2023 Fiscal Year Final Research Report

New developments in high dimensional data modeling and statistical risk analysis

Research Project

PDF

Project/Area Number	19H00588
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	Omori Yasuhiro 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) 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) 入江薫東京大学, 大学院経済学研究科(経済学部), 准教授 (20789169) 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)	2019-04-01 – 2024-03-31
Keywords	マルコフ連鎖モンテカルロ法 / ベイズ統計学 / 確率的ボラティリティ / 実現ボラティリティ / ポートフォリオ最適化 / 統計的リスク管理 / ランダム回答法 / 因子モデル
Outline of Final Research Achievements	We considered the simultaneous modeling of the daily asset returns and the realized volatilities which we compute using the high dimensional and high frequency intraday returns data. The highly accurate estimation method is proposed for such a model (called realized stochastic volatility, RSV model) data using Markov chain Monte Carlo simulation. It is also found that the skewness in the error distribution needs to be considered, and we developed a class of econometric models with various types of skewed error distributions. