Deepening the theory of statistical inference of stochastic processes and its application to high frequency data and machine learning

Research Project

Project/Area Number	25K03083
Research Category	Grant-in-Aid for Scientific Research (B)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 60030:Statistical science-related Basic Section 61030:Intelligent informatics-related Sections That Are Subject to Joint Review: Basic Section60030:Statistical science-related , Basic Section61030:Intelligent informatics-related
Research Institution	The University of Tokyo
Principal Investigator	荻原哲平東京大学, 大学院情報理工学系研究科, 准教授 (40746426)
Co-Investigator(Kenkyū-buntansha)	上原悠槙関西大学, システム理工学部, 准教授 (00822545)
Project Period (FY)	2025-04-01 – 2030-03-31
Project Status	Granted (Fiscal Year 2025)
Budget Amount *help	¥18,720,000 (Direct Cost: ¥14,400,000、Indirect Cost: ¥4,320,000) Fiscal Year 2029: ¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000) Fiscal Year 2028: ¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000) Fiscal Year 2027: ¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000) Fiscal Year 2026: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000) Fiscal Year 2025: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
Keywords	確率過程 / 統計推測 / 機械学習 / 高頻度観測 / リスク予測
Outline of Research at the Start	ジャンプを含む確率過程のモデルはファイナンスにおいてよく用いられる。特に一日内の株価データを扱う上では、複雑な観測構造をモデル化する必要があるが、ジャンプを含む確率過程の複雑な観測構造はこれまで十分に研究されてこなかった。本研究ではこのような統計モデルに対する統計推測問題と機械学習の適用を研究する。複雑な観測構造の下では機械学習の適用が困難であったが、疑似尤度解析とニューラル・ネットワークを組み合わせたアプローチにより、適用可能な機械学習の手法を開発していく。応用として、高頻度データから株価モデルを学習し、金融機関の資産価値の下落を軽減できるようなリスク計測手法を開発する。