• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to previous page

実現確率的ボラティリティ変動モデルにおける非対称性モデリング

Research Project

Project/Area Number 22K13376
Research Category

Grant-in-Aid for Early-Career Scientists

Allocation TypeMulti-year Fund
Review Section Basic Section 07030:Economic statistics-related
Research InstitutionNagoya University

Principal Investigator

山内 雄太  名古屋大学, 経済学研究科, 講師 (00914160)

Project Period (FY) 2022-04-01 – 2025-03-31
Project Status Granted (Fiscal Year 2023)
Budget Amount *help
¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000)
Fiscal Year 2024: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2022: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Keywords確率的ボラティリティ変動モデル / 実現ボラティリティ / ベイズ統計学 / マルコフ連鎖モンテカルロ法 / 高頻度データ / リスク管理 / 計量ファイナンス / 確率的ボラティリティ
Outline of Research at the Start

金融市場における日次資産収益率の動きを統計モデルで分析し,資産のリスク評価に用いることを考える。モデルの焦点は,実際の市場で観察される収益率分布の非対称性,例えば暴騰よりも暴落の方が多くなる傾向,をどのようにモデリングすることが実データ分析において効率的であるかを明らかにすること,および非対称性を取り入れた多変量モデルへの拡張の提案である。

Outline of Annual Research Achievements

誤差項に非対称性を導入した確率的ボラティリティ変動モデルの提案を行い,モデル間のパフォーマンスを比較することで,どのような非対称分布がパフォーマンスを向上させるかについて分析した。また,t分布に見られるような裾の重い分布特性を非対称性と同時に使うかどうかによって,パフォーマンスが変わるかを分析した。さらに,高頻度データの情報を取り入れるモデルを提案し,高頻度データを用いることによってどのようにモデルのパフォーマンスが改善するかを示した。モデル間でパフォーマンスを比較するために,分布の裾のリスク評価の指標であるVaRおよびESに対するモデルの予測性能を実データ分析から検証した。データは日経平均株価やダウ平均株価といった株価指数を用いた。本研究はVaRおよびESの予測の評価に,VaRとESを同時に評価する損失関数を用いた。モデルごとに1日先のVaRおよびESの予測を繰り返し(500日程度)行い,得られた予測系列に対して損失を計算し,モデル間の損失の差が統計的に有意性を持っているかを予測性能に対する検定を用いて明らかにした。実データ分析の結果,非対称性に加えて,裾が重い分布を使うことによって,裾が正規分布状の非対称分布に比べて,VaRとESの観点において損失が小さくなる傾向があることが示された。また,予測に用いるデータによっては,高頻度データを追加的に用いることによって,パフォーマンスが大きく向上することが示された。非対称分布について,いくつかの非対称分布を用いて結果を比較したが,データによってはパフォーマンスが変わるため,非対称分布についてのモデル選択によって,よりパフォーマンスの良いモデルを構築できることが示唆された。

Current Status of Research Progress
Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

非対称性を取り入れた確率的ボラティリティ変動モデルの研究について,論文をワーキングペーパーの形で完成させており,現在は査読付き雑誌に投稿中である。共通するテーマで,非対称分布のモデル選択,多変量モデルへの拡張,事前分布の改良といった研究を行う予定であり,今後の研究の指針についても定まっている。以上の点から,研究は順調に進展していると判断する。

Strategy for Future Research Activity

誤差項に非対称性を導入した確率的ボラティリティ変動モデルについて,研究を進めていく。非対称分布について,実データ分析から,どの非対称分布を用いるかによるパフォーマンスの差異がデータによって変わることが示唆されたため,データに応じて,適切な非対称分布を選択するようなモデル,あるいは自動的に非対称性の有無や,裾の重い特性の有無を選択できるようなモデルを作る。
また,多変量実現確率的ボラティリティ変動(RSV)モデルに非対称性を導入する拡張についての研究を実行する。まず,研究代表者が過去に提案した多変量RSVモデルをベースとしてモデルの提案を行う。このモデルでは,収益率の観測方程式が多変量正規分布を用いた形で書けているため,この観測方程式の分布を非対称性を持つ分布にすることで,非対称性の導入を行う。さらに,多変量の資産収益率系列を扱う場合は,系列によっては非対称性が現れないような系列が存在することが予想されるため,非対称性がないような系列に対しては非対称性のパラメータを0に縮小するような事前分布を置いたモデルを提案する。

Report

(2 results)
  • 2023 Research-status Report
  • 2022 Research-status Report
  • Research Products

    (3 results)

All 2023 2022

All Journal Article (1 results) (of which Peer Reviewed: 1 results) Presentation (2 results) (of which Int'l Joint Research: 1 results)

  • [Journal Article] Dynamic factor, leverage and realized covariances in multivariate stochastic volatility2023

    • Author(s)
      Yamauchi Yuta、Omori Yasuhiro
    • Journal Title

      Econometric Reviews

      Volume: 42 Issue: 6 Pages: 513-539

    • DOI

      10.1080/07474938.2023.2209007

    • Related Report
      2023 Research-status Report 2022 Research-status Report
    • Peer Reviewed
  • [Presentation] Dynamic factor, leverage and realized covariances in multivariate stochastic volatility2023

    • Author(s)
      山内雄太
    • Organizer
      科研費シンポジウム 「ベイズモデリングの最近の展開」
    • Related Report
      2023 Research-status Report
  • [Presentation] Dynamic factor, leverage and realized covariances in multivariate stochastic volatility2022

    • Author(s)
      山内雄太
    • Organizer
      Eastern Asia Chapter of the International Society for Bayesian Analysis
    • Related Report
      2022 Research-status Report
    • Int'l Joint Research

URL: 

Published: 2022-04-19   Modified: 2024-12-25  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi