証券リサーチアナリスト — 「書く仕事」としての職務: セルサイド・バイサイド・モデリング・レポート作法 2026完全版

• この記事を読むと良い人
• なぜリサーチ職務が「書く仕事」なのか
• セルサイド vs バイサイド: 二つの道
• 実際の一日: 9時相場 → 11時モデル更新 → 14時カンファレンスコール → 16時ノート → 19時レビュー
• 成果物の種類とモデリング・ツール・スタック
• モデルの種類とセクター別の適用
• シンプルなDCFモデル (Python)
• II Rankings、Greenwich、StarMineの評価体系
• 韓国セルサイド・ハウス
• 日本セルサイド・ハウス
• グローバルIBリサーチ・ハウス
• バイサイド・リサーチ
• 定量 vs 定性: モデルは道具、判断が本質
• 2026年のAI影響: BloombergGPT、AlphaSense、Tegus AI、Hebbia
• レポート執筆の核とコンセンサスを破る
• 実際の良いレポート例(形式とトーン)
• 同業比較 (Comparable Analysis)
• 資格: CFA、金融投資分析士、CMA、CIIA
• 英語 + 韓国語 + 日本語の言語能力
• 面接質問20問
• 報酬とボーナス
• キャリア・パス
• 90日学習ルーチン
• 失敗事例と協業フロー
• マクロ変数のモニタリング (Python自動化)
• 推薦図書、資料、そしてReferences
• 結び

この記事を読むと良い人

エクイティ・リサーチ・アナリスト(ERA)またはリサーチ・アソシエイト(RA)を目指す学部4年生、修士、MBA志望者向けです。求人票に書かれた「業界分析、企業分析、レポート作成」というフレーズが、実際の一日のどのような行動、どのような文書、どのような会議に変わるのかを扱います。単に「レポートを書く」ではなく、コンセンサスを破るコールをどのような根拠でどう紙に落とすかを示します。すでにセルサイドで1-2年勤務しバイサイドへの転職を考えている方にも、比較フレームとして役立ちます。

証券業における「書く仕事」は、外から見るより遥かにツールが多く、コンベンションが強く、評価体系が明確です。そこで本記事はツール、成果物、評価指標、報酬までを一つの絵として扱います。

なぜリサーチ職務が「書く仕事」なのか

リサーチは「企業を読み、モデルを組み、結論を書く」の三つの動詞に圧縮されます。このうち最も多くの時間がかかるのは実はモデリングではなく、ライティングです。シニア・アナリストの年間アウトプットはノート約80-120本とイニシエーション・レポート4-8本。平均すると1.5日に1本のペースで文書を出すことになります。モデルは道具に過ぎず、文書こそが評価の単位です。

レポートは単なる「まとめ」ではなく資本を動かす文書です。モルガン・スタンレーの一行、ゴールドマンの目標株価の変更一行が、株価を3-7パーセント動かします。そのため文章の正確性、トーン、コンベンション、免責文言の全てが同時に重要になります。この職務をライティング職と認識すると、準備の方向性が一気に明確になります。

セルサイド vs バイサイド: 二つの道

セルサイドは証券会社の中で機関投資家へ「売る」ためにリサーチを書きます。ミレーアセット、韓投、サムスン、NH、ゴールドマン、モルガン・スタンレーがここに属します。レポートは外部公開され、営業チームが機関投資家に持ち回ります。評価はII Rankings、Greenwich Survey、StarMineで測られます。

バイサイドは資産運用会社の社内のみで読まれます。ミレーアセット投信、韓国投資信託運用、Fidelity、Capital Group、T. Rowe Priceなどです。レポートはファンドマネージャー一人を読者として書きます。評価指標はファンドのリターンそのものです。つまりセルサイドは「多く読まれる」ことが、バイサイドは「リターンに寄与する」ことが重要になります。

新卒の入り口はセルサイドの方が席数が遥かに多く、モデルとライティングの訓練も速いです。3-5年でバイサイドへジャンプするのが王道のキャリアパスです。

実際の一日: 9時相場 → 11時モデル更新 → 14時カンファレンスコール → 16時ノート → 19時レビュー

ソウル汝矣島のセルサイド・アナリストの一日は概ね次のようになります。

• 07:00 出社、Bloombergターミナルで前夜の米国市場、為替、コモディティ、担当セクターのニュースを確認。
• 07:30 モーニング・ミーティング。担当銘柄で昨日起きた事象を3分で要約し、営業チームへ投げる。
• 09:00 韓国市場開場。相場コメント、担当銘柄の値動きを監視。
• 10:00-12:00 モデル更新。昨日決算発表した企業の四半期数字をエクセルに移し、ガイダンスを次四半期予想に反映。
• 12:30 昼食。デスクでサンドイッチ、あるいはIRミーティング(IR担当者が来訪し昼食しながらアップデート)。
• 14:00 カンファレンスコール。担当企業またはグローバル同業(例: TSMC、ASML)のコールに入り、30-60分聞く。Tegusで録音も確保。
• 15:30 ノート作成。コールで聞いたガイダンス変更、新製品コメント、競争環境を2-3ページのノートに整理。
• 17:30 コンプライアンス・レビュー提出。目標株価変更がある場合はリサーチ・ヘッドとコンプライアンスの両方の承認が必要。
• 19:00 翌日のモーニング・ミーティング・コメント準備、営業チームに渡す一行メッセージを整理。
• 20:00 退社。決算期は22:00までになる日も多い。

決算期(四半期末から6週間)はこのパターンが毎週続き、決算期以外は業界レポートやイニシエーションを長めに書きます。

成果物の種類とモデリング・ツール・スタック

リサーチ部門の年間成果物は概ね6カテゴリーに分けられます。

• Initiation Report: 新規カバレッジ開始。30-80ページ。業界、企業、モデル、バリュエーション、リスクの全て。年4-8本。
• Update Note: 決算、ニュース、ガイダンス変更を反映。2-5ページ。頻度最大。
• Sector Report: 業界全体のビュー。50-150ページ。四半期1本または半期1本。
• Quarterly Preview/Review: 決算発表の前後。コンセンサス比較が核。
• Morning Meeting Comment: 担当銘柄のその日の一行。営業チームが持ち回る。
• Custom Note: 特定クライアント(例: Tiger Global)向けの1対1ノート。II投票シーズンに多い。

各成果物で長さ、トーン、結論の位置が異なります。イニシエーションは「この業界が5年後にどうなるか」が初ページに、アップデート・ノートは「昨日のコールで何が変わったか」が一行目に来るべきです。

新人はBloomberg、FactSet、Excelに習熟していれば十分です。シニアになるほどTegusとAlphaSenseが核になります。

モデルの種類とセクター別の適用

多くのレポートはDCF + EV/EBITDA + P/Eの三つを並べて見せ、平均値で目標株価を出します。面接で「なぜこのマルチプルを選んだのか」は定番質問です。新人RAは通常1-2セクターをカバーし、シニアになるにつれて4-6銘柄を深く見ます。

シンプルなDCFモデル (Python)

def calculate_dcf(
    initial_revenue: float,
    revenue_growth: list,
    ebitda_margin: list,
    tax_rate: float,
    capex_pct: float,
    nwc_pct: float,
    wacc: float,
    terminal_growth: float,
    shares_outstanding: float,
    net_debt: float,
) -> dict:
    """Project FCF over forecast horizon, compute equity value per share."""
    years = len(revenue_growth)
    revenue = [initial_revenue]
    for g in revenue_growth:
        revenue.append(revenue[-1] * (1 + g))
    revenue = revenue[1:]

    ebitda = [r * m for r, m in zip(revenue, ebitda_margin)]
    da = [r * 0.04 for r in revenue]
    ebit = [e - d for e, d in zip(ebitda, da)]
    nopat = [x * (1 - tax_rate) for x in ebit]
    capex = [r * capex_pct for r in revenue]
    change_nwc = [
        (revenue[i] - revenue[i - 1]) * nwc_pct if i > 0 else revenue[i] * nwc_pct
        for i in range(years)
    ]
    fcf = [n + d - c - w for n, d, c, w in zip(nopat, da, capex, change_nwc)]

    pv_fcf = sum(f / (1 + wacc) ** (i + 1) for i, f in enumerate(fcf))
    terminal_value = fcf[-1] * (1 + terminal_growth) / (wacc - terminal_growth)
    pv_terminal = terminal_value / (1 + wacc) ** years

    enterprise_value = pv_fcf + pv_terminal
    equity_value = enterprise_value - net_debt
    price_per_share = equity_value / shares_outstanding

    return {
        "enterprise_value": enterprise_value,
        "equity_value": equity_value,
        "price_per_share": price_per_share,
        "pv_fcf": pv_fcf,
        "pv_terminal": pv_terminal,
    }


# 仮想の半導体企業の例
result = calculate_dcf(
    initial_revenue=50_000,  # 単位: 十億ウォン
    revenue_growth=[0.15, 0.12, 0.10, 0.08, 0.06],
    ebitda_margin=[0.35, 0.36, 0.37, 0.37, 0.36],
    tax_rate=0.22,
    capex_pct=0.12,
    nwc_pct=0.05,
    wacc=0.085,
    terminal_growth=0.025,
    shares_outstanding=600_000_000,
    net_debt=-5_000,  # 純現金
)
print(f"一株当たり価値: {result['price_per_share']:,.0f} ウォン")

実務のモデルにはシナリオ分析、感応度表、四半期分解がさらに加わりますが、骨格はこれと同じです。面接でホワイトボードに書いてくれと言われたら、上記5ステップ(売上 → EBITDA → FCF → 割引 → 一株価値)を澱みなく描けることが求められます。

II Rankings、Greenwich、StarMineの評価体系

セルサイド・アナリストの外部評価は三つのサーベイで測られます。

• Institutional Investor (II) Rankings: 毎年3月頃に発表。グローバル機関投資家がセルサイド・アナリストへ投票。1位は「Top Ranked Analyst」の称号とともにボーナスに直結。
• Greenwich Associates: 欧州で強い。機関PMインタビューに基づく。
• Refinitiv StarMine: 定量指標(予想精度、推奨リターン)ベース。人間評価と別軸の客観指標。

韓国の場合、ハンギョン・ベスト・アナリストとメイル・ベスト・アナリストがIIに相当する権威を持ちます。ベスト・アナリストの肩書を取ると翌年の年俸が20-40パーセント上昇するのが通例です。IIトップ3に入るとヘッドハンターの第一ターゲットとなり、バイサイドへのジャンプ交渉力が劇的に上がります。

韓国セルサイド・ハウス

新人RA採用は毎年秋(シーズン採用)と春(通年)に行われます。1ハウス当たり5-15名の新人RAを採用するのが通常です。

日本セルサイド・ハウス

日本セルサイドのリサーチは日本語 + 英語が前提で、最近は韓国・中国同業比較のために韓国語/中国語が可能な人材の需要が増えています。

グローバルIBリサーチ・ハウス

香港・東京・ソウルにグローバルIBのリサーチ・デスクがあり、韓国市場をカバーするアナリストは通常5-15名規模です。韓国企業のIRイベントで頻繁に見かける外国系アナリストはほぼ顔ぶれが固定されています。

バイサイド・リサーチ

バイサイドは一人で通常10-30銘柄を深くカバーし、ファンドマネージャーへBuy/Hold/Sellの推奨をメモで出します。セルサイドとの最大の違いは、レポートの外部配布がないことと、自身の推奨実績がファンドの年次リターンへ直接反映される点です。

定量 vs 定性: モデルは道具、判断が本質

新人はしばしば「エクセルが得意ならリサーチも上手い」と誤解します。半分は当たりですが半分は外れです。モデルは企業価値を計算してはくれません。モデルは「私の仮定が正しければ価値はこうなる」という条件文です。仮定そのもの(売上成長率、マージン、WACC)が本質です。

優れたアナリストはモデルよりも業界構造を読みます。半導体はDRAM価格が18ヶ月周期で動きます。自動車はSAAR(季節調整年率換算販売台数)と平均販売価格がマージンを決めます。ヘルスケアでは臨床第3相の一行が時価総額を50パーセント動かします。この構造感がないと、どれだけ精緻なDCFを組んでもコンセンサスと同じ結論しか出ません。

面接で「なぜコンセンサスと違うのか」を問われた時、答えはモデルの中ではなく業界の仮定の中になければなりません。

2026年のAI影響: BloombergGPT、AlphaSense、Tegus AI、Hebbia

2024-2026年にかけてリサーチ部門のAI導入が急速に進みました。主な変化は次の通りです。

• BloombergGPT: Bloomberg内蔵のLLM。ニュース要約、債券価格コメント、IR資料分析の自動化。
• AlphaSense Generative Search: キーワード検索が自然言語の質問に変わる。「TSMCが2024年Q1コールでN3について何を言ったか?」をそのまま入力できる。
• Tegus AI Summaries: エキスパート・コール・トランスクリプトを自動要約。シニアPMが30分の通話を5分の要約で読む。
• Hebbia: 10-K、10-Q、スライドを一括分析。比較表を自動生成。
• Daloopa: ファンダメンタルズ・データの自動抽出。エクセルへ直接落とせる。
• AIトランスクリプト分析: ChatGPTやClaudeでIR発言のトーン変化(positive → cautious)を自動検出。

結果としてRA(ジュニア)のデータ整理時間が70パーセント削減されました。代わりにシニアは「なぜこの企業を違う視点で見るべきか」の差別化により多くの時間を使います。データ入力だけのRAは今後5年で消える可能性が高く、業界仮説とライティングが優れた人が生き残ります。

# AIツールでIRトランスクリプトのトーン変化を分析するシンプル例
from collections import Counter

def analyze_call_tone(transcript: str) -> dict:
    """非常に単純なキーワード型トーン分析。実務ではLLMを使う。"""
    positive = ["strong", "robust", "exceed", "outperform", "accelerate", "raise"]
    negative = ["weak", "decline", "miss", "slow", "cautious", "lower"]

    words = transcript.lower().split()
    counter = Counter(words)

    pos_score = sum(counter[w] for w in positive)
    neg_score = sum(counter[w] for w in negative)
    net = pos_score - neg_score

    if net > 5:
        tone = "positive"
    elif net < -5:
        tone = "cautious"
    else:
        tone = "neutral"

    return {
        "positive_hits": pos_score,
        "negative_hits": neg_score,
        "net_score": net,
        "tone": tone,
    }


sample = "Q1 revenue exceeded guidance, margins remained robust. We raise FY guidance."
print(analyze_call_tone(sample))

実務ではキーワード方式の代わりに、LLMへトランスクリプト全文を渡し「前年同期のコールと比較してトーンがどう変わったか」を質問する形式が一般的です。

レポート執筆の核とコンセンサスを破る

良いレポートは初ページだけで次の三つが見えます。

• 結論 (Investment Thesis): 一行。「TSMC: N3歩留まり安定化で2026年EPSコンセンサス対比15パーセント上方修正余地あり」。
• 根拠 (Why): 3点。(1) N3歩留まり90パーセント到達 (2) Apple M5の本格量産 (3) NVIDIA AI需要の継続。
• リスク (What Can Go Wrong): 3点。(1) 地政学 (2) サムスン・ファウンドリーの2nm追撃 (3) Mac需要鈍化。

この構造は新人が最も頻繁に外す部分です。新人のレポートは大抵1-2ページの「業界背景」から入り、結論は3ページ目に埋もれます。シニアは結論を一行目に置き、本文はその結論を補強する形にします。これは「Pyramid Principle」と呼ばれ、マッキンゼー出身のライティング訓練でも頻出のフレームです。

レポートの市場影響度は「コンセンサスからどれだけ離れているか」に比例します。「EPS予想がコンセンサス対比8パーセント上(Above consensus)」という一行は、自身のコールが市場平均と異なるというシグナルです。

イン・ラインのコールだけ出し続けるアナリストは、II投票で絶対に票を得られません。リスクを取って差別化しつつ、根拠が明確であることのバランスが核心です。

実際の良いレポート例(形式とトーン)

典型的なセルサイドのアップデート・ノートの初ページの骨格はこのようになります。

[Cover] TSMC (2330 TT) — Maintain Buy
Target Price: NT$1,200 (from NT$1,050, +14%)
Current Price: NT$1,050 (as of 2026-05-27)
Upside: 14%

[Executive Summary]
N3 yield reached 90% per supply chain checks, supporting 2026 EPS upgrade.
We raise FY26 EPS to NT$72 (from NT$65), 11% above consensus of NT$65.
Reiterate Buy with target NT$1,200 (22x FY26 PER, premium to 10-yr avg of 18x).

