| Project/Area Number |
24H00142
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (A)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Medium-sized Section 7:Economics, business administration, and related fields
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
大森 裕浩 東京大学, 大学院経済学研究科(経済学部), 教授 (60251188)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山内 雄太 名古屋大学, 経済学研究科, 講師 (00914160)
粟屋 直 早稲田大学, 政治経済学術院, 講師(テニュアトラック) (11005240)
黒瀬 雄大 筑波大学, システム情報系, 助教 (20713910)
高橋 慎 法政大学, 経営学部, 教授 (20723852)
國濱 剛 関西学院大学, 経済学部, 准教授 (40779716)
石原 庸博 高崎経済大学, 経済学部, 准教授 (60609072)
渡部 敏明 一橋大学, 大学院ソーシャル・データサイエンス研究科, 教授 (90254135)
|
|---|
| Project Period (FY) |
2024-04-01 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2025)
|
| Budget Amount *help |
¥47,710,000 (Direct Cost: ¥36,700,000、Indirect Cost: ¥11,010,000)
Fiscal Year 2026: ¥14,170,000 (Direct Cost: ¥10,900,000、Indirect Cost: ¥3,270,000)
Fiscal Year 2025: ¥14,690,000 (Direct Cost: ¥11,300,000、Indirect Cost: ¥3,390,000)
Fiscal Year 2024: ¥18,850,000 (Direct Cost: ¥14,500,000、Indirect Cost: ¥4,350,000)
|
|---|
| Keywords | 非線形計量経済モデル / 統計的学習 / 確率的ボラティリティ / マルコフ連鎖モンテカルロ法 / 分位点 / 非線形計量モデル / 潜在変数 |
|---|
| Outline of Research at the Start |
本研究では大規模データが得られるときに、データ生成過程の経済学的解釈が可能な計量経済モデルを基礎としつつ、その非線形な構造を機械学習的アプローチを取り入れながら拡張していく。データ生成の複雑構造を表現するためには、多くの潜在変数を導入することが必要となる。しかし、それは最尤法に必要な尤度関数の計算を困難にする。したがってマルコフ連鎖モンテカルロ法による推定方法が問題解決のための有効な手段となる。主たる応用先は、ボラティリティ・クラスタリングという複雑な分散構造を持つ金融資産収益率の時系列データや社会調査データなどであり、金融・経済におけるリスク管理や予測精度の大幅な改善を行う。
|
| Outline of Annual Research Achievements |
大森は、平均にボラティリティ項が存在する確率的ボラティリティ(SV)モデルのための、効率的なマルコフ連鎖モンテカルロ（MCMC)法による推定方法を開発した。また多変量多値データのためのランダム回答法のための推定方法を提案した。高橋・大森・渡部は、裾が厚く左右非対称な3つの分布を収益率分布に適用することで実現SVモデルを拡張し、株価指数データを用いた実証分析において、他のモデルと比較して金融リスクの予測精度が優れていることを示した。渡部は、日次RVの変動を表す時系列モデルとして、長期記憶性とラフ性を加味したモデルとMCMCを用いたベイズ推定法を提案し、日米の株価指数を用いてボラティリティの予測精度が改善することを示した。
石原は、ファクターとその高頻度データから計算される実現共分散を用いた多変量SVモデルにする研究を行った。因子構造を利用することで任意の高次元のデータに応用できるモデルを提案し，その予測精度を調査した。國濱は、独立多項分布のディリクレ過程混合分布に基づく質的変数の統計モデリングに関して、変数間の相関構造の推定精度に関する評価分析を行った。実証データとして大規模社会調査データを用い、変数の次元が比較的低い場合には良好な推定が得られる一方、変数が増えるにつれて推定精度が低下する傾向があるという分析結果を得た。
黒瀬は、SVモデルにおいて日中取引価格レンジの情報を同時に組み込む拡張や、結果として現れる複雑な非線形モデルの効率的なベイズ統計的推測手法の開発を行った。山内は、ベイズ分位点回帰モデルを応答変数が離散変数の場合に拡張し， カウントデータに対するリスク評価手法として提案した。粟屋は、ベイズ統計におけるノンパラメトリックモデルを用いた分布推定の手法開発を行った。データの分布を推定する効率的なアルゴリズムを開発した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究代表者・分担者による査読付き論文は、過去1年間で、Journal of Econometrics (印刷中）、Journal of Applied Statistics（印刷中）、Journal of Machine Learning Research、Journal of Empirical Financeなどに掲載されている。学会発表も、2024年国際ベイズ分析学会世界大会（ISBA World Meeting）、2024年度統計関連学会連合大会, ベイズ統計サマーシンポジウム、2024年度計量経済学・統計学国際会議（EcoSta2024国際会議), 2024年度計算・計量ファイナンス学会（CFE2024)、2024年度国際ベイズ分析学会東アジア大会（ISBA-EAC2024) など、国内外で積極的に行っている。
|
| Strategy for Future Research Activity |
大森は、多変量の動学的因子SVモデルの平均にボラティリティ項が存在する場合の推定方法の開発を行う。また多値データのためのランダム回答法のために開発した推定方法の実データへの応用を行う。渡部は、実現ボラティリティの変動を表すモデルとして、長期記憶性とラフ性を両方考慮した時系列モデルとそのベイズ推定法を開発し、長期記憶性とラフ性のどちらが重要かを実証分析する。またマルコフスイッチングモデルを大規模なショックを考慮したモデルに拡張し、実証分析を行う。
高橋は、多種多様なデータと機械学習技術を活用し、金融市場の構造とダイナミクスを多角的に分析する。生成AIを含む手法と従来の統計的手法を比較し、それぞれの実務応用可能性を検討する。また、高橋・山内・渡部・大森は、収益率とボラティリティを同時に扱うSVモデルおよびRSVモデルの拡張と推定手法の開発も進める。石原は、実現共分散を用いた計算効率的なファクターRSVモデルの研究を進める。また密度推定についてのノンパラメトリックベイズモデルのウェイトに関する新たな簡略化モデルに関する研究を行う。國濱は、複雑な相関構造を含む社会科学データに適した、柔軟なベイズモデリング手法の構築に取り組む。モデリングの柔軟性を高めるため、混合分布の重み部分のパラメータ構造の拡張や、変数間の独立性仮定を緩和した新たなカーネルの導入などを検討する。山内・大森は、資産価格市場におけるリスク評価の性能向上を目的として、VaR（Value at Risk）およびES（Expected Shortfall）の予測精度を向上する統計モデルを提案する。
|
