| Project/Area Number |
20K01774
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 07060:Money and finance-related
|
|---|
| Research Institution | Aoyama Gakuin University |
|---|
Principal Investigator |
伏屋 広隆 青山学院大学, 社会情報学部, 教授 (00422395)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
北村 智紀 東北学院大学, 経営学部, 教授 (80538041)
中里 宗敬 青山学院大学, 国際マネジメント研究科, 教授 (90207754)
|
|---|
| Project Period (FY) |
2020-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2024: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2023: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2021: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2020: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
|
|---|
| Keywords | 追随行動 / ボラティリティの期間構造 / 逐次取引モデル / 情報カスケード / ミスプライス / ベイズ更新 / 逐次学習 / 経済実験 / アルゴリズム取引 |
|---|
| Outline of Research at the Start |
ＡＩなどによるアルゴリズム取引のシェアが上昇する中、近年の株式市場において市場の不確実性は上昇している。これはアルゴリズム取引において採用されている学習モデルの多くが、結果的に他者への追随戦略をとることが一因と考えられる。
本研究グループでは、マーケットメーカー（証券会社などの市場参加者）が逐次的に学習を行うモデルを用いて、ミスプライスの発生を分析してきた。本研究はこれまでの成果を応用し、株価形成における独自の逐次学習をモデル化し、それが引き起こすミスプライス発生による市場の不確実性上昇のメカニズムを解明することを目的とする。
|
| Outline of Annual Research Achievements |
2022年度も引き続きコロナウィルス拡大の影響で、本研究の重要な要素である経済実験ができない苦しい状況が続いている。また、学会発表も大きく制限されることとなった。
そんな中で我々は、対面を中心に46回のミーティングを行い、逐次取引モデルにおける学習の理論面を中心に行った。その結果、前年度シミュレーション上で確認していた、投資家の追随行動がボラティリティの期間構造に影響を与え、オプションなどの価格のミスプライスを引き起こしていることを理論的に逐次取引モデルで示すことに成功した。
上記は、Singapore Economic Review Confereence(SERC)2022に採択され、Session 48のEconometricsIIの2において、Chasers Drive the Volatility Term Structure というタイトルで発表予定であったが、開催月の8月に当地でコロナの感染が急拡大したことを受けて直前に残念ながらキャンセルすることとなった。
さらに上の結果の実証研究をするために、日経新聞社の日経平均を算出している日経インデックス事業部から、日経平均の過去１０年分の５秒足データを購入し、実際に追随行動が増えている時間帯にボラティリティの期間構造が歪んでいるかどうかを検証した。また、ボラティリティの良い将来予測についても検証を行った。
今年度も引き続き上記検証を進め、必要に応じて為替などの別のデータでも実証を行っていく予定である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
(A)学習モデルについて、追随行動がボラティリティの期間構造に影響を与えることを逐次取引モデルで示すことができた。
(B)数値シミュレーションについて、上記の影響を逐次取引モデルで確認できている。
(C)経済実験について、コロナウィルスの影響で行えなかった。
(D)実際の市場データによるパラメータの推定について、日経平均の5秒足データにより、逐次取引モデル以外でも上記の現象が確認をし、パラメータ推定およびその推移を時系列で追うことで、検証を行った。
|
| Strategy for Future Research Activity |
今年度は(D)の実際の市場のデータを使った研究に力を入れようと考えている。具体的にはパラメータ推定の方法の改良、日経平均以外でのデータを使った検証を行う。
また、コロナの影響で遅れている学会発表についても力を入れる。現在、今年度終わりのAmerican Economic Associationに投稿しているので、当面はここでの発表を最終目標として、国内で発表をしつつ意見交換を重ねたいと考えている。
|
