知財ポートフォリオの集中 vs 分散：
ファイナンス理論で考える最適化

問題提起：ポートフォリオ理論はIPに適用できるか

1.1 ファイナンスにおけるポートフォリオ理論の達成

1952年、Harry Markowitz は「Portfolio Selection」という論文で、現代ポートフォリオ理論（MPT）を確立しました。 この理論の本質は単純です — 個別資産のリスクとリターンだけでなく、資産間の相関を考慮することで、 同じ期待リターンでもリスクを最小化できる「効率的ポートフォリオ」を構築できる。 逆に言えば、同じリスクでも期待リターンを最大化できる。これが MPT の核心です。

MPT はその後、CAPM（資本資産価格モデル）、APT（裁定価格理論）等への発展を経て、 資産運用の標準的フレームワークとなりました。年金基金、保険会社、機関投資家の運用は、 ほぼ例外なく MPT の発想に基づいて設計されています。

1.2 知財ポートフォリオへの適用可能性

では、この MPT の発想を、企業の知財ポートフォリオ管理に適用できるでしょうか。 直感的には可能性を感じます。企業の知財ポートフォリオも、リスクとリターンを持つ個別資産 （特許、商標、ノウハウ等）の集合体だからです。

しかし、いくつかの重要な相違点があります。

第一に、知財はそれ自体では収益を生まない。 株式や債券は、保有しているだけで配当や利息という収益を生みます。 これに対し、知財は事業と組み合わさって初めて収益を生みます。 特許単体を保有していても、それを使った製品が売れなければ、ライセンス収入が得られなければ、 あるいは競合の参入を阻止できなければ、経済価値はゼロです。

第二に、知財は分割しにくい。 株式は1株単位で売買できますが、特許は基本的に丸ごとの単位です （持分譲渡や専用実施権の設定は可能ですが、流動性は低い）。 ポートフォリオを動的に調整することが困難です。

第三に、リターンの測定が困難。 株式の年率リターンは、株価変動と配当から客観的に計算できます。 知財のリターンは、その知財がもたらした超過収益・防衛効果として計算するしかなく、 測定の主観性が高いです。

これらの相違点を踏まえると、MPT を知財ポートフォリオに「機械的に適用」することはできません。 しかし、「発想を借用する」ことには大きな価値があります。 本記事の目的は、ファイナンス理論のレンズを通して知財ポートフォリオを見直すことで、 新しい洞察を得ることです。

1.3 「集中」と「分散」の対立軸

MPT の最も基本的な含意は、「分散投資はフリーランチである」というものです。 個別資産のリターン期待値を変えずに、相関の低い資産を組み合わせるだけでリスクが減る。 これは、リスク回避的な投資家にとって明らかに有利です。

しかし、企業の知財戦略では「集中」と「分散」のどちらが望ましいかは、明確ではありません。 ASML のような超集中型ポートフォリオが圧倒的な競争優位を実現する一方、 製薬企業のような分散型ポートフォリオも合理的に機能している。 この対立を、本記事で整理していきます。

知財投資のリスクとリターン

2.1 知財のリターンとは何か

知財のリターンを定義するために、Insights #1 で提示した IP-P&L の3層構造を再活用します。

コア収益（直接収益）：知財から直接生まれる収益。 ロイヤリティ収入、ライセンス料、知財由来のプレミアム売上、独占的市場での超過利潤。

拡張収益（間接収益）：知財に紐づいた周辺ビジネスから生まれる収益。 ブランド由来の関連商品、エコシステム参加料、補完財の販売など。

防衛効果（参入障壁価値）：知財がもたらす競合参入阻止効果の貨幣価値。 「もし知財がなかったら侵食されていた売上 × 利益率」として定量化される。

これら3つを合計したものが、知財投資のリターンです。 リターンの期待値は、これらの加重平均として算出できます。

2.2 知財投資のリスクとは何か

知財投資のリスクは、リターンの不確実性として定義されます。具体的には、以下のような要因があります。

技術陳腐化リスク：技術トレンドの変化により、保有知財の価値が急減するリスク。 たとえば、内燃機関関連の特許群は、EV シフトにより長期的に陳腐化が進行している。

競合追従リスク：競合が代替技術を開発し、自社の知財の差別化効果が薄れるリスク。 あるいは、特許回避設計により、自社特許の防衛効果が無力化されるリスク。

技術陳腐化リスクと競合追従リスクは、似ているようで本質的に違います。技術陳腐化は市場全体のニーズが変質することで価値が失われる現象であり、競合追従リスクは、市場ニーズは存続するが、競合が同等以上の代替を提供することで相対価値が失われる現象です。

