投資期間
1年
リスクプレミアム
中央値優位上限
L = 8.00
最頻値優位上限
L = 2.00
📈 グラフ1: 資産分布の比較（投資期間: 1年後）
期待値比
-
中央値比
-
最頻値比
-
🎲 グラフ2: モンテカルロシミュレーション（初期投資100万円、投資期間: 1年、100回試行、日次計算・252営業日/年）
L=1 通常ETF (100回の結果)
平均値:
-
理論期待値:
-
中央値:
-
理論中央値:
-
理論最頻値:
-
最大値:
-
最小値:
-
L=3.0 レバレッジETF (100回の結果)
平均値:
-
理論期待値:
-
中央値:
-
理論中央値:
-
理論最頻値:
-
最大値:
-
最小値:
-
💡 理論値の見方：
• 期待値（破線）：シミュレーション平均に近い（少数の大成功が引き上げる）
• 中央値（実線）：半数がこれより上、半数が下
• 最頻値（点線）：確率密度が最大の点（試行回数が多いほど明確になる）
• 期待値（破線）：シミュレーション平均に近い（少数の大成功が引き上げる）
• 中央値（実線）：半数がこれより上、半数が下
• 最頻値（点線）：確率密度が最大の点（試行回数が多いほど明確になる）
📊 グラフ3: モンテカルロ最終資産分布（1年後、100回試行）
L=1 通常ETF 分布統計
実測平均:
-
理論期待値:
-
実測中央値:
-
理論中央値:
-
L=3.0 レバレッジETF 分布統計
実測平均:
-
理論期待値:
-
実測中央値:
-
理論中央値:
-
💡 ヒント：
試行回数を増やすほど、ヒストグラムが理論分布曲線（実線）に近づきます。
10,000回で実測値と理論値がほぼ一致することを確認できます。
試行回数を増やすほど、ヒストグラムが理論分布曲線（実線）に近づきます。
10,000回で実測値と理論値がほぼ一致することを確認できます。
🏆 グラフ4: レバレッジETF vs 通常ETF 勝敗（100回試行）
🏆 L=3.0 勝利
-
勝率: -
🛡️ L=1 勝利
-
勝率: -
💡 勝敗の判定：
各シミュレーション試行で、1年後の最終資産額を比較。
レバレッジETF（L=3.0）の資産が通常ETF（L=1）より多ければレバレッジの勝利。
試行回数を増やすほど、勝率の精度が向上します。
各シミュレーション試行で、1年後の最終資産額を比較。
レバレッジETF（L=3.0）の資産が通常ETF（L=1）より多ければレバレッジの勝利。
試行回数を増やすほど、勝率の精度が向上します。
💥 グラフ5: 破産確率（資産が初期値の1/4以下になる確率、100回試行）
🛡️ L=1 通常ETF
-
破産回数: -
💥 L=3.0 レバレッジETF
-
破産回数: -
💡 破産の定義：
各シミュレーション試行で、1年後の最終資産が初期投資額（100万円）の1/4（25万円）以下になった場合を「破産」と定義。
レバレッジETFは、ボラティリティドラッグにより通常ETFより破産確率が高くなる傾向があります。
試行回数を増やすほど、破産確率の精度が向上します。
各シミュレーション試行で、1年後の最終資産が初期投資額（100万円）の1/4（25万円）以下になった場合を「破産」と定義。
レバレッジETFは、ボラティリティドラッグにより通常ETFより破産確率が高くなる傾向があります。
試行回数を増やすほど、破産確率の精度が向上します。