタント”としてAI（人工知能）を活用してはどうか？企業の変化をつかむためにAIを活用②
減益決算が継続している企業でも、短信を詳細に見てみると、業績の変化を示す
ヒントが隠されていることがあります。
【銘柄例：良品計画（7453）の営業利益推移】 平成22年2月期 平成23年2月期 第1四半期 第2四半期 第3四半期 第4四半期 第1四半期 第2四半期 第3四半期 第4四半期 営業利益 5,045 2,479 4,728 1,882 3,448 2,045 4,923 3,484 （対前年比） -16.8% -20.6% -15.0% -24.0% -31.7% -17.5% 4.1% 85.1% 平成22年2月期 第2四半期決算短信 「定性的情報・財務諸表等 １．連結経営成績に関する定性的情報」より抜粋 ・・ ・アジアにおいては、香港及び台湾 については継続して社内競合の影響から苦戦 しましたが、中国の上海と北京では新店も好 調に推移し利益は増加
しました。 ・・ ・ 平成22年2月期 第3四半期決算短信 「定性的情報・財務諸表等 １．連結経営成績に関する定性的情報」より抜粋 ・・ ・一方、アジアにおいては積極展開 している中国の上海と北京は好調に推移し、利益は大きく増加
しました。・・ ・• 同社の決算短信では、
減益決算の
中、アジア地域好調のコメントが出
始めていました
。
• この変化を見逃さないことが重要だ
と考えます。
出所：「良品計画」決算短信より大和住銀投信投資顧問作成 ※上記の企業はAIの活用に関する説明のために掲載したものであり、個別企業の推奨を目的とするものではありません。また、上記の企業は当ファンドへの組入 れを保証するものではありません。 （百万円）0 5,000 10,000 15,000 20,000 25,000 30,000 35,000 0 500 1,000 1,500 2,000 2,500 2007年10月 2010年10月 2013年10月 2016年10月 スコア（左軸） 株価（右軸）
企業の変化をつかむためにAIを活用③
※上記の企業はAIの活用に関する説明のために掲載したものであり、個別企業の推奨を目的とするものではありません。また、上記の企業は当ファンドへの組入 れを保証するものではありません。 ファンドマネージャーが、 「企業の変化」を示す膨大 な量の公開情報から成功例/ 失敗例を抽出し、AI（人工 知能）へ学習させる。 AI（人工知能） が学習し、 日々開示される 公開情報を評価調査候補
銘柄を発掘
「良品計画」のAI（人工知能）による評価結果と株価推移 平成22年2月期第3四半期 の決算短信の評価にて、 AI（人工知能）が 調査候補銘柄としての 高いシグナルを発する （円） （AIによる スコア） スコアが 高いほど 要調査 対象銘柄 ※スコアはFRONTEO社の「KIBIT」にて算出。 ※期間：2007年10月15日～2017年7月5日（四半期決算開示日基準） （出所）Bloomberg等のデータより大和住銀投信投資顧問作成アクティブリサーチ
全上場銘柄（約3,600銘柄）
投資ユニバース
（財務・流動性などの 定量スクリーニング）調査対象銘柄
ポート
フォリオ
構築
ヒトとAIによる、新しい日本株アクティブ運用
当ファンドは、ヒトの力では限界がある、すべての銘柄を深く分析するためAIを活用し、
市場が見過ごしている銘柄を効率よく調査し、銘柄を発掘します。
AIを「企業の変化」を
見つけ出す
アシスタントに
AIが事前に経験豊富なファンドマ ネージャーの知見を学習し、 それをもとにスコアリングを行うこ とで、ヒトの手では不可能であっ た、上場企業全銘柄の企業情報の分 析を行う。ヒトによる徹底した
企業調査
経営理念、社歴、組織風土など、企業 の本質的な成長の確信度を高める徹底 した取材・分析を実施。AI・データスクリーニング
※資金動向、市況動向等によっては、上記のような運用ができない場合があります。AI（人工知能）
に、ファンドマネージャーが注目する
企業情報等を学習させます。
ファンドマネージャーの知見を
AI（人工知能）に学習させます。
※ 当ファンドはテキストから文章の意味を読み取り、人の暗 黙知や感覚を学ぶことで、人に代わって、判断や情報の選 び方を再現が可能なFRONTEO社の人工知能「KIBIT」を 採用しています。大和住銀のAIの使い方①
ファンドマネージャーと
AI（人工知能）
が、
調査候補銘柄を選定します。
ファンドマネージャーと
その知見を学習した
AI（人工知能）
が
銘柄調査対象とすべき（調査対象とした方が
良い）企業を選定します。
※ ファンドマネージャー自らも調査対象企業の選定を行います。大和住銀のAIの使い方②
ファンドマネジャーが直接取材にこだわった
企業調査を行います。
企業とじっくりと話し合い、
企業の成長する力を見出すため、
ファンドマネージャーが調査対象とする企業に
直接取材を行い分析します。
大和住銀のAIの使い方③
運用状況について
（2017年7月末）
基準価額と純資産総額の推移 0 20 40 60 80 8,000 9,000 10,000 11,000 12,000 2017/1/27 2017/2/27 2017/3/27 2017/4/27 2017/5/27 2017/6/27 2017/7/27 純資産総額（右軸） 分配金再投資基準価額（左軸） 基準価額（左軸） （億円） （円）基準価額
11,153円
純資産総額
34億円
＜基準価額騰落率＞ 期間 ファンド 1ヶ月 2.0% 3ヶ月 9.4% 6ヶ月 13.1% 1年 － 設定来 11.5% （設定日（2017年1月27日）～2017年7月31日） ＜分配金＞ 決算 分配金 （決算期未到来） － 設定来 0円 ※上記は過去の実績であり、将来の運用成果をお約束するものではありません。 ※基準価額は信託報酬控除後のものです。分配金再投資基準価額とは、収益分配金（税引前）を決算日に再投資 したものとみなして修正した価額です。 ※基準価額騰落率は分配金再投資基準価額をもとに算出・表示。騰落率は実際の投資家利回りとは異なります。 ※収益分配金は税引前1万口あたりの金額です。分配対象額が少額な場合等には分配を行わないことがあります。 18運用状況について
（2017年7月末）
※組入上位銘柄の比率は純資産総額対比、それ以外の比率は保有現物株の時価総額対比。※業種は東証33業種分類。 ※カテゴリー、投資テーマは大和住銀投信投資顧問が設定したものです。カテゴ リー、投資テーマおよびカテゴリー、投資テーマに属する銘柄は、適宜または将来において変更されることがあります。 ※上記は過去の実績であり、将来の運用成果をお約束するものではありません。 ※四捨五入の関係上、合計が１００％にならない場合があります。 19 業種別構成 カテゴリー別構成 技術力 18.7% 海外戦略 28.5% 日本再構築 14.8% トレンド 対応力 25.1% 経営力 12.9% 電気機器 18.1% サービス業 10.1% 情報・ 通信業 7.8% 輸送用 機器 7.6% 建設業 6.2% 銀行業 5.3% ガラス・ 土石製品 5.3% その他 製品 4.7% 小売業 4.4% 化学 4.4% その他合計 26.1% 市場別・規模別構成 東証一部・ 大型株 16.7% 東証一部・ 中型株 9.4% 東証一部・ 小型株 59.5% 東証二部 10.1% JASDAQ 3.3% マザーズ 1.1% 東証一部・中小型株 およびその他市場の合計83％
20