無効化リスク：訴訟・異議申立て・無効審判により、保有特許が無効になるリスク。 特に米国 IPR（Inter Partes Review）等の制度により、出願後10年・20年経った特許でも無効化されうる。

訴訟リスク：他社特許侵害で訴えられ、和解金・差止め・損害賠償を負うリスク。 特に NPE（Non-Practicing Entity、いわゆる特許トロール）による訴訟は、防御コストが高い。

規制リスク：特許法・独禁法等の改正により、知財の権利範囲・行使可能性が変動するリスク。 特に医薬品の物質特許、SEP（標準必須特許）の FRAND ライセンス等は規制動向の影響を強く受ける。

事業リスク：知財そのものではなく、関連事業の不振により、知財の経済価値が実現しない リスク。たとえば、優れた特許を持っていても、その特許を使った製品の市場が予想より小さければ、 知財の経済価値は限定的になる。

2.3 リスクとリターンの相関

MPT の核心は「リスクの異なる資産を組み合わせる」ことです。 知財領域では、リスク要因の相関を考えることが鍵となります。

たとえば、同じ事業領域（例：半導体メモリ）に集中する知財ポートフォリオは、 個別特許のリスクは相関が高い — メモリ市場全体が下落すれば、メモリ関連特許すべての 価値が同時に下落します。

一方、異なる事業領域（例：半導体・自動車・医薬品）にまたがる知財ポートフォリオは、 リスクの相関が低い。一つの市場が下落しても、他の市場は影響を受けにくい。 これは MPT 的には「効率的」なポートフォリオです。

しかし、ここに知財領域特有の問題があります。異なる事業領域にまたがる知財は、 通常、シナジー（相互強化効果）が小さいのです。 半導体特許と医薬品特許が同じ企業に集積していても、両者は技術的にも事業的にも独立であり、 相乗効果は限定的です。

これに対し、同じ事業領域に集中する知財は、シナジーが大きい。 半導体パッケージング特許とウェハー処理特許は、組み合わせることで強力な参入障壁を形成します。 リスクは相関するが、リターンも増大する。

この「リスク分散」と「リターン増大（シナジー）」のトレードオフが、 知財ポートフォリオの集中・分散議論の本質です。

集中戦略の論理

3.1 集中戦略とは

知財ポートフォリオの集中戦略とは、特定の技術領域・事業領域に R&D 投資を集中させ、 当該領域で圧倒的な特許ポートフォリオを構築する戦略です。 ASML の EUV、Apple のスマホ・エコシステム、トヨタのハイブリッド技術などが典型例です。

3.2 集中戦略の利点

第一の利点：シナジー効果による参入障壁の極大化

同じ技術領域の特許を多数集積することで、競合が回避不可能な「特許の網」を構築できます。 1件の特許なら回避設計可能でも、100件の特許群を全て回避するのは事実上不可能です。 これは「特許の Wall（壁）」と呼ばれることもあります。

たとえば、ASML が EUV 領域で構築しているのは、まさにこの「特許の壁」です。 EUV 露光装置を作るためには、ASML が保有する数千件の特許のうち、少なくとも数百件を 回避しなければなりません。これは物理的に不可能であり、結果として ASML は EUV 装置市場で 事実上の独占を確立しています。

第二の利点：規模の経済

集中領域では、R&D 投資の効率が高まります。同じ技術領域に投資し続けることで、 研究者の専門性が深まり、過去の知見が次の発見の基盤となる。これは「学習曲線効果」として よく知られた現象です。

たとえば、半導体メモリ領域で長年研究を続けてきた企業は、その領域での新規発明の 1件あたりコストが、新規参入者の数分の一にまで下がります。

第三の利点：交渉力の集中

集中領域では、特許交渉でも有利になります。 クロスライセンス交渉、共同研究契約、標準化議論において、強力なポートフォリオを持つ企業の 発言力は圧倒的です。

特に標準化議論では、当該標準に必須となる特許（SEP）を多数持つ企業が、 ライセンス料率の設定や、標準の技術方向性の決定に大きな影響力を持ちます。

3.3 集中戦略のリスク

第一のリスク：技術陳腐化への脆弱性

集中戦略の最大のリスクは、依存している技術領域が陳腐化した場合の打撃です。 内燃機関特許に集中していた企業は、EV シフトで大きな影響を受けています。 DRAM 専業のメモリ企業は、メモリ市況の悪化が直接経営を直撃します。

分散投資をしていれば、一つの市場の陳腐化は他の市場で補えますが、集中投資ではその逃げ場がありません。

第二のリスク：単一規制の影響

特定分野に集中していると、当該分野の規制変更の影響をフルに受けます。 たとえば、医薬品の物質特許は世界各国で延長制度や強制実施権の議論が進んでいますが、 これらの規制動向が、集中型の医薬品企業の経営を大きく左右します。

第三のリスク：技術破壊への対応困難

既存技術への集中投資が深いほど、破壊的技術への乗り換えが困難になります。 これは「イノベーターのジレンマ」として古典的な議論ですが、知財ポートフォリオの集中度が 高い企業ほど、この罠に陥りやすいと言えます。

分散戦略の論理

4.1 分散戦略とは

知財ポートフォリオの分散戦略とは、複数の技術領域・事業領域に R&D 投資を分散し、 リスクの相関を低めながらリターンの平均化を図る戦略です。 製薬大手の複数疾患領域投資、総合電機メーカーの事業多角化などが典型例です。

4.2 分散戦略の利点

第一の利点：リスクの相関低減

異なる事業領域は、相互の相関が低い傾向があります。 一つの市場の不振が、他の市場の好調で相殺される。これは MPT の本質そのものです。

たとえば、製薬大手は通常、循環器・腫瘍・中枢神経・代謝・感染症など、複数の疾患領域に R&D 投資を分散します。これにより、ある領域の新薬開発が失敗しても、他の領域の成功で 全体のリターンが確保される構造を作ります。

第二の利点：選択肢価値（オプション価値）

不確実性が高い領域では、「投資しておく」こと自体に価値があります。 これは、リアルオプション理論（後述）の核心です。

たとえば、量子コンピューティング関連の特許を少量保有しておくことには、 将来この技術が主流になった場合に備える「保険」としての価値があります。 集中戦略では、こうした保険的投資は意思決定されにくくなります。

第三の利点：交渉カードの多様性

多様な領域の特許を持つ企業は、様々な相手とクロスライセンスや共同開発の機会を持つことが できます。総合電機メーカーが、家電メーカー、自動車メーカー、通信メーカーなど、 広範な相手と特許交渉を行えるのは、ポートフォリオの幅広さによります。

4.3 分散戦略のリスク

第一のリスク：シナジー喪失とリターン低下

分散戦略では、各領域への投資が薄くなりがちです。結果として、どの領域でも「参入障壁の極大化」 ができず、競合と並走する状態が続きます。これは長期的なリターンの低下につながります。

「広く浅く」の知財ポートフォリオは、「狭く深く」のポートフォリオに比べて、 1件あたりの経済価値が低い傾向があります。

第二のリスク：管理コストの増大

多数の領域に分散したポートフォリオは、管理が困難です。 各領域の専門家、各国の権利化対応、各市場での競合分析 — これらすべてに対応するための 体制構築コストは、ポートフォリオが分散するほど大きくなります。

結果として、「持っているが管理しきれていない」状態の特許が増え、休眠特許（dormant patent） の割合が高くなる傾向があります。

第三のリスク：戦略的フォーカスの喪失

「あれもこれも」の分散戦略は、結果として「どれも中途半端」になりがちです。 経営層が「我が社の知財戦略の核は何か」を問われたとき、明確な答えを持てなくなる。 これは IR コミュニケーションや社内モチベーションにも影響します。

業界別の最適解

5.1 業界特性の3要因

集中と分散のどちらが望ましいかは、業界特性に強く依存します。 ここでは、3つの要因で業界を分類します。

要因1：技術更新サイクルの長さ

技術更新が短サイクルの業界（例：スマホ、ソフトウェア）では、集中していても陳腐化リスクが 相対的に小さい — 次世代技術への移行も比較的早く可能。 逆に、技術更新が超長サイクルの業界（例：医薬品、化学）では、特定領域への過度な集中は、 規制変更や技術破壊への脆弱性を高める。

要因2：個別資産の独立性

個別資産が独立して収益を生む業界（例：医薬品 — 1新薬で巨額収益）では、分散による リスク低減効果が大きい。逆に、複数特許の組み合わせで初めて価値が生まれる業界 （例：半導体・通信機器）では、集中によるシナジーが大きい。

要因3：標準化・規制の影響度

標準化が経営に直結する業界（例：通信、半導体、エネルギー）では、集中型ポートフォリオが 標準化への影響力を生み、優位性につながる。標準化の重要性が低い業界（例：消費財）では、 分散型のほうがリスク管理上有利。

5.2 製薬業界：分散優位

製薬業界は、上記3要因のうち：

技術更新サイクル：超長（新薬1個に10〜15年、累積で20〜30年の特許ライフ）

個別資産の独立性：極めて高い（新薬1個が単独で年間数千億円〜兆規模の売上）

標準化・規制の影響度：高いが、集中型ではなく分散型を有利にする方向

この組み合わせは、明確に分散戦略を支持します。 実際、大手製薬は通常、5〜10の疾患領域に R&D を分散させています。

製薬の分散戦略の合理性は、新薬開発の確率論からも裏付けられます。 基礎研究から承認まで成功する確率は、領域・適応症によって異なりますが、概して低い水準にあります。 多数のプロジェクトに分散投資することで、ポートフォリオ全体としての成功確率は実用的な水準 まで上がります。

業界レポートでよく言及される製薬の新薬開発成功確率は、フェーズ別に以下のように整理できます。

前臨床から第Ⅰ相試験へ：成功確率 30〜50%

第Ⅰ相から第Ⅱ相へ：成功確率 30〜50%

第Ⅱ相から第Ⅲ相へ：成功確率 30〜50%

第Ⅲ相から承認へ：成功確率 60〜80%

前臨床から承認までの累積成功確率：概ね 5〜15%程度

この成功確率の低さが、分散戦略の合理性を決定的にしています。 仮に20プロジェクトに分散投資すれば、確率的には1〜3個の新薬が成功する計算となり、 これが大手製薬の年間の新薬上市数とおおむね整合します。 一方、5プロジェクトに集中すれば、成功新薬がゼロになるリスクが現実的に存在します。

製薬の分散戦略の具体的なパターンを整理します。

パターン1：疾患領域分散 — 循環器、腫瘍、中枢神経、代謝、感染症、希少疾患などへ分散

パターン2：開発ステージ分散 — 早期(前臨床)、中期(第Ⅱ相)、後期(第Ⅲ相)のバランス

パターン3：モダリティ分散 — 低分子、抗体、核酸、細胞・遺伝子治療、ワクチンなど

パターン4：地理分散 — 各国市場での薬価制度・規制に応じた地域別パイプライン

大手製薬は、これら4つの軸すべてで分散を図るのが一般的です。 これにより、特定疾患の規制変更、特定モダリティの技術的失敗、特定地域の市場縮小などの リスクに対するレジリエンスを確保しています。

ただし、製薬の分散戦略にも進化の兆しがあります。希少疾患・遺伝子治療への 集中型バイオベンチャーの台頭、大手による特定疾患領域への「集中再編」など、 「分散一辺倒ではない」動きも見られます。

特に注目すべきは、近年の大手製薬による「Therapeutic Area Focus」戦略の進展です。 具体的には、自社の競争優位が確立できない疾患領域からの撤退、競争優位のある領域への集中、 バイオベンチャー買収による特定領域の能力強化、といった動きです。 これは、純粋な分散戦略から「選択的分散」(数領域への集中分散)への移行を意味します。

5.3 半導体業界：集中優位

半導体業界は、上記3要因のうち：

技術更新サイクル：中（プロセスノード世代の更新が2〜3年）

個別資産の独立性：低い（多数特許の組み合わせで初めて競争力）

標準化・規制の影響度：極めて高い（プロセス標準、インターフェース標準）

この組み合わせは、集中戦略を強く支持します。 実際、半導体製造装置のリーダー（ASML、Applied Materials、TEL 等）は、特定プロセス領域 （EUV、エッチング、成膜等）で集中型ポートフォリオを構築しています。

半導体集中戦略の典型は、ASML の EUV です。同社は2000年代から EUV 露光技術に R&D 投資を 集中させ、結果として2020年代に EUV 露光装置市場で事実上の独占を確立しました。 この集中戦略がなければ、現代の最先端半導体製造は成立しません。

半導体業界における集中戦略の合理性を、さらに深く分析します。

第一に、半導体製造はシステム統合性が極めて高い領域です。 1枚のウェハーから完成チップに至るまで、リソグラフィ、エッチング、成膜、CMP、洗浄、検査、 パッケージング等の数十の工程を経ます。各工程で使用される装置・材料・プロセスが、 相互に最適化されている必要があります。 このシステム統合性のため、「特定工程に特化した集中投資」が、競争優位の源泉となります。

第二に、半導体製造では技術習熟曲線が極めて急峻です。 1つの装置を市場投入してから歩留まり改善・性能向上を実現するまでに、数千時間の運用データと 継続的な改良が必要です。この習熟過程で得られる知見そのものが、競争優位を形成します。 新規参入企業が、既存リーダーの累積習熟をキャッチアップするのは、技術的に困難です。

第三に、半導体顧客企業（TSMC、Samsung、Intel 等）は、装置サプライヤーの技術リーダーシップを 極めて重視します。1〜2世代先のプロセスを共同開発できる装置サプライヤーとしか、 本格的な取引関係を築きません。これは、技術リーダーの「強者総取り」を加速させます。

これら3つの要因が複合することで、半導体製造装置業界では、特定領域への集中投資企業が 極めて高い競争優位を確立しやすい構造となっています。ASML の EUV 領域での事実上の独占、 Applied Materials のエッチング・成膜領域での圧倒的地位、TEL の特定工程での競争力 — これらは、集中戦略の典型的な成功例です。

半導体メモリ（DRAM、NAND）も類似の集中構造ですが、こちらは標準化された製品の 規模の経済が決定的なため、知財ポートフォリオの集中以上に「設備投資の集中」が 競争力を決めます。実際、DRAM 市場はかつての日本企業による寡占から、現在は3社寡占 （Samsung、SK Hynix、Micron）へと収斂し、参入障壁の高さを物語っています。

半導体ロジック（CPU、GPU、SoC等）では、知財ポートフォリオの集中戦略がやや異なる形で機能します。 NVIDIA、Intel、AMD、Apple、Qualcomm 等のロジック半導体企業は、それぞれが特定のアーキテクチャ 領域（GPU、CPU、モバイル SoC等）に集中することで、競争優位を維持しています。 特に GPU 領域での NVIDIA の集中投資は、AI 半導体市場での事実上の独占を生み出しています。

5.4 消費財業界：ハイブリッド戦略

消費財業界は、特殊な特性を持ちます：

技術更新サイクル：多様（食品の基礎技術は超長、ファッションは超短）

個別資産の独立性：ブランドは高い、特許は中程度

標準化・規制の影響度：中程度（食品安全規制、化粧品成分規制等）

消費財業界の最適解は、「ブランドへの集中投資 + 周辺特許の分散投資」という ハイブリッド戦略です。

具体的には、主力ブランド（Coca-Cola、Nike、Louis Vuitton 等）への商標投資・マーケティング投資は、 極度に集中させます。一方、製品技術（処方、製造方法、機能性）に関する特許は、複数の 製品カテゴリに分散させます。

この戦略の合理性は、消費財におけるブランドの「自己強化的な性質」によります。 強いブランドはさらに強くなる傾向があるため、集中投資の収穫逓増が働く。 一方、製品技術は競合追従されやすいため、分散による多様性確保が有利です。

消費財業界のハイブリッド戦略を、さらに細かく分析します。

第一に、商標・ブランドの集中について。 グローバル消費財企業は通常、5〜20の「メガブランド」と呼ばれる主力ブランドに、 マーケティング予算の8割以上を投入します。残り2割を、小規模ブランドや新興ブランドの育成に充てる。 このメガブランド戦略は、ブランドの自己強化的性質を最大限に活用する設計です。

具体的な企業の例として、グローバル消費財大手の Procter & Gamble（P&G）は、Tide、Pampers、 Gillette、Crest など、約20のメガブランドに事業を集中化しています。 2014年以降、同社は約100のブランドを売却・整理し、メガブランドに経営資源を集中する戦略を実行してきました。 この集中化により、ブランド１件あたりのマーケティング投資効率が向上し、競争優位を強化しています。

第二に、製品技術特許の分散について。 消費財における製品技術は、競合追従が比較的早いため、特定技術への過度な集中はリスクとなります。 このため、複数のカテゴリ・複数の技術領域に分散投資することで、リスクヘッジを図ります。

たとえば、化粧品大手は、スキンケア、メイクアップ、ヘアケア、フレグランスの各カテゴリで、 それぞれ独立した R&D 投資を行います。さらに、各カテゴリ内でも、有効成分研究、製剤技術、 パッケージング技術等の複数領域に分散投資します。 これにより、特定技術の競合追従による経済価値の喪失リスクを限定します。

第三に、ブランドと技術の相乗効果について。 消費財において、ブランドと技術は本来独立ではなく、相互強化的な関係にあります。 強いブランドは、新技術の市場受容性を高め、新技術の成功は、ブランドの差別化価値を高める。 このため、メガブランドへの集中投資と、技術分散投資は、戦略的に統合される必要があります。

たとえば、Nike は「Air」技術への集中投資により、技術ブランドとしての差別化を実現し、 この技術差別化が Nike ブランド全体の価値を高めています。 このような「ブランド × 技術」の戦略統合が、消費財企業の競争優位の源泉となります。

5.5 ソフトウェア・IT 業界：可変

ソフトウェア・IT 業界は、企業ステージと戦略により最適解が変動する分野です。

創業期スタートアップ：徹底的な集中（コア技術1点突破）

成長期：徐々に周辺へ拡張（コア + 隣接領域）

成熟期 GAFA レベル：超分散（プラットフォーム × エコシステム）

Apple のように、長年「集中型 → エコシステム型」への進化を遂げた企業もあれば、 Google のように当初から「広範な検索エコシステム」を志向した企業もあります。 ソフトウェア業界は、戦略の自由度が高い分、知財ポートフォリオの最適解も多様です。

集中度の測定 — HHI の活用

6.1 HHI とは

HHI（Herfindahl-Hirschman Index、ハーフィンダール・ハーシュマン指数）は、 本来は市場の集中度を測る指標として、独禁法や M&A 審査で用いられます。 シェア の二乗和として定義され、市場が完全集中（独占）の場合 10,000、完全分散の場合 ほぼ 0 となります。

この指標を、知財ポートフォリオの集中度評価に転用できます。 詳細はGlossary：HHIもご参照ください。

6.2 知財HHIの算出方法

知財ポートフォリオの集中度は、次のように HHI 化できます。

ステップ1：保有特許を技術領域（または事業領域）別に分類する

ステップ2：各領域のシェア（領域内特許数 ÷ 全体特許数）を算出する

ステップ3：シェアの二乗を合計する

たとえば、全1,000件の特許のうち、領域A 600件、領域B 300件、領域C 100件であれば、 HHI = 60^2 + 30^2 + 10^2 = 3,600 + 900 + 100 = 4,600 となります。

HHI 4,600 は、米国独禁法基準では「高度に集中した市場」に該当します。 これは、当該企業の知財ポートフォリオが、領域A に強く集中していることを示します。

6.3 HHI による業界比較

公開情報から推定した、業界別の典型的な知財 HHI を示します（推定値）。

半導体製造装置（ASML 等）：HHI 6,000〜8,000 — 超集中

製薬大手：HHI 1,500〜3,000 — 適度な分散

総合電機（日系大手）：HHI 800〜1,500 — 極度な分散

自動車（トヨタ等）：HHI 2,000〜3,500 — 中程度集中（HEV/BEV/FCV 関連が中心）

消費財（P&G 等）：HHI 1,000〜2,500 — 分散だがブランド集中

これらの数値は、業界平均ではなく「業界の典型的なリーダー企業」のものです。 業界内でも、企業によって HHI は大きく異なります。

6.4 HHI の経営判断への活用

HHI を経営判断に活用する3つの方法を提案します。

方法1：自社 HHI の業界比較

自社の知財 HHI を、業界の主要競合と比較する。 業界平均より高い場合：集中戦略を採っている、または偶然集中している。 業界平均より低い場合：分散戦略を採っている、または資源が分散しすぎている。 これは戦略議論の出発点となります。

方法2：時系列での HHI 変化追跡

5〜10年の時系列で、自社 HHI の推移を追跡する。 HHI 上昇傾向：集中度が高まっている — 意図的な集中戦略なら良いが、意図せざる集中ならリスク。 HHI 低下傾向：分散度が高まっている — 意図的な多角化なら良いが、フォーカス喪失の徴候かもしれない。 変化の背景を分析することが重要です。

方法3：HHI と業績の相関分析

業界各社の HHI と業績指標（営業利益率、ROIC 等）の相関を分析する。 集中戦略が業績に貢献している業界では、HHI と業績に正の相関が見られる。 分散戦略が望ましい業界では、負または無相関。これは業界の最適解を判断する材料となります。

動的最適化 — リアルオプション視点

7.1 静的最適化の限界

これまで議論してきた集中・分散の選択は、ある時点での「静的な」最適化です。 しかし、現実の企業環境は不確実性が高く、最適な集中度は時間とともに変動します。

たとえば、自動車業界では、2010年頃までは内燃機関関連特許への集中が合理的でしたが、 EV シフトが進むにつれて、内燃機関集中はリスクとなり、EV 関連特許への分散・移行が 必要になりました。

このような動的環境では、「静的最適解」を一度算出するだけでは不十分で、 継続的に最適解を更新していく必要があります。これがリアルオプション理論の発想です。

7.2 リアルオプション理論の知財への適用

リアルオプション理論は、金融オプションの発想を実物投資に適用したものです。 本理論の核心は、「投資の柔軟性自体が価値を持つ」というものです。

知財投資に適用すると：

初期段階の小規模投資：将来の本格投資への「オプション」を確保するための、 比較的少額の投資。たとえば、新興技術領域での少数特許出願は、その領域への本格参入の オプションを買うことに相当します。

段階的拡張投資：技術の有望性が確認されるにつれて、投資を段階的に拡大する。 オプションの行使に相当します。

撤退判断：技術が陳腐化するか、競合の優位が確立された場合、追加投資を停止する。 オプションの放棄に相当します。

このフレームワークの強みは、「不確実性が高いほど、オプションの価値が高い」という点です。 不確実な領域に「少しだけ投資しておく」ことの価値が、定量化できます。

7.3 オプション価値の計算例

具体的な例で考えます。ある企業が、将来有望と思われる新興技術領域 X への参入を検討しているとします。

シナリオA（楽観）：5年後に市場が形成、自社シェア 20% を取れれば年間 500億円の収益、確率 30%

シナリオB（中位）：5年後に市場形成、自社シェア 10%、年間 200億円の収益、確率 40%

シナリオC（悲観）：技術が普及せず、収益ゼロ、確率 30%

期待収益（5年後時点）：500 × 0.3 + 200 × 0.4 + 0 × 0.3 = 230億円/年

このシナリオで、本格参入には R&D 投資 1,000億円が必要だとします。 シナリオCが現実化した場合の損失は 1,000億円なので、シンプルな期待値計算では 本格参入は微妙な判断です。

しかし、リアルオプション的アプローチでは：

第1段階（年1〜2）：50億円で「初期特許出願 + 基礎研究」 — オプション買い

第2段階（年3〜4、技術の有望性が見えた場合のみ）：300億円で「本格特許化 + 開発」

第3段階（年5以降、市場形成が確認された場合のみ）：650億円で「量産投資 + 商業化」

このアプローチでは、シナリオCが現実化した場合、第1段階の 50億円の損失で済みます。 シナリオA・Bが現実化した場合のみ、段階的に投資を拡大します。 結果として、期待 NPV は単純な「最初から 1,000億円投資」より大きくなります。

7.4 リアルオプション視点での集中・分散

リアルオプション視点では、「集中 vs 分散」の議論は次のように再構成されます。

現在確実なリターンが見えている領域 → 集中投資（既存集中戦略）

将来有望だが不確実性が高い領域 → 分散的に「オプション買い」（オプション戦略）

陳腐化が見えてきた領域 → 段階的撤退（オプション放棄）

この組み合わせにより、企業は「現在の収益最大化」と「将来の可能性確保」の両立が可能になります。

7.5 オプション戦略の実装上の課題

リアルオプション的な知財投資戦略は、理論的には魅力的ですが、実装上の課題があります。

第一の課題：オプション価値の主観性

シナリオの確率分布は、本質的に主観的な見積もりです。3つのシナリオの確率を 30:40:30 と するか 20:50:30 とするかで、結論が変わってしまいます。 これに対処するには、複数の評価者・複数のシナリオ仮定で感度分析を行うことが推奨されます。

第二の課題：撤退判断の難しさ

オプション放棄（撤退）の判断は、組織心理学的に困難です。 過去の投資への執着、関係者の面子、サンクコストの錯覚により、本来撤退すべき領域への 投資を続けてしまう傾向があります。 これに対処するには、撤退判断のための明確な基準（売上閾値、シェア閾値、競合動向閾値）を 事前に設定することが有効です。

第三の課題：組織能力

段階的投資・オプション戦略を実行するには、組織の機動力が必要です。 意思決定が遅い大企業では、せっかくのオプション戦略も、判断の遅れにより機会喪失する ことがあります。組織のフラット化、決裁権限の現場移譲などの組織改革が併せて必要となります。

結論：「最適化問題」ではなく「経営判断」である

8.1 数学的最適解は存在しない

本記事を通じて議論してきたように、知財ポートフォリオの集中 vs 分散は、 ファイナンス理論的に「最適解」を計算できる問題ではありません。 業界特性、技術トレンド、競合動向、企業の戦略意思、組織能力 — 多数の要因が絡み合い、 唯一の正解はありません。

これは MPT が想定する「リスクとリターンの相関を計算できる流動資産」と、 「シナジー・陳腐化・規制という複合的要因を持つ無形資産」の本質的相違から来るものです。

8.2 経営判断の論拠を提供するフレームワーク

しかし、本記事のフレームワークは、経営判断の質を高めるための論拠を提供します。 具体的には：

業界特性に応じた集中・分散の合理性を明確化する

HHI 指標により、自社のポジションを定量化する

リアルオプション視点により、不確実性下での段階的意思決定を支援する

これらは「答えを出すツール」ではなく、「議論の質を高めるツール」です。 最終的な判断は、経営者の戦略意思と責任に基づいて行われるべきです。

8.3 Aegis Nova のアプローチ

Aegis Nova IP Consulting では、本記事のフレームワークを実装する形で、 クライアント企業の知財ポートフォリオ診断・最適化支援を提供しています。具体的には：

現状把握：自社の知財 HHI を算出し、業界比較で位置づける

戦略議論：集中・分散の論理を経営層に提示し、戦略意思を引き出す

オプション設計：不確実な領域への「オプション買い」の優先順位を整理する

実行プラン：3〜5年の知財投資ロードマップを設計する

これらは、Service 01「戦略診断」、Service 02「知財ロードマップ」、 Service 05「フラクショナル CIPO」として提供されています。

8.4 結語

知財ポートフォリオの最適化は、財務指標の最適化問題ではなく、 企業の長期的な戦略意思の問題です。集中と分散の選択は、「どんな企業になりたいか」 「どんな競争優位を築きたいか」という問いの答えに他なりません。

本記事のファイナンス理論的フレームワークは、この戦略意思の議論を、定量的・客観的に 裏付けるためのツールです。経営者・知財責任者・CFO がこのフレームワークを共有することで、 知財経営の議論の質が大きく向上することを期待しています。