量化は占いじゃない！勝率は51%しかないのに、どうしてマネープリンターになれた？アルゴリズムは名前や物語を見ない、株の重さを量って期待値を計算するだけ；個人投資家は一度当たればいいと願うが、アルゴリズムは10万回の失敗を許容する、勝つことではなく正しいことを追求する！量化の五臓を分解して見せる、競うのはアルゴリズムではなく論理だ！

今回の番組では、クオンツ取引の核心的なロジックと運用システムを詳細に分解して説明した。番組は、クオンツは占いでも上昇下落の予測でもなく、数学的期待値と確率的優位性に基づく複利システムであると指摘し、データクレンジング、ファクター発掘、主成分分析、直交化からペアトレードまで、クオンツの5つの次元と一連のフローを解説。クオンツが競うのはアルゴリズムそのものではなく、その背後にあるロジックであると強調した。

動画リンク：

全文：

もしこのロジック自体が存在しないなら、アルゴリズムをどれだけ複雑で精密に書いたところで、何の役にも立たない。物事はありのままに見よ、断片的な認識を拒め。今日は、クオンツとは一体何なのかについて話していきたい。実は今回の番組は、クオンツという謎めいた存在を大暴露するだけでなく、クオンツ的思考とは何かを理解してほしいと思っている。実のところ、クオンツの本質とは、一種の思考方式であり、確率と因果が共同で生み出す期待リターンなのだ。まず、クオンツは占いではない。市中にあるような「明日の上昇下落をAIが予測」なんていうクソみたいなやつは、本物のクオンツとは全く関係がない。本当のクオンツ取引がやることはただ一つ、数学的期待値を計算することだ。アルゴリズムはまず、利益が出る確率に期待できる利益額を掛けて、損失が出る確率に期待される損失額を掛けて引いた上で、手数料やスリッページといった取引コストを正確に差し引く。最終的に算出された期待収益がゼロより大きければ、アルゴリズムは即座に注文を執行する。この一連のフローを見てみると。

そこには主観的な予測など全く存在していないことに気づくだろう。将来の上昇下落という環節はなく、業界で最も稼いでいるクオンツ戦略は、実際には勝率がしばしば50%程度、良いところで52%、53%程度に過ぎない。聞こえは確かにコイントスに近いだろう。しかし、その余分な数パーセント、さらには1%ほどのわずかな確率的優位性だけで、クオンツ機関は膨大な取引を通じて長期的かつ安定した利益を実現できるのだ。今日は、一通り頭から尾まで詳しく見て、一式の完璧なクオンツシステムがどう動くのか——データ入力モジュール、戦略の実行ロジック、そして自動執行プログラムの具体的な日、いや、それがどう運転されるのかを見てみたい。まずアルゴリズムの視点に入ってみよう。人間の視点とまず比較してみるのもいい。人間は株を見るとき何を見るのか？まず名前だろ。アップルだとか、茅台だとか、とにかくこれらの名前の後ろには製品がついてる。中には経営者のゴシップとか、あるいは市場のデマ記事みたいなものに注目するやつもいる。だがアルゴリズムは、こうしたものは決して見ない。

克隆羊に属し、父も母もおらず、童年の記憶もなく、ブランドへの崇拝もなく、創業者のスピーチが救世主のように語られても熱涙することはない。アルゴリズムの目には、どんな銘柄もただ数字を吐き出し続ける黒い箱にすぎない。だからアルゴリズムは、人間が気にすることなどまったく気にしない。実は人間の認知の仕方は機械よりもずっと複雑だ。人間はさまざまな感情を生むからで、たとえば体験感などは物語がもたらす幻想だが、それがちょうど何になったか？　炭素生物が市場で殺し合う際の弱点になった。純粋でないからだ。アルゴリズムはまったく違う。アルゴリズムが本当に知りたいのは、明日上がるかどうかではなく、いまこの一連の条件が同時に現れたときに、上がる可能性が下がる可能性よりほんの少しだけ多いかどうかだ。つまり、その取引ができるかどうかは、厳密には、勝つ確率×勝つ幅から負ける確率×負ける幅を引いたもの、さらにそこから

取引コストを引いたものに等しい。予言ではなく、計量なのだ。この巨大なクオンツ帝国の土台は、まさにこの一丁の秤だ。ではクオンツはどうやって稼ぐのか。クオンツの儲けの論理はカジノのディーラーとまったく同じで、いずれもわずかな優位性の下での複利効果だ。SIGのような有名な大手を見ても、勝率は51%しかない。だが51%の勝率で十分に印刷機になれる。計算してみよう。ある戦略の勝つ確率が51%で、負けると1単位失い、勝つと1.2単位得るとする。一回だけ見れば、当てずっぽうと何の違いもない。だがこのわずかな偏りが規律を守って10万回繰り返されたら、一回ごとの期待値はほんの少しプラスで、10万回積み重なれば、その1%の優位はもう一粒のほこりではなく、雪崩のように、ゆっくりと重みを増していく。これが個人投資家とクオンツの最も根本的な分岐だ。個人投資家は何を探しているか？　神域を探している。要するに

一回の取引で大儲けをしようとする。だが間違えたら、世界が終わったと思ったように感じる。クオンツは自分に間違いを許し続ける。なぜなら、一筆ごとの失敗のコストはとっくに帳簿に書き込まれているからだ。端的に言えば、クオンツが追求するものと個人投資家が追求するものは、ちょうど正反対だ。アルゴリズムは勝つことを追求しない。ただ正しいことをするだけだ。この二つは厳密に区別しなければならない。一回の取引で利益が出たからといって、あなたの判断が正しかったことにはならない。わかりやすいテキサス・ホールデムの例を挙げよう。いまあなたの手札がKKで、相手の手札がAAだとする。このとき相手にオールインで勝負を挑めば、あなたの勝率は30%しかない。ところがコミュニティカードでKが出て、スリーカードのKで勝った。だがあなたの判断は正しかったのか？　これがその時点の視点と事後からの視点の決定的な違いだ。その時点の情報の中では、将来のコミュニティカードに必ずKが出るなど知るはずがない。

そうだね？　あなたが知っているのは、KKがAAに勝つ確率だけだ。だからこの判断自体は正しくない。しかし勝ったのだ。だからクオンツが追求するものは個人投資家とちょうど正反対だ。わずかな優位の下で長期の複利を追求するなら、前提は何だ？　間違いに耐えられるということだ。この「間違いに耐えられる」に数学的な感覚を与えてみよう。一筆ごとの期待値がわずか1分2厘しか稼げないとしよう。聞こえは非常にかわいそうだが、10万筆積み重ねれば粗利は1万2千になる。しかもこの10万筆は相互に独立した小さな賭けで、総損益の変動は極めて薄く分散される。個人投資家のようなジェットコースターではなく、わずかに上昇する一本の直線だ。だからクオンツファンドが顧客に売っているのは、実はリターン率ではなく、この直線の平滑値なのだ。計量する対象の実体は何か？　ファクターだ。この言葉を聞いたことがあるだろう。いかにもかっこいい響きだが、実のところそんなに神秘的な言葉ではない。例を挙げよう。

株を買うことは何かに似ているか？　個人投資家が見るのは生地の外側の名前だ。たとえばバゲットを焼こうとしているなら、あるいはクロワッサンなら、これは会社の名前やコンセプトに対応する。一方、クオンツのプログラムが見るのは生地の内部の物理パラメータで、たとえば小麦粉のタンパク質含有量、生地の水分量、酵母の発酵時間などだ。物理パラメータが、生地がオーブンに入った後に膨らむかどうかを決める。小麦粉のタンパク質含量は株式のバリューファクターに対応し、生地の水分量はボラティリティファクターに対応し、酵母の現在の活性度はダイバーシティファクターに対応する。この説明は正確ではないが、直感的に理解するのには支障はない。同じ生地でも環境温度が変われば、内部の酵母の活性パラメータはまったく変わり、焼き上がったものはまったく違ったものになる。だからアルゴリズムは、この生地が何という名前かなどまったく気にしない。ただ現在のタンパク質含量、水分、酵母を測定するだけだ。

…という配合を決め、その上でオーブンに入った後にどれだけ膨らむかの確率を計算する。この確率が基準を満たせば、機械は即座に買い注文を執行する。だから株の名前だのコンセプトだのは、単に外側の殻にすぎず、ファクターこそがこの肉体がどう上下するかを決める基底パラメータなのだ。例えばこの株が最近とんでもなく急騰している、これはモメンタム・ファクターの仕事だ。逆に上下に激しく振動しているなら、これはボラティリティ・ファクターの管轄だ。さらに言えば、今の価格がクソ純資産より安いなら、これはバリュー・ファクターの領域だ。酵母の量、発酵時間、タンパク質含量の違う配合がオーブンに入ってどんなものが焼き上がるのか、これと同じことだ。これが何をもたらすか。同じ銘柄でも、今日は流動性が枯渇した沈黙者だったのに、注文簿に資金が殺到すれば、パラメータは瞬時に極めて活発な暴走状態に変わる。

この秤と成分表が手に入ったところで、次はこの工場がどう稼働するかを見る。アルゴリズムは毎日何十億件のデータを呑み込み、価格の誤りだのギャップだのフェイクニュースだのが全部混ざっている。最後に炸け出す優位性は、小数点以下のわずか一点かもしれない。実のところデータの大半はスラグだ。そこからどれだけ金を掘り出せるか、それは本質的にアルゴリズム自身にもかかっている。今我々が設定しているのは大型のデイトレード用アルゴリズムだが、他にも奇抜なアルゴリズムはたくさんあって、あれは完全に garbage in garbage out だ。次に、クオンツをやりたいならどんな工程を経るのかを話そう。クオンツというのは、あなたが営むビジネスや企業でも同じで、データ化された管理ができる。それですぐに問題がどこにあるか分かる。だからクオンツの第一歩は絶対にモデルを作ることではなく、まず歴史データを徹底的に検査し、クリーニングすることだ。例えばデータ上、ある株が昨日は10元だった。

今日5元になった。あなたは、本当に50%下落したのか、それとも会社が株式分割をしたのかを必ず突き止めなければならない。ここでの過去価格を比率調整しておかなければ、モデルが学ぶ論理は完全に間違ったものになる。もう一つよく犯す間違いは、倒産や上場廃止になった会社のデータが履歴から消されてしまうことだ。今日も通常取引されている会社のデータだけを使って10年前の戦略をテストすると、算出されるリターンは非常に高くなる。なぜならこのサンプル全体が大きな生存者バイアスで、あなたが見落としているのは当時退市していった失敗サンプルだからだ。それから、非常に見つけにくいデータエラーとして、例えばある会社の財務諸表が今年3月にようやく出てきたのに、それを1月の相場データの中に入れてしまう、ということがある。これだとテスト成績が未来の情報を先取りすることになり、実際のライブ取引に投入した瞬間に損失を出す。テスト段階で自分が天才だという錯覚を生ませる。つまりこの復権処理（株式分割や配当による過去価格の調整）の問題、それから生存者バイアスの除去、そして未来関数の防范だ。

実際には名前や用語はどうでもいい。核心的な原則はただ一つ、歴史テスト段階でとんでもないリターンが出たら、第一に基礎データがクソ間違っていないか確認することだ。自分のアルゴリズムは最高だという第一印象を持っちゃ絶対にダメだ。第一段階が終わったら第二段階、クオンツ・リサーチャーが本物の価格規則を探す、つまりファクターを掘る工程に入る。ファクターとは価格に説明力を持つものだ。覚えておけ、クオンツは確率と因果という二重の関係を掘り出す作業だ。クオンツにおいては説明可能性だけで、必然はない。このファクターは必ずこうなる、というようなファクターは存在しない。もし本当に存在するなら、それは習近平・ファクターだけだ。方向を指し示すにおいてこのクソバカに敵う者はいないのだから。実のところこの段階最大の敵は、人間の自分の頭だ。人間の頭はクソ天生の悪癖があって、

雨の中に龍を見たがり、壁の塗り皮の中に人の顔を見たがる。1万の手法をテストすれば、純粋な偶然で神業を再現してしまうやつが必ずいくつか出てくる。ちょっと変な例を挙げると、これクソ誰かを落とし穴に落とす話じゃないぞ？ウォールストリートには本当にやっている奴がいて、曜日によって買いが特に儲かるとか、社名に特定の文字が入っていると株が特に上がる、みたいな。こういう規則は欲しがるだけある。データがお前のデタラメを止めやしない。試す回数が十分に多ければ、偶然もお前に賞をやる。だから本当の検証は、このアイデアが過去にお金を稼いだかを問うことではなく、アイデアを容疑者として別の年、別の市場、別のコスト環境に引っ張り込み、繰り返しストレステストすることだ。部屋を替えたら、業種を変えたら成立しなくなるなら、それは規則ではない。考えてみろ、市場には何千銘柄あって、表面上はそれぞれ勝手に動いているように見えるが、実際には大量の騰落は同じ主因に引っ張られている。例えば今、

ちょっとでも上げれば、ええ、高バリュエーションの株式の大群が、たちまち集団で急落する。それから例えば原油価格が上がると、エネルギー関連の会社はみんな一緒に興奮する。こうした動きの裏で糸を引く手を暴き出すための技術があって、専門用語では主成分分析、つまりよく耳にするPCA検査だ。例えば今5人の人が声をそろえて同じ一言を叫んだとしたら、この5つの個体が提供する情報を1つの情報に圧縮する。だからPCAは、みんなが共通して注目している主方向をまず掴み取る。実は多くのセクター分類はこのようにして分けられているのだ。そしてその流れに沿って、次にまったく重ならない新しい方向を探す。例えばテック企業は典型的に金利感応度が高い。ハイテク企業にはみんなこの特性があるから、それらのテック企業をまとめて1つの類、つまり金利感応型の業種と呼ぶ。公共事業のようなものだ。金利の影響を受けるのが限られているのだから。このものは経済が良くても悪くても使わざるを得ない、これが一つだ。

低金利感応型。つまり主成分分析は実際には双方向の論理で、共通点も見ながら差異も見る。次の工程は何か？それは偽証人を専門に対処するものだ。例えば、自分は手に3つの無敵の因子を握っていると思っているかもしれない。低PER、低PBRに加えて高配当因子だ。この3つの因子を使うと、必ず過剰適合してしまう。なぜか？この3つが教えてくれるのは同じことで、繰り返し強調しているのは「この会社は非常に安い」ということだけだ。このとき必要なのが直交化だ。直交化がやるのは、重複してくどい部分を容赦なく削り落とすこと、それから論理的に重なっている部分だ。前の人がすでに説明した情報は、後から口調を変えて同じことをごまかし直すことは絶対に許されない。例えばあの3つの指標はすべて同じことを表していて、つまりあなたを何に縛り付けるか？この資産が安いのか安くないのか、それに縛り付ける。だから指標を無闇に積み重ねることはまったく意味がなく、人の認知幻覚を深めるだけなのだ。

次はクオンツが最も好む取引タイプ、ペアトレードについて話そう。この商品を使ってクオンツの完全な流れを、ええ、皆さんと一緒に一巡りしてみる。例えばペプシとコカ・コーラは、何十年もの宿敵だ。似た飲料を売り、似た客に向き合い、同じ要因が両社に影響する。実際にはほとんどの場合、片方が速く片方が遅い、しかしあまり離れない。この2つは、腰に見えないゴム紐を1本結ばれているようなものだ。ところがある日突然ペプシが猛ダッシュして、コカ・コーラがその場から動かなければ、ゴム紐が伸びてしまう。すると人の直感は、ええ、どちらかが間違えたに違いないと考え、さらにペプシが戻るか、コカが追いつくかを予想する。しかしアルゴリズムはそれを見ない。アルゴリズムがまず確定するのは、このゴム紐が本当に存在するかどうかだ。この検証の学術名は共整合性（コインテグレーション）で、動作もごく素朴だ。まず2社に適したペアを見つける。例えばペプシ株1株に対応するのはコカ・コーラ株1.3株で、これはクオンツの世界ではヘッジ比率と呼ばれる。なぜ単純に1対1でヘッジしてはいけないのか？2社の株価の絶対値が異なるうえ、毎日の変動の激しさも違うからだ。例えばペプシの株価は非常に高く、コカ・コーラの株価は比較的低い。それぞれ1株ずつ買ってヘッジすると、両辺の力の釣り合いは傾いてしまう。だからアルゴリズムはこの線形回帰の計算を通して、極めて正確な定数を見つけなければならない。例えばここでの1.3とは、ペプシ株1株の変動の力をちょうど完全に打ち消す、コカ・コーラ株1.3株の変動の力のことだ。この特定の比率を組み合わせて初めて、市場全体の上げ下げのノイズは徹底的に取り除かれる。そしてクオンツは各自の株価がどこまで上がったかなどまったく見ない。見るのは2者の距離だけだ。この距離は揺れには揺れるが、結局はあの見慣れた範囲に戻る。ええ、平均回帰だ。あなたが上記の条件を満たして初めて、

アルゴリズムは、過去にこの波の気性が本当に存在したと認める。注意してほしい、ただ「過去に存在したように見える」だけではまだダメなのだ。さらに言うと、クオンツの研究対象とは何か？証拠を重んじる学問であって、哲学の研究とはまったく違うし、いかなる形而上学も見ない。だからアルゴリズムは、あらゆる関係への信頼に有効期限をつける。それではまだ1本の物差しが足りない。どれだけ離れれば遠いと数えるのか、そうだろ？10円は遠いのか？ある株は1日で10円揺れる。だからアルゴリズムは、各ペアごとにそれぞれの気性に合わせて専用の目盛りを作った。この物差しをzスコアあるいはz分布という。やるのは2つのことだけだ。まず今年の距離が普段よりどれだけ多いかを測り、次にこのペアの相棒が普段、一度の乖離でどれだけ離れられるかを見る。これを1回割れば、気性の違うすべての気性が共通の言語、つまりzスコアに置き換わる。これが無次元だ。意味は、2つの分散を離れた距離だ。ええ、これはもうそれではない。

普通の意見の違いではない、これは巨大な分岐だ。たとえば、あなたのアルゴリズムのルールが z が 2 を超えたら、すぐに走りすぎた方を売って、後ろに落ちた方を買う、という具合だ。あなたは上がることを賭けているわけでも、下がることを賭けているわけでもない、だろ？ 賭けるのはこの距離が回帰するという日常だけだ。この z が 0 の近くまで戻ったら、すぐに手を引く。このゴムバンドはいつか切れるからだ。ある会社のビジネスモデルが変わったのかもしれない。たとえば、NVIDIA が百世を買収して、AI 版のペプシコーラを全面的にやろうとしているとしたら、二人の間のこのゴムバンドはもう終わりだろ？ あるいは、大規模な金融危機が起きる、そのとき全部の資産が区別なく暴落する、ゴムバンドも消える、これがデカップリングだ。だから本当のクオンツは決して法則を信じることではなく、法則を使いながら、その法則自体がまだ冷えているのかどうかを触り確かめることなんだ。それが周辺分布が計算するところだ。クオンツのフローは一通り終えたので、カメラを一段引き上げて、市場が毎日何に値段をつけているのかを見よう。教科書は、あの何とかのプライシングは

会社がいくらの価値があるかを計算することだと言う。しかしそれはスローモーションで、本物の市場はあなたが物語を最後まで語るのを待つ時間なんてない。あなたの一条のニュース、一筆の注文、さらには毎回のパニックが、全員に投票し直しを迫っている。だから価格は会社が本来持つべき身分証ではない。それは何なのか？ より正確には、絶えず更新される自己証言に近い。こう言う他ない。この投票の中で、クオンツはどんな役割を演じているのか？ 第一は読みの速さだ。決算が出た途端、人間はまだ当期純利益の行を探している。そのときにはアルゴリズムはもう全文を読み終えている。たとえば、経営陣が以前の「確定」を「可能性」に書き換えたことを見つけたり、一言で答えられる質問を五分かかる冗長な回答に回りくどくしたり。先にその裏の意味を読み取れたのは誰か、だろ？ それから何が競われるかというと物理的な速さだ。たとえばインフレの数字が発表されたら、一般人は数字を見られる、人間は何かというと、この数字を見て、この予想と比べて、このデータで利下げすべきかどうか、予想を下回ったかどうかを見る。つまり分析全体を三段階に分けているのに、アルゴリズムは

この三段階を一回の判断に圧縮している。同じニュースは全員が受け取った、競うのは誰が先に着くか、これがクオンツのアービトラージ・アルゴリズムだ。もう一つ競うのは何かというと、誰が急いでいるかだ。高頻度マーケットメーカーのアルゴリズムは、対象の会社が何をしているかなんてまったく気にしない。業績が良いかどうかも、実はどうでもいい。ロケットを作る会社でも、トイレットペーパーを売る会社でも、アルゴリズムが気にするのは今誰が一番急いでいるかだけだ。たとえば今、誰かが成行注文で猛買いしているとしたら、これは豪雨の中で傘の店の前に駆け込んで、「この傘は一ついくらだ、全部買う、今すぐ一つくれ」と叫んでいるようなものだ。このときマーケットメーカーのアルゴリズムは、すべての古い価格を取り消し、より高い安全な位置でこの人に売り直す。余分に取られるあの一銭は、本質的には急ぎの税金だ。世界に今すぐ応えてほしいと要求したとき、「今すぐ」それ自体が商品になる。雨が激しいほど傘は高くなり、市場がパニックになればなるほど、アルゴリズムの逆選択は激しくなり、スプレッドはどんどん開いていく。だから、あなたが一番逃げたいその瞬間に、ちょうど一番

高い通行料を払うことになる。一つのクオンツには、少なくとも五つの基本次元がある。まずデータだ。大量のゴミデータをモデルに放り込んだら、始める前にもう終わりだ。この段階でやるべきは統計的なフィルタリング技術であって、脳ではない。それは勝利を保証するのではなく、この一発を撃つ価値があるのかにだけ答える。リスクモデルは何か？ それはシートベルトだ。あなたが買った山のものを調べて、あれ、本物の分散なのか、それとも服を十着着替えて同じ賭けに張り続けているだけなのかを確かめる。最後はコストモデル、摩擦力の計算機だ。たとえば表向きは 1 元儲かるのに、取引コスト、つまり市場に入る出る費用が 1.2 元だったら、これは策略ではない、これは

死にに行く戦いだ。これはみんなが知っておくべきことだ。実行モデルは引き金を引く手際だ。たとえば、大口の注文をそのまま市場に叩き込めるか？ 切り分けなきゃいけない、隠さなきゃいけない、そしてゆっくり近づく。獲物に先に自分の足音を聞かせちゃいけないのだ。リスクが決めるのは何か？ どれだけ速く歩けるか。コストが制約するのは、この注文をやる価値があるか。実行コストが決めるのは、このポジションを生き延びながら建てられるかどうか。素人が最も過小評価しているのはコストと実行の二つで、外で吹聴されているのは全部、脳がどれだけ賢いかだ。紙の上の天才的な戦略の多くは、エントリーとエクジットのあの道の途中で死ぬのだ。

では普通の人間はこのアルゴリズムの前で生きる道があるのでしょうか？もちろんあります。自分の頭を正しく認識することです。人間の脳は、数十の資産や数百の関係を同時に処理するのには向いていません。情報が増えると、脳はオーバーロードし始め、好まない証拠を自分から削除し始め、ついでに耳障りのよい物語をでっち上げて、その空白を埋めます。定量アルゴリズムも間違えますが、アルゴリズムは自分の1件の損失で自尊心を傷つけたりはしませんし、取引システムをその場で尊厳防衛戦に変えることもありません。良い知らせは何かというと、今はAIがあることです。大規模モデルが本当にもたらすのは、誰もが一晩で定量投資の達人になることではなく、それはクソ現実的ではない。しかし確かなメリットが一つあり、それはもはや計算という作業に大半の時間を費やす必要がなくなることです。実のところ、あらゆるアルゴリズムは本質的に論理の再現であり、数学という言語であなたの論理を書き出すだけです。例えば、設備投資の成長率の2階微分が現在の市場におけるモメンタム因子であると考えるなら、この2階微分とモメンタムの変化の関係を調べ、この因子とモメンタムの間に安定した説明可能な関係が築けるかを見ることができます。これが因子です。

アルゴリズムに書くとおそらくこうなるでしょう。後から各種APIを接続してこの種のモメンタムの制約を計算することもでき、ついでにこのモメンタムの特徴を持つ株の種類なども見られます。まあ、いろいろです。したがって実際に戦うのはアルゴリズムではなく、アルゴリズムを駆動する論理です。その論理自体が存在しないなら、アルゴリズムをどれほど複雑に精密に書いても、まったく役に立ちません。ですから定量投資に興味があるなら、出発点は論理の養成にあります。さて、今日はここまで卒業しましょう。番組が気に入ったら、下のベルをクリックしてください。私を応援したい方は、メンバーチャンネルにご加入ください。毎月4本の深掘り番組をご覧いただけます。好人通への参加も歓迎します。それでは、次回の番組でお会いしましょう。