notes by PDI

（※100倍達成確率の計算に誤りがあったので12月20日修正。表は差し替え、他は見え消しで対応）  （疑問） 「 1年で億り人になる 」という本がある。 中身は読んでないが目次を見た感じ借金して不動産に投資するといいという話の様子。 不動産はいろいろ手間がかかるので、借金して（レバレッジをかけて）ETFに投資して1年で1億円に増やす方法を考えてみたい。 かといって元手が少しはないと始まらないので100万円手元にあるとしよう。 どのETFをどのくらいのレバレッジで投資したらどれだけの確率で100万円が1億円（100倍）になるか。 （調査方法） 東証上場のETFについて過去3年の値動きを調べる。 過去の日次対数リターンとリスク（標準偏差）から最適レバレッジを見つける。 対数リターンが正規分布に従うという前提で、最適レバレッジで投資したときに1年後（252営業日後）に資産が100倍になる確率を計算する。 金利はゼロ%として計算。 空売り（最適レバレッジマイナス）になるETFは除外。 （調査結果） 東証に上場している ETF309本 のうち3年のデータが取れた277本について調査したところ、1年で1億円を達成できる確率の高いETFと最適レバレッジの組合せ上位は下表のとおり。 リターンが高くリスクが低い（=シャープレシオが高い）ETFのレバレッジをできるだけ上げるのが1億円達成の近道なので、もともとのリターンが高いだけでなく、相対的に低リスクのETFが上位になっている。 過去3年の価格変動に基づけば、最も1億円達成の確率が高いのは野村アセットの1489「 NEXT FUNDS日経平均高配当株50指数連動型上場投信 」で、10.5倍のレバレッジをかければ 14% 2.8%の確率で1年後に100倍になる。 成長株や米株ETFではなく高配当が1位になったのは意外。現物のパフォーマンスはそれほどでもないが相対的な低リスクが貢献している。3位の2849「 グローバルX Morningstar 高配当ESG-日本株式ETF 」も同じ背景。 2番目に億り人達成の確率が高いのは日興アセットの2239「 上場インデックスファンドS＆P500先物レバレッジ2倍 」で、アメリカ株にフルベットするのが資産を増やす近道という直感に近い結果になった。 とはいうものの億り人達成確率上位10位のうち...

 （疑問） 事業をして得た利益を資産家が「自分一人でため込む」のと「人々に広く分配する」のはどちらが社会全体にとって良いのか？ 金持ちが貧乏な人に富を分け与えることに経済的な意義はあるか。 お金配りおじさんの是非。 （調査方法） 国民の唯一の経済活動が公正なコイン投げ（表と裏の出る確率はどちらも50%）という国を想定する。 人口は1万人で、スタート時点に一人一人が1万円保有しており、国全体で合計1億円の資産がある。 国民はコイン投げのたびに持っている資産をすべて賭ける。 コイン投げは1年間に500回実施する。 コイン投げで得た儲けについて各人が「一人でため込む」場合と、「毎回人々に分配する」場合の2通りの分配方法を考える。 表が出た時の配当率が元本の50%、裏が出た時は元本のマイナス50%、つまりコイン投げの期待値が0%の公正な賭けのほか、表が出た時の配当が60%、90%、100%、110%の計5通りの配当率の組合せを考える。 2つの分配方法と5つの配当率、組み合わせて計10通りについてシミュレーションを行い、1年後の資産の状況を調べる。 「一人でため込む」場合と「毎回人々に分配する」場合の1年後の資産を比較してどちらが良い制度か判断する。 なお、コイン投げの胴元/親/ハウスに関しては外部の存在、どこかよその国として考える。 （調査結果） スタート時1億円だった国民全体の資産は、10通りのシミュレーションを行った結果、1年後（コイントス500回の後）の資産は下グラフのとおりになった。 一番資産を伸ばしたのはリターンの期待値が最も高い、表の時の配当率が110%で、かつ人々に儲けを分配するパターンだが、桁が大きくなりすぎて他との比較ができない。 そこで、シミュレーション結果の資産額を、1コイントス当たりの複利成長率に直した結果が下グラフになる。 表が出た時の配当率が高い、つまりコイントスの期待値が高いほど成長率も高くなるというのは自然な結果。 全てのシミュレーションで、コイントスの都度得た利益を全員に分配する方が成長率が高くなる。 コイントスの都度、儲けを負けた人に分配する場合の社会全体での資産成長率はそれぞれの期待値と一致する。 一方で、儲けを分配しない場合の社会全体での資産成長率は期待値を大きく下回っている。 なお上のグラフでは見づらいが、表が出た時の分配率...

 （疑問） リターンの歪度が0のギャンブルを繰り返したとき、ギャンブル後の資産（NAV）の分布は歪度がプラスになる（=儲かるのは一部の人間だけでほとんどが損をする）。 リターンの歪度がマイナスのギャンブルの場合、ギャンブル後の資産（NAV）の分布は歪度マイナスになるのか。 （調査方法） β分布の定数を操作して歪度がゼロ、プラス、マイナスの分布を作成。 得られた分布から無作為に得た確率変数を1回のギャンブルで得られる対数リターンとしてシミュレーション。 100人が1万円を元手に200回連続してギャンブルを行った結果の資産の分布を確認する。 （調査結果） 歪度がマイナスの分布のシミュレーション α:β=90:10の分布、歪度マイナス0.58 意外だが100人が200回続けてギャンブルした結果の分布は右裾が長い＝歪度がプラスになる α:β=8:2の分布、歪度マイナス0.73 NAVの分布はより極端に右裾が長くなる 歪度が0の分布のシミュレーション α:β=50:50、歪度マイナス0.03 こちらも200回のギャンブル後のNAVは右裾が長い分布になる α:β=5:5、歪度プラス0.06 歪度がプラスの分布のシミュレーション α:β=10:90、歪度プラス0.55 こちらも200回のギャンブル後のNAVは右裾が長い分布になる α:β=2:8、歪度プラス0.84 まとめ 元の分布が左右どちらに歪んでいても繰り返しギャンブルを行った後の資産の分布は右裾が長くなる。 つまり元の分布の歪度がプラスでもマイナスでも関係なく、繰り返しギャンブルの後の資産の分布は歪度がプラスになる。 ギャンブルを繰り返すと、一部の人が大勝ちする一方でほとんどの人が損をする。 右裾の長さ=歪度の大きさは元の分布のばらつき度合い（標準偏差）により動いている様子。ばらつきが大きいほど、繰り返しギャンブル後の資産分布が偏る。 以上

（疑問） 期待リターンがゼロの公平な賭けの賭けを顧客に提供してもカジノは儲かるというが本当か？ （調査方法） 5人の客が1人1万円をもって来店し、保有資金をすべて5分5分の賭け（例えば丁半、赤黒、表裏、奇数偶数）に賭ける 勝った時のリターンは+50%、負けた時のリターンは-50% この賭けを200回実施する としてシミュレーションした。 （調査結果） 4回シミュレーションを行った結果は以下の通り、横軸に賭けの回数、縦軸にカジノの損益を並べている。 途中に変動はあるが4回のシミュレーションすべてで200回の賭けの後のカジノの利益は5万円、つまり5人の客は全員が持っていた1万円をすべて失った。 （疑問その2） 五分五分の賭け=期待値0なのになぜ一方的にカジノが勝つのか？ 5人の客の損益が互いに相殺しあってカジノ側の損益の分散を減らし有利に働いているのか？ （調査結果その2） そこで改めて1人の客が1万円をもって200回賭けをしたものとしてシミュレーションした。 4回のシミュレーション結果は以下の通り、200回の賭けの後には顧客の資金1万円がすべてカジノの利益になって、5人の場合と似たような結果に。 つまりカジノが儲かる根源的な理由は顧客の損益が打ち消しあっていることではない。 （疑問その3） なぜ1対1の賭けでもカジノ側が有利な方向に収れんするのか？ 反対側に賭けたら客の有利な方に収れんするか？ （調査結果その3） 客1と、客1の反対に賭ける客2を想定してシミュレーションした。 200回の賭けの客1、客2の資産推移は以下の通り。 客1客2どちらも当初1万円あった資産が0円になり、2万円はカジノへ移転。 つまり表裏、丁半、赤黒を当てれば資金を増やせるわけではなく、ポイントは別のところにある。 （疑問その4） 顧客から見て5分5分の賭けはカジノから見たら5分5分ではないのか？ （調査結果）（調査結果その2）でみたとおり、最終的にカジノの利益に収れんするが、200回の賭けの途中で大幅にカジノ側に損失が発生していた時期もあった。 カジノ側が無限の資金力を持っていることが有利に働いているのではないか？ （調査結果その4） 資金力の効果を見るため、客側の1回の賭け金を手持ち資金の一定比率に減らすことで資金力の効果をシミュレーション。 結果は以下の通り。 掛け金の比率を減らす（客...

 未公開株、合同会社債、医療法人債、仮想通貨、NFT、ワンルームマンション投資など妙に利回りのよいーーほとんどが詐欺のーー投資商品のセールスにおいてたびたび投げかけられる質問 • そんなに儲かる話をなんで他人に紹介する？ に対してエルゴード性を使ってもっともらしい回答例を考えたので悪用しないでください。

 （疑問） S&P500のImplied Volatility（IV=VIX）は平時にはRealized Volatility（RV）よりも高いことが知られており、IV-RVはvolatility risk premiumと呼ばれている。 1990年以降の平均でIVはRVを4.1程度上回っている。 VIXのImplied Volatility（=VVIX）も同様にRealized Volatilityより平均的に高いのか。 （調査方法） VIXとVVIXのデータを取得してVIXの動きから1か月（21取引日）のRealized Volatilityを計算しImplied Volatility（VVIX）と比較した。 （調査結果） VVIXのデータが取れる2007年以降のデータを使って、VVIXの推移と21営業日のRV（21営業日後のHistorical Volatility）を比較したところ、実績データのRV、HVが激しく変動するためよくわからない。 そこでIV(VVIX)-RVをチャートにしたところ平均的にIV<RVになる状況が認められた。 2007年以降の平均でRVがIV（VVIX）を20程度上回っていた。 IV-RVの分布は中心（中央値）がややマイナスで尖っており、左裾が長めになっている S&P500のIV（VIX）とは逆に、VIXのIV（VVIX）の期間構造は右下がりになる（原資産であるVIXオプションの期日が先になるほどIVが低くなる）傾向があるが、IVがRVより小さくなることと関連があるのかもしれない。 以上

 疑問 ボラティリティが増加するとオプションの価値は上がるし、減少すると下がる その上がり方、下がり方はどうなっているのか？ オプション価格はボラティリティの変化に対して線形か非線形か？ 調査方法 ブラックショールズモデルを前提としてIVをいろいろ動かして視覚的に調査 具体的には 株価20、行使価格17（コールはITM、プットはOTM）の場合と、 株価20、行使価格20（ATM） の2パターンについて金利、残存期間をいじってIVとオプション価格の関係をチャートで確認 調査結果（要約） IVとオプション価格の関係は非線形 IVが一定水準以下までは下に凸の形（convex）、一定水準以上になると上に凸（concave)になる convexとconcaveが切り替わるIVの水準（閾値）は金利と残存期間で変わる 金利が高いと閾値は高くなる=>金利が高いとより高いIV水準でconvexからconcaveに代わる 残存期間が短くなると閾値は高くなる=>残存期間が短いほうが低いIV水準でconvexからconcaveに代わる 株価と行使価格の距離が近くなると閾値は小さくなる=>株価と行使価格の差が小さい方が、低いIV水準でconvexからconcaveに代わる 調査結果（具体例） 株価20、行使価格17（コールITM、プットOTM）の場合 残存期間1か月、金利5％の時、IV200くらいまで下に凸（convex）、それ以上は上に凸（concave） 株価20、行使価格20（ATM）の場合 残存期間1か月、金利5％の時、視覚的にはほぼ直線だがIV30くらいまで下に凸（convex）、それ以上は上に凸（concave） 以上

 （疑問） S&P500の場合、ほとんどの期間でImplied Volatility (VIX) はHistorical Volatilityよりも高い。 SPXだけではなく他の指数や個別銘柄ではどうなる？ 一般にIVはHVよりも高いといえるか？ （調査方法） 実際の指数又は株価から過去21営業日（≒1か月）のHistorical Volatilityを計算する。 各対象資産のオプションデータに基づきVIXと同じ計算方法で30日のImplied Volatilityを計算する。 主な指数、株価、ETFについて両者を比較する。 （調査結果） 2023年3月3日のデータでHVとIVを計算した結果のプロットは下図の通り。 一般にIVがHVよりも高いとは言えない。 SPX (S&P500), IBM, USO (原油ETF), SLV (銀ETF), BITO (ビットコインETF), TQQQ (ナスダック100トリプルブル)など調査対象とした20銘柄のうち15銘柄でIVがHVを上回っていた。 他方、VIX, SQQQ (ナスダック100トリプルベア), AMZN (アマゾン), GOOGL (アルファベット)など5銘柄でIVがHVを下回った。 IV>HVの銘柄群とIV<HVの銘柄群の違いはなんだろうか？ 下のグラフはIV>HVの銘柄群と、IV<HVの銘柄群についてオプション満期ごとのIVをサンプル銘柄について表示したもの。 IV>HVの銘柄はオプション価格から計算したIVがなんとなくコンタンゴになる傾向 IV<HVの銘柄は逆でなんとなくバックワーデーションになる傾向。 IVの期間構造がIVとHVの大小の背景にありそうだが理由は不明。 以上

 疑問 S&P500のVIX先物は大体の場合 満期までの期間が長くなると高くなる=いわゆるコンタンゴ になることが知られている。 VIX「先物」ではなくて VIXそのものの場合も期間が長いほど水準が高くなる 場合が多いようだ。 個別株や債券、為替などS&P500以外の資産についても同じことが言えるのか？ 調査方法 CBOEのサイトでS&P500といった指数のほかにも、 アップルなど個別株 や BND等のETF など様々なオプションのデータが入手できるので、そのデータをもとに VIXの計算方法と同じ方法を使って 、満期ごとのvolatilityを計算する。 計算の対象はダウ平均構成銘柄や主要ETFなどを適当に選んだ。 データはすべて2023年2月13日の値を使用した。 調査結果（まとめ） S&P500のvolatilityはオプションの満期が長くなるほど高くなるコンタンゴの関係がみられるが、それ以外の資産はバラバラ。 volatilityが一般にコンタンゴになるとは言えない。 Nasdaq100やラッセル2000は満期とvolatility水準にはっきりした傾向はみられない。 同様に、債券ETFはどれも満期に関係なく同じような水準。 ブルベアETFとテクノロジー銘柄は満期が長くなるほどvolatilityが低くなるバックワーデーションの関係。 個別株の場合、決算発表が間近に迫るとvolatilityが高くなるパターンはありそう。 調査結果（個別） 下グラフはS&P500（SPX）、ダウ平均（DJX）、ナスダック100（NDX）、ラッセル2000（RUT）それぞれのvolatilityを計算したもの 期近2月満期のオプションから計算されるvolatilityがすべての調査対象で高くなっていたためグラフ表示から除外した。今後のグラフはすべて同様。 期間別のvolatilityの形状を見るとSPXは期間長い=>volatility高いという傾向が明確にあるが、NDX、RUTではあまり明確ではない。DJXは2023年満期では横ばいで2024年分が若干高くなっている傾向。 つぎにSPXと先進国株式（MXEA）、新興国（MXEF）、そしてS&P500ETF（SPY）を比較した。 MXEF、SPYは目先数か月についてはS...

 （疑問） レンジ相場でレバレッジファンドが減価するのはなぜか （調査方法） 具体的なシナリオでシミュレーション 当初株価100で90から110の間を変動し最後も100になる株式を想定 -1から2までの異なるレバレッジでの基準価格を計算 （調査結果） シミュレーション結果は下記の通り 株価が行ったり来たりしてもとに戻る場合一番成績がいいのはレバレッジ0.5倍。 レバレッジ-1倍と2倍は株価が元に戻ったが基準価格は0期比でマイナス。 この理由は、株価変動に対応したポジションの調整数量を計算した右端のbuy/sellで示される。 レバレッジ0.5倍の時株価が下がると買い、上がると売りという行動をとる。 レバレッジ-1倍と2倍の時は逆に、下がったら売り、上がったら買いという順張りの行動をとることになる。 つまり株価が上がる直前にポジションを減らし、下がる直前にポジションを増やしている その結果レンジ相場では成績が悪化する。 より広く考えれば、全体株価が下がる（上がる）とレバレッジファンドの売買が下げ（上げ）に拍車をかける

 （疑問） レバレッジをかけた取引が危険といわれるがなぜか。 自己資金以上の損が発生するから とかいうが改めて考えてみた （調査方法） 仮想資産について価格変動を想定。 当該仮想資産について当初のレバレッジが価格変動後にどうなっているかを調べた。 具体的にはレバレッジマイナス1からプラス2の範囲で投資した結果をシミュレーションした。 （調査結果） シミュレーション結果は下表のとおり。 上記以外のレバレッジについてもシミュレーションした結果をチャートにまとめた。 縦軸が価格変動後のレバレッジ、横軸が価格変動、それぞれの線が当初のレバレッジの水準を示す。 シミュレーションから読み取れることは以下の通り 当初レバレッジ=1（フルインベストメント）または当初レバレッジ0（投資しない）場合： 価格がどう変わってもレバレッジは1または0で一定 当初レバレッジ0超、1未満の場合（=自己資金内での投資）： 価格上昇時は上限1までの範囲でレバレッジ上昇。 価格下落時は0以上の範囲でレバレッジ低下。 価格上昇後に売るとレバレッジ低下。 価格下落後に買うとレバレッジ上昇。 当初レバレッジ1超（自己資金以上のロング）の場合： 価格上昇時はレバレッジ低下（ただしどんなに下がっても1以下にはならない）。 価格下落時はレバレッジ上昇。上限無限大。 当初レバレッジを維持するには =>価格上昇時には追加的な買い（ロングを増やす） =>価格下落時には追加的な売り（ロングを減らす） が必要=>直感に反する。 当初レバレッジ0未満（ショート）の場合： 価格上昇時はレバレッジが減少（マイナス方向にレバレッジ上昇=リスクは増大、マイナス無限大まで）。 価格下落時はレバレッジが増加（マイナスの範囲でレバレッジ減少=リスクは低下、ただし0以上にはならない）。 当初レバレッジを維持するには =>価格上昇時には追加的な買い（ショートを減らす） =>価格下落時には追加的な売り（ショートを増やす） が必要=>こちらも直感に反する。 レバレッジ0未満または1以上で運用を行っている場合、想定と逆に価格が動くと予想外に早くレバレッジの絶対値が高まる（リスクが急上昇する）可能性があるので注意。 自己資金の範囲で運用を行う場合にはどう価格が動いてもレバレッジは0から1に収まり、リスク無限...

 疑問 上場企業について、ROEとかPERとか時価総額の平均はしばしば見かけるが定性的な情報の平均はあまり見かけない。 例えば有価証券報告書に「事業の内容」という記載項目があるが上場企業全体の平均をとるとどんな内容になるだろうか。 調査方法 Edinet において2022年1月1日から2022年10月27日に提出された国内の企業（投資信託除く）の有価証券報告書を取得する。 有価証券報告書のうちの「事業の内容」の文章を取り出す。 取り出した文章ひとつづつについて Juman を使って形態素解析（単語や品詞ごとに分割）する。 全ての企業の「事業の内容」を解析した結果から、個々の「事業の内容」についてベクトルを作成する（PythonのScikit-learnを使用） 全ての企業の「事業の内容」ベクトルの平均から個々のベクトルとのコサイン類似度を計算し最も平均に近い「事業の内容」を探す。 なお、形態素解析にあたっては画像は無視したほか、数字と、改行やタブなどの特殊文字列は除外し、長すぎる文章についても解析できないため5000文字以上になる部分はベクトル作成対象外とした。 また、ベクトル作成の際には解析後に1文字になる単語は無視したほか、inverse document frequency（≒単語のレア度）は考慮しないこととした。 調査結果 2022年1月1日から2022年10月27日の間に提出された国内企業の有価証券報告書は3904件。 全ての有価証券報告書の「事業の内容」を閲覧したところ 文字数に関しては 中央値は938文字 平均値は1,669文字 最少が 株式会社BASE沖縄野球球団 の36文字 最長が 株式会社レナサイエンス の36,891文字 上場企業での最少は 大伸化学株式会社 の58文字 平均文字列ベクトルとのコサイン類似度（0～1、1に近いほど平均文字列に近い）に関しては 中央値は0.65 平均値は0.64 最小が 日本観光ゴルフ株式会社 の0.17 最大が 石油資源開発株式会社 の0.87 上場企業での最小は 株式会社東芝 の0.20 コサイン類似度で見た場合、もっとも平均的な有価証券報告書の「事業の内容」は石油資源開発株式会社という結果になった。 具体的には 下記のような内容 有価証券報告書の「事業の内容」作成時には石油資源開発を参考にしてはいかが...

 疑問 東証には2倍ブルとか2倍ベアとか指数にレバレッジをかけたETFがある。 よく レバレッジ型ファンドは減価する といわれるが、設定趣旨上は正反対に動くダブルブルとかダブルベアとかを同時にポジション取ったらどうなるのか？ 減価しているということなので、その分売り立てで利益が得られるのではないか？調べてみた。 調査方法 とりあえず目についたETFとして大和の 日経平均レバレッジ（1365） と 日経平均ダブルインバース（1366） の値動きでシミュレーションする。 どちらも日経平均を対象に×2、×マイナス2の運用成果を目指しているとのこと。 1365と1366それぞれについて日々の騰落率を計算する。 買い持ち（ロング）ポートフォリオとして1365、1366それぞれに50%ずつアロケーションしたとしてNAVを計算する。 売り建て（ショート）ポートフォリオとして1365、1366それぞれにマイナス50%ずつアロケーションしたとしてNAVを計算する。 ロングショートどちらのポートフォリオも日々リバランスして1365、1366どちらも同じ金額になるように調整する。 調査結果 調査対象とした1365と1366の設定（2014年12月30日）来の価格推移は下のとおり 1365チャート（ヤフーファイナンスから） 1366チャート（ヤフーファイナンスから） ロングとショートの仮想ポートフォリオのNAV推移は下のとおり 想定された通りロングポートフォリオは2014年末からの7年余りで着実にNAVが下がっている。 ショートのポートフォリオは着実にNAVを増やしており、7年余りで15%程度のリターン。 特筆すべきは変動の小ささで、ショートポートフォリオの場合は年率リターン2％に対して標準偏差が1.4%ときわめて安定的にNAVを増やしている。 シミュレーションでは手数料や貸株料の存在などを無視しており、都合の良すぎる結果な気もするが、レバレッジを上げればさらにリターンが高まるのでどなたか試してはいかがだろうか。

 問題意識 来月から外国人観光客受け入れ再開 ということなので都道府県別データからいろいろ調べてみた。 観光客データとしては 観光庁が提供している統計 から、コロナの影響のない2019年の数字を使用した。 都道府県別人口データとしては 総務省提供の統計 から2020年の数字を使用した。 調査結果 人口と宿泊者数 全体として人口が多い都道府県は宿泊者（訪問者）も多いが地域によって傾向はばらついている。 散布図の左上は人口比で宿泊者が多い都道府県になる。やはり沖縄、京都、北海道が集客力が強い。 右下は逆に人口比で宿泊者が少ない都道府県で、他県や他国からみて魅力の低い都道府県になる。巷間取りざたされるよう埼玉、茨城の不人気が目立つ。 東京は人口も多ければ宿泊者も多い。 人口当たりの宿泊者数と外国人比率 次に人口当たりの宿泊者数を見てみた。 想像されるとおり沖縄と京都が強く、沖縄にいたっては住民一人につき20人以上が宿泊している。 沖縄と京都は海外からの訪問も多く、宿泊者のうちそれぞれ4分の1、3分の1程度が海外からきている。 ここでも埼玉の不人気ぶりが圧倒的で、人口一人当たりの宿泊者が1人を割っているのは唯一埼玉のみ。 外国人宿泊者の少なさでは埼玉と茨城が際立っている。あとは山口県も結構な少なさ。獺祭とか海外で有名と聞いたのだけど。 山梨、長野、石川が北海道よりも上位に来ているのが意外なところ。 山梨は外国人宿泊客も多く富士山の効果だろうか。富士山を分け合う静岡とはかなり差がある。分母の人口の違いのせいか。 人口当たりの宿泊者数と目的 宿泊者の目的別に人口当たりの数字を見た。 沖縄、京都、山梨、長野はじめ上位県は観光目的の宿泊が過半を占めている。 福島が人口当たりの宿泊者で上位に来ているがここは観光よりもビジネス目的での訪問が多い。 東京、宮城、福岡のビジネス客の多さは想像できるところ。 やはり埼玉は観光目的の少なさが際立っている。 宿泊目的と国籍によるマトリックス 最後に、これまでに見た宿泊者の目的、国籍、サイズを一つのグラフにまとめた。 日本における外国人観光客の目的地といえば圧倒的に京都ということがよくわかる。 これから夏に向けて京都は例年以上の熱さとなるでしょう。