2018 Fiscal Year Annual Research Report
Study on high-frequency price-discovery processes of financial assets in data-driven approach
| Project/Area Number |
16K03602
|
|---|
| Research Institution | Keio University |
|---|
Principal Investigator |
中妻 照雄 慶應義塾大学, 経済学部(三田), 教授 (90303049)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 金融高頻度データ / 取引間隔 / ボラティリティ / 日中季節性 / 板情報 / ベイズ推定 / マルコフ連鎖モンテカルロ法 / モデル選択 |
|---|
| Outline of Annual Research Achievements |
本研究では、金融市場における高頻度データ（取引単位で記録されたデータ）の特徴を捉えることができる時系列モデルの構築とそのベイズ推定のための新しい手法の開発に取り組んだ。特に（1）市場で取引が成立する（約定する）間隔のモデル化と（2）短時間における資産収益率のボラティリティ（分散）のモデル化という2つのテーマに注力した。
第1のテーマである約定間隔のモデル化においては、日中季節性と呼ばれる高頻度データ特有のパターンに注意しなければならない。日中季節性とは、金融市場における取引の約定間隔が市場の始まった直後と閉まる直前で短くなり、途中の時間帯では反対に長くなる傾向のことを指す。本研究では、先行研究が推定の前処理として除去していた日中季節性をStochastic Conditional Duration (SCD) モデルという継続時間の時系列モデルの中で他のパラメータと同時にマルコフ連鎖モンテカルロ法でベイズ推定する方法を提案した。さらに本研究の提案手法を東京商品取引所や東京証券取引所の高頻度データに適用し、その有効性を検証した。
一方、第2のテーマであるボラティリティモデルにおいては、秒単位や分単位で分散が変動する時系列モデルとしてStochastic Volatility (SV) モデルを仮定し、これに先ほどのSCDモデルと同様に日中季節性を導入して（ここでは市場の始まった直後と閉まる直前で分散が大きくなる）、これを他のパラメータと同時にベイズ推定する方法を提案した。そして、これに対しても東京商品取引所や東京証券取引所の高頻度データを適用し、その有効性を検証した。
以上の研究成果は国内外の学会・研究集会で報告済みであり、学会に参加していた他の研究者からの意見を反映させて論文の修正を行い、近日中に学術誌に投稿する予定である。
|