[Key Points]
1. N3 yield 90% — sustainable through 2H26 per fab visit.
2. Apple M5 ramp in Q3 — incremental NT$80B revenue.
3. NVIDIA Blackwell sustained demand through 2027.

[Risks]
1. Geopolitical (China-Taiwan tension).
2. Samsung Foundry 2nm catch-up.
3. Macro slowdown impacting Mac demand.

[Valuation]
Target NT$1,200 = 22x FY26 PER x NT$54 mid-cycle EPS.
DCF cross-check: NT$1,180 (WACC 8.5%, terminal 3%).

[Compliance disclosure]
Author owns no position in TSMC. Firm acted as JV banker for ...

この一ページが実質的にレポートの90パーセントを占めます。残りの10-20ページはこの一ページを支える根拠のディープダイブです。

同業比較 (Comparable Analysis)

import pandas as pd

# 仮想の半導体同業データ
comps_data = {
    "ticker": ["TSMC", "Samsung Electronics", "SK Hynix", "Intel", "Micron"],
    "market_cap_usd_bn": [600, 380, 80, 200, 110],
    "forward_pe": [22.0, 12.5, 9.8, 18.5, 11.2],
    "forward_ev_ebitda": [12.5, 6.8, 5.2, 10.5, 6.5],
    "rev_growth_yoy": [0.18, 0.08, 0.25, 0.05, 0.30],
    "ebitda_margin": [0.55, 0.25, 0.40, 0.30, 0.35],
}

comps = pd.DataFrame(comps_data)
median_pe = comps["forward_pe"].median()
median_ev_ebitda = comps["forward_ev_ebitda"].median()
print(f"Median Forward P/E: {median_pe:.1f}x")
print(f"Median Forward EV/EBITDA: {median_ev_ebitda:.1f}x")

# Premium/Discountを自社銘柄と比較して計算
target_ticker = "TSMC"
target_pe = comps.loc[comps["ticker"] == target_ticker, "forward_pe"].values[0]
premium = (target_pe / median_pe - 1) * 100
print(f"{target_ticker} P/E premium to peers: {premium:+.1f}%")

この表はレポートの主要ビジュアルの一つです。「プレミアムを支払う合理性は何か」が次段落のテーマになります。マルチプルは一つだけでなく通常P/E、EV/EBITDA、P/B、EV/Salesを並列で見せ、どのマルチプルが最も妥当かを本文で正当化します。

資格: CFA、金融投資分析士、CMA、CIIA

韓国セルサイドに入社すると、入社後1年以内に金融投資分析士を取るのがほぼデフォルトです。CFAは時間がかかりますが、グローバルIBへの転職時にはほぼ必須に近いです。Level 1だけでも新人RA採用で加点されます。

英語 + 韓国語 + 日本語の言語能力

韓国セルサイドでは英語はIR資料の読解レベルで十分ですが、グローバルIBの韓国デスク(例: ゴールドマン・ソウル)は全てのレポートを英語で書きます。韓国語から英語への翻訳ではなく、英語で考えて英語で直接書ける必要があります。TOEFL 100+、IELTS 7.0+程度が最低ラインです。

日本市場も合わせてカバーしたい場合、日本語が強みになります。日本のIR資料は80パーセントが日本語ファーストで、英訳は1週間遅れて出ます。JLPT N2以上なら日本同業の分析で大きな優位があります。最近は日本市場への関心の高まりを受け、韓国セルサイドでも日本語可能者にプレミアムを払うようになりました。

面接質問20問

新人RA面接の定番質問は概ね次の通りです。

• 1. 好きな銘柄を一つ選び、5分以内に投資意見を述べてください。
• 2. その銘柄のEPSをどう推定しましたか?
• 3. その推定がコンセンサスと違う場合、なぜですか?
• 4. WACCはどう設定しましたか? リスクフリー・レートは?
• 5. マルチプル(P/E、EV/EBITDA)をどう正当化しますか?
• 6. 自身のコールが外れる可能性のあるシナリオを3つ挙げてください。
• 7. 昨日の米国市場で最大の変動があった銘柄は?
• 8. ホワイトボードでDCFを書いてください。
• 9. 一番好きな業界とその理由は?
• 10. 過去最も外したコールは? 何を学びましたか?
• 11. マージン圧迫を受ける企業をどうモデリングしますか?
• 12. 為替が企業損益に与える経路を説明してください。
• 13. サイクル業界と成長業界のバリュエーションの違いは?
• 14. コンセンサスを破るには何が必要ですか?
• 15. 好きなIBとその理由は?
• 16. CFA Level 1をなぜ取ろうとしていますか?
• 17. AIはリサーチ職務をどう変えますか?
• 18. バイサイドとセルサイドどちらに行きたく、なぜですか?
• 19. 一番好きなリサーチ・レポートを一つ挙げてください。
• 20. 5年後の自身のキャリアはどこにあると思いますか?

質問のうち70パーセントは銘柄分析とモデル能力を測り、30パーセントは人柄と動機を見ます。1番の質問はほぼ全ての面接で出るため、銘柄1-2件は自身のモデルまで完璧に準備すべきです。

報酬とボーナス

上の表はベース + ボーナス合算で、ベスト・アナリスト(II 1位)は1階層上のボーナスを得ます。バイサイドへジャンプするとベースは同程度ですが、ファンド成績連動ボーナスが加わり、良い年はセルサイドの2-3倍まで届きます。

キャリア・パス

典型的なセルサイドのキャリア・パス:

• Year 1-2: Research Associate (RA)。シニアの補助、モデル更新、データ整理。
• Year 3-5: Associate。自身のカバレッジ銘柄を2-4本開始。モーニング・ミーティングで発言。
• Year 5-8: VP。セクター内の核銘柄をカバー。II投票シーズンに重要。
• Year 8-12: Director / Executive Director。セクター・ヘッド。グローバル・マクロと連動。
• Year 12+: MD / Senior Analyst。自身の名前でII 1位を狙う。
• Optional: Head of Research、Strategist、あるいはバイサイドへジャンプしPM、CIOへ。

バイサイド・パスは少し異なります。通常セルサイドで3-5年経験を積み、バイサイドにAssociate Analystとして入り、5-7年後にSenior Analystとなり、続いてPortfolio Manager補佐となり、最終的に自分のファンドを運用するPMになります。

90日学習ルーチン

新人RAあるいは面接準備者が3ヶ月間で実践できるルーチン。

このルーチンを終えれば、面接官に対し「自身で作ったモデルで銘柄推奨を行い、推奨根拠を3つで説明できる」候補者になります。これだけで新人RAとしては上位10パーセントです。

失敗事例と協業フロー

リサーチのキャリアで最大の落とし穴は次の三つです。

• 外れコール + 認めない: 1年以上Buyで持ち続け、30パーセント下げてからHoldに変更。クライアントが離れる。
• 認知的不協和: 自身のモデルがコンセンサスと一致するまで仮定をいじり続ける。「なぜレポートを書いたのか」が消える。
• コンセンサス追従: イン・ラインのコールばかり1年中。評価シーズンに票が入らない。
• IR依存: 企業IRの発言通りにモデルへ反映。自身の視点が消える。
• モデル過剰適合: 30変数を作ったが翌四半期に自分でも追えないモデル。シンプルさは美徳。
• ミクロ・マクロ混同: 企業分析にマクロ変数を入れ過ぎて銘柄選択力が消える。

リサーチは外から見ると一人で机に向かい書く仕事に見えますが、実際は協業が多い職務です。

• モーニング・ミーティング (07:30): 営業、トレーディング・デスクへ自身のコメントを伝達。
• IRミーティング (随時): 担当企業のIRと昼食または電話。ガイダンスを確認。
• カンファレンスコール (決算期): 企業IR + CFOと30-60分通話。アナリスト1-2問。
• マーケティング・トリップ (半期): 自身のレポートを持ってクライアント(機関)訪問。韓国 → 香港、シンガポール、ロンドン、ニューヨーク。
• Sales Roadshow: 営業チームと共に機関訪問。自身のコールを営業が売れるよう支援。
• コンプライアンス: 全ての目標株価変更を事前承認。コンプライアンスが拒否すると配信できない。

良いシニアは自身の外れコールを明示的に認め、何の仮定が外れたかを次のノートに書きます。この透明性が長期的な評判を作ります。

マクロ変数のモニタリング (Python自動化)

import yfinance as yf
import pandas as pd
from datetime import datetime, timedelta

def daily_macro_dashboard():
    """毎朝7時に走らせるマクロ・ダッシュボード。"""
    tickers = {
        "S&P 500": "^GSPC",
        "Nasdaq": "^IXIC",
        "KOSPI": "^KS11",
        "Nikkei": "^N225",
        "USD/KRW": "KRW=X",
        "USD/JPY": "JPY=X",
        "WTI Crude": "CL=F",
        "Gold": "GC=F",
        "10Y Treasury": "^TNX",
    }

    end = datetime.today()
    start = end - timedelta(days=5)

    rows = []
    for name, ticker in tickers.items():
        data = yf.download(ticker, start=start, end=end, progress=False)
        if data.empty:
            continue
        last = data["Close"].iloc[-1]
        prev = data["Close"].iloc[-2]
        change_pct = (last / prev - 1) * 100
        rows.append({"name": name, "last": last, "change_pct": change_pct})

    df = pd.DataFrame(rows)
    df["arrow"] = df["change_pct"].apply(lambda x: "UP" if x > 0 else "DOWN")
    return df


# モーニング・ミーティング直前にデスクのモニターに表示しておく表。
print(daily_macro_dashboard())

これを毎朝07:00に自動実行すれば、モーニング・ミーティングの30分前に自身の担当セクターへ影響を与えるマクロ変数が一目で見えます。これがシニアと新人の差の一つです。新人はモーニング・ミーティングで聞き、シニアはミーティング前に自身のビューを作って持ち込みます。

推薦図書、資料、そしてReferences

新人にはDamodaranのNYU Stern公開講義(YouTube)とPat Dorseyの著書2冊で、モデリングと業界分析の80パーセントが押さえられます。

References:

• Aswath Damodaran NYU Stern Valuation Course: https://pages.stern.nyu.edu/~adamodar/
• CFA Institute: https://www.cfainstitute.org/
• 韓国金融投資協会 (KOFIA): https://www.kofia.or.kr/
• 韓国取引所 (KRX): https://global.krx.co.kr/
• Institutional Investor (II) Rankings: https://www.institutionalinvestor.com/research
• Greenwich Associates Research: https://www.greenwich.com/
• Refinitiv StarMine: https://www.refinitiv.com/en/financial-data/company-data/starmine-analytics
• Bloomberg Terminal: https://www.bloomberg.com/professional/
• FactSet: https://www.factset.com/
• AlphaSense: https://www.alpha-sense.com/
• Tegus by AlphaSense: https://www.tegus.com/
• Hebbia: https://www.hebbia.com/
• SEC EDGAR: https://www.sec.gov/edgar.shtml
• Wall Street Prep: https://www.wallstreetprep.com/
• Breaking Into Wall Street: https://breakingintowallstreet.com/
• Mergers and Inquisitions: https://mergersandinquisitions.com/
• ミレーアセット証券 採用: https://career.miraeasset.com/
• 韓国投資証券 採用: https://recruit.truefriend.com/
• NH投資証券 採用: https://recruit.nhqv.com/

結び

リサーチアナリストは「企業を読み結論を書く人」であり、ライティングはその結論を市場へ届けるためのフォーマットです。モデル、コンセンサス、業界仮説、営業協業、コンプライアンス、II投票が一つの塊として動きます。本記事が扱った28セクションを面接1ヶ月前から自身の成果物へ移し替えていけば、面接官の前で「私のモデル、私のコール、私のリスク」を澱みなく語れるようになります。今日、1銘柄を選び、3ページのリサーチ・レポートの初ページ(結論1行 + 根拠3つ + リスク3つ)から書き始めましょう。