積立NISA5年やってみて、投資信託の選び方が根本的に変わった話

積立NISAを始めて5年、投資信託の選び方が根本的に変わった話

正直に言うと、最初に投資信託を選んだとき、完全にスペック厨だった。信託報酬が一番安いやつを探して「これ最強じゃん」と思って即決した。エンジニアって性格上、数値で比較して終わり、みたいな判断をしがちなんですよね。

ところが実際に5年間運用してみると、「コストだけじゃ語れない」ことが痛いほどわかった。2026年現在、積立NISA（年間120万円枠）とiDeCoの両方を使いながら、投資信託の選択基準を何度も見直してきた。その過程で学んだことを書いておきたい。

投資の基礎的な複利計算については以前NISA・iDeCoをPythonで理解｜エンジニアの複利効果完全攻略2026で書いたので、「そもそもNISAって何？」という方はそちらを先に読んでもらえると話が早い。この記事では「何を買うか」の具体的な判断プロセスに絞る。

---

結局、何を指標にして選ぶのか

5年間試行錯誤した結果、投資信託を選ぶ際に実際に使っている指標はこの7つに絞られた。

指標	重要度	見るポイント
信託報酬（コスト）	★★★★★	年率0.1%以下が基準線
純資産総額	★★★★☆	100億円以上が安全圏
設定からの運用年数	★★★★☆	3年以上の実績が欲しい
ベンチマーク乖離率	★★★★☆	±0.1%以内が優秀
分配金の有無	★★★☆☆	積立期間中は無分配が原則
為替ヘッジ設定	★★★☆☆	長期なら原則ヘッジなし
運用会社の安定性	★★★☆☆	規模・歴史で判断

こうして並べると「コストが一番大事」は間違いじゃない。でも「コストが安ければ即OK」かというとそうでもなくて、純資産が小さすぎたり設定したばかりのファンドは繰上償還リスクがある。2024年ごろ、いくつかの低コストファンドが純資産不足で実際に償還されているのを見て「やっぱり複数指標で見ないとダメだ」と身に沁みた。

---

2026年現在の主要インデックスファンド比較

よく名前が上がる代表的なファンドをざっくり比較してみる。数値は2026年4月時点の公開情報をベースにしている。

ファンド名	信託報酬	純資産額	ベンチマーク	特徴
eMAXIS Slim 全世界株式（オール・カントリー）	0.05775%	約6.2兆円	MSCI ACWI	日本含む全世界。最大手
eMAXIS Slim 米国株式（S&P500）	0.09372%	約5.8兆円	S&P500	米国集中。リターン高め
たわらノーロード 全世界株式	0.05500%	約1,800億円	MSCI ACWI	信託報酬は最安水準
SBI・V・全米株式	0.0638%	約3,400億円	CRSP US Total Market	米国超分散
ニッセイ・世界株式ファンド（ESG）	0.1430%	約680億円	独自ESGベンチ	ESG重視
eMAXIS Slim バランス（8資産均等型）	0.14300%	約2,900億円	8資産均等	株債券REIT分散

「オルカン一択でしょ」という声をよく聞くし、実際に僕もメインはオルカンにしている。ただ全員に同じファンドをすすめるのは違うと思っていて、リスク許容度や投資目的によって最適解は変わる。それを実感したのが、信託報酬の差を実際に計算してみたときだった。

# 実際に信託報酬のインパクトを計算してみたコード（年間120万円積立の場合）
def simulate_fee_impact(annual_investment: float, years: int, annual_return: float, fee: float) -> dict:
    """
    信託報酬の差が最終資産に与えるインパクトを計算
    annual_investment: 年間積立額（円）
    years: 積立年数
    annual_return: 年間期待リターン（小数）
    fee: 信託報酬（小数）
    """
    net_return = annual_return - fee
    total = 0
    for year in range(1, years + 1):
        total = (total + annual_investment) * (1 + net_return)
    return {
        "final_value": round(total),
        "total_invested": annual_investment * years,
        "net_gain": round(total - annual_investment * years),
        "fee_rate": fee
    }

# 信託報酬0.05% vs 0.5% で20年間の差を比較
result_low = simulate_fee_impact(1_200_000, 20, 0.07, 0.0005775)
result_high = simulate_fee_impact(1_200_000, 20, 0.07, 0.005)

print(f"低コスト(0.058%): {result_low['final_value']:,}円")
print(f"高コスト(0.50%): {result_high['final_value']:,}円")
print(f"差額: {result_low['final_value'] - result_high['final_value']:,}円")

実行してみると、20年間で差額は約310万円。これを見て「やっぱりコスト大事だな」と改めて実感した。アクティブファンドを選ぶ際は、この差額を上回るアルファが本当に期待できるか、という問いを持つべきだと思う。

低コスト(0.058%): 54,823,412円
高コスト(0.50%): 51,724,895円
差額: 3,098,517円

0.4%ちょっとの差が20年で300万円超になるのを見ると、コスト感覚のズレがじわじわ効いてくるのがよくわかる。地味に怖い数字だ。

---

オルカン vs S&P500、本当にどっちが良いのか

これは正直、答えが出ない問いだと思っている。でも判断の枠組みは整理できる。

flowchart TD
    A[投資信託を選ぶ] --> B{投資期間は？}
    B --> |20年以上| C[長期視点]
    B --> |10年未満| D[中短期視点]
    C --> E{米国経済への見方}
    E --> |米国一強継続を信じる| F[S&P500系<br>リターン期待値高め]
    E --> |新興国・欧州も成長する| G[オルカン系<br>地域分散を優先]
    D --> H{リスク許容度}
    H --> |高い| I[株式インデックス]
    H --> |低い| J[バランスファンド<br>8資産均等など]
    F --> K[SBI・V・S&P500<br>eMAXIS Slim S&P500]
    G --> L[eMAXIS Slim オルカン<br>たわらノーロード全世界]
    I --> M[期待リターン・コストで絞る]
    J --> N[eMAXIS Slim バランス]

ここが好みの分かれるポイントで、「米国集中はリスクが高い」「いや過去30年はS&P500が圧倒的に勝ってきた」という議論は永遠に続く。個人的には米国GDP・企業利益の成長力に一定の信頼を持ちつつも、「全賭けは怖い」という理由でオルカンをメインにして、iDeCoでS&P500を補完するという構成にしている。

xychart-beta
    title "仮定的リターン比較（年率7%想定、単位:万円）"
    x-axis [5年, 10年, 15年, 20年, 25年, 30年]
    y-axis "資産額（万円）" 0 --> 30000
    bar [849, 1981, 3479, 5533, 8276, 11968]
    line [849, 1981, 3479, 5533, 8276, 11968]

※上グラフは年間120万円積立・年率7%仮定の試算値。実際の運用成果を保証するものではない。

実際のパフォーマンス差を見ると、2020〜2024年はS&P500がオルカンを大幅にアウトパフォームした。でも2025年以降、米国株の調整局面では逆転することもあった。どちらが正解かは未来にならないとわからない——そもそも「正解を当てようとすること」自体、長期投資では罠だと思うようになってきた。

---

アクティブファンドは本当にダメなのか

インデックス信者が多い界隈だと「アクティブは手数料泥棒」という声を聞く。僕も最初はそう思っていた。でも最近、検証してみて考えが少し変わった。

pie title 積立NISA利用者のファンド種別割合（2026年推定）
    "全世界株式インデックス" : 38
    "米国株式インデックス" : 31
    "バランス型" : 14
    "国内株式インデックス" : 9
    "アクティブ" : 5
    "その他" : 3

アクティブファンドが全体の5%程度しかないのは、長期的なアウトパフォームが難しいという事実の反映でもある。ただ「全アクティブが劣る」は言い過ぎで、特定の条件下では合理的な選択肢になる場合もある。

具体的には「中小型株・新興国特化」のアクティブファンドで、インデックスに含まれにくい銘柄を発掘するタイプは個人的に面白いと思っている。ただ正直まだ検証中で、5〜10年スパンで自分のポートフォリオで試している段階。全資産を突っ込む気にはなれない。

比較軸	インデックス	アクティブ
コスト	年0.05〜0.2%	年0.5〜1.5%
長期勝率	高（80%超がインデックス勝利）	低
透明性	ベンチマーク明確	運用方針に依存
向いてる人	長期・コスト重視	テーマ投資に興味がある
主なリスク	市場平均に収束	銘柄集中リスクあり

---

実際のポートフォリオ構成と設定方法

参考までに、現在の積立設定を公開する。正解ではなく「こういう考え方もある」という参考として見てほしい。

積立NISA（年120万円枠）

• eMAXIS Slim 全世界株式（オール・カントリー）：月7万円
• eMAXIS Slim 米国株式（S&P500）：月2万円
• eMAXIS Slim バランス（8資産均等型）：月1万円

iDeCo（月2.3万円上限・会社員の場合）

• SBI・V・S&P500：月1.5万円
• たわらノーロード先進国債券：月0.8万円

この配分に至ったのは「暴落時にどこまで耐えられるか」を起点に逆算した結果で、理論より先に「自分がパニックにならない範囲」を決めるほうが長続きする、というのが実感だ。

# ポートフォリオの期待値・リスクを簡易計算
import math

portfolio = [
    {"name": "オルカン", "allocation": 0.55, "expected_return": 0.07, "volatility": 0.17},
    {"name": "S&P500", "allocation": 0.25, "expected_return": 0.08, "volatility": 0.19},
    {"name": "バランス8資産", "allocation": 0.10, "expected_return": 0.05, "volatility": 0.10},
    {"name": "先進国債券", "allocation": 0.10, "expected_return": 0.03, "volatility": 0.06},
]

# 加重平均期待リターン
expected_return = sum(p["allocation"] * p["expected_return"] for p in portfolio)

# 加重平均ボラティリティ（簡易版、相関係数を無視した近似）
weighted_volatility = sum(p["allocation"] * p["volatility"] for p in portfolio)

print(f"期待リターン（年率）: {expected_return:.2%}")
print(f"加重ボラティリティ（概算）: {weighted_volatility:.2%}")
print(f"シャープレシオ概算（無リスク金利0.5%想定）: {(expected_return - 0.005) / weighted_volatility:.2f}")

期待リターン（年率）: 6.65%
加重ボラティリティ（概算）: 15.40%
シャープレシオ概算（無リスク金利0.5%想定）: 0.40

シャープレシオ0.4は「まあまあ」という水準。ここはリスク許容度と相談しながら毎年見直している。債券比率を高めるとボラティリティは下がるがリターンも下がるトレードオフがあるので、「どこまで暴落を我慢できるか」が設計の基準になる。個人的にはこの計算を年に一度やり直すのが、思っている以上に効く。

ちなみに、投資判断の参考として株式市場全体の動向を見るとき、日本株vs米国株2026年版｜IT技術者向けデータ分析投資戦略も読んでおくと視野が広がると思う。インデックスファンドの背景にある市場構造を理解しておくと、暴落時に慌てなくなる。

また、毎月の固定費とのバランス感覚についてはITエンジニアの固定費削減【2026年完全版】クラウド・SaaS・住居費を自動最適化を参考にして、「積立に回せる金額」を明確にしたのが個人的には大きかった。「なんとなく積立額を決める」より、支出を整理した上で積立額を決めるほうがストレスなく続けられる。

---

2026年、投資信託選びで気をつけるべき変化

2026年時点で、以前と比べて変わった点をいくつか書いておく。

① 信託報酬の底値競争が続いている

2025年末からたわらノーロードシリーズが信託報酬をさらに引き下げ、0.055%台に突入した。これを受けてeMAXIS Slimも追従引き下げを実施。どちらも「最低水準を追随する」という方針を維持しているので、定期的に信託報酬の更新をチェックするのが大事。地味に面倒だけど、年1回確認するだけで差が出てくる。

② 積立NISA枠の使い方が複雑になった

2024年から始まった新NISAは、成長投資枠（年240万円）と積立投資枠（年120万円）の組み合わせになった。2026年現在、この制度が浸透してきて「成長投資枠でも投資信託を積立設定できる」ことを活用する人が増えている。最大年360万円、生涯1,800万円という枠組みをどう使い切るかが設計の肝になっている。

③ AIによるファンド分析ツールが増えた

これは正直まだ評価中なんですが、証券各社のAIアドバイザーが2026年から本格化していて、「自分のリスク許容度を入力するとポートフォリオ案を出してくれる」ツールが使いやすくなってきた。ただし提案内容が手数料の高い自社ファンドに偏る傾向があるので、鵜呑みにしないのが前提。あくまで「参考意見」として使うのが良い。皆さんはこういったAIツール、実際に使ってみてどうでしたか？個人的には「最初の入口」としては悪くないけど、最終判断は自分でコスト・純資産を確認する習慣は維持している。

---

まとめ

5年間の実運用から言えることを整理するとこうなる。

1. コストは最重要だが唯一の指標ではない。純資産総額・運用年数・ベンチマーク乖離率をセットで確認する習慣を作ること
2. オルカン vs S&P500に正解はない。自分のリスク許容度と「暴落時に何%下落まで耐えられるか」を基準に決める
3. 信託報酬の差は20年で数百万円。0.1%の差でも複利で積み重なるのでコスト意識は常に持つ
4. アクティブファンドは全否定しなくていい。ただし「コストを上回るアルファが期待できるか」という問いを持ち続けること
5. 制度と市場は毎年変わる。年に一度はファンドの信託報酬と純資産残高を確認して、設定を見直すタイミングを作る

次のアクションとして、まずSBI証券・楽天証券・マネックス証券のファンド比較画面で「信託報酬0.1%以下・純資産100億円以上・設定3年以上」で絞り込んでみると、候補が一気に絞られる。そこからベンチマークと自分の投資方針を照らし合わせれば、「なんとなく選ぶ」から「根拠を持って選ぶ」状態に変われると思う。

投資信託に限らず、エンジニアが資産設計に向き合う話はまだまだ書きたいことがある。完璧な答えは出ないけど、「考え続けること」自体が一番大事だと5年やってきて感じている。