LQAI ETFは、米国に上場する大型企業のうち、市場環境と企業ごとの情報を併せて反映しようとする人工知能モデルを活用します。特定の指数をそのまま複製するのではなく、銘柄選別と比率調整によって米国大型株のコアへのエクスポージャーを構築するアクティブ型の上場投資信託です。

米国大型株に投資しつつ、従来の指数連動型よりもデータに基づくアクティブな選別方式を理解し、受け入れられる長期投資家に適しています。

LGクラフトが運用するアクティブ(積極運用)方式のETFです。

運用の過程では、米国上場の大型株を分析対象とし、定型情報に加えて、文書やニュースなどの非定型情報から捉えたシグナルを組み合わせ、銘柄選別と比率の決定を補助します。保有銘柄にはNVDA、MU、TSLA、SNDK、MSFTが含まれています。モデルの判断は市場環境や企業ごとの情報の解釈によって変わりうるため、指数連動型商品とは異なる結果が表れる可能性があります。

• 非定型情報の活用
• 指数を複製しない構造
• 定期的なポートフォリオ調整

運用資産(純資産総額)は$2.2M規模で、総経費率は年0.75%です。

この商品は指数複製方式ではなく、モデルの選別結果によって組入銘柄や比率が変わりうるため、指数連動型と比較する際には、報酬や取引環境だけでなく、運用判断の特性も併せて確認する必要があります。

パフォーマンスの動向は、米国大型株市場の方向性、テクノロジー関連企業の株価変動、モデルが反映する企業ごとのシグナルに左右される可能性があります。指数と同じ結果を目指さないアクティブ構造のため、市場が一方向に動く局面と、銘柄間の格差が広がる局面とでは、体感するパフォーマンスが異なることがあります。

資金フローを読み解く際には、人工知能運用というテーマ性だけで判断せず、出来高、売買スプレッド、純資産規模、分配方針を併せて点検する必要があります。規模の小さい上場投資信託は、売買時に価格と基準価額の乖離が広がる可能性があるため、注文方法に注意が必要です。

人工知能を活用した能動的な銘柄選別が特徴ですが、モデルへの依存度に加え、大型株や個別銘柄の変動性も受け入れる必要があります。

比較表のHELO ETFは、株式エクスポージャーに防御的な設計を組み合わせた性格があり、純粋な大型株のアクティブ選別を追求するLQAI ETFとは運用目的が異なる可能性があります。CBOX ETFはコスト負担が比較的低い一方、FHEQ ETFはヘッジ要素を含む株式運用という点で構成が異なります。INFO ETFは大型株コアを能動的に運用する比較対象として捉えられ、SFTY ETFはリスク管理型のアプローチを確認する際に併せて参照できます。これらの商品は運用方式、報酬、資産規模がそれぞれ異なるため、目的と取引環境を区別して比較する必要があります。

投資の前には、人工知能モデルによる選別が指数連動とどう異なるのか、保有銘柄が特定の産業や大手企業に集中していないか、取引環境が自分の注文方法に適しているかを順に確認する必要があります。四半期分配は総リターンとは別のものですので、キャッシュフローへの期待だけで判断しないことが望ましいでしょう。

モデルの予測やデータの解釈が市場の変化に合わなかった場合、銘柄選別が期待と異なる結果を生むことがあります。また、米国大型株や一部産業の動き、為替変動、売買時のスプレッドが複合的に投資成果へ影響を与える可能性があります。四半期分配が元本の保全や運用成果を保証するものではない点にも留意が必要です。

LQAI ETFは、米国大型株へのエクスポージャーに人工知能ベースのアクティブ運用を加えたい投資家のための商品です。指数連動型商品と比較する際は、報酬や取引環境だけでなく、モデルリスク、保有銘柄の集中度、四半期分配の性格も併せて点検する方法が適切です。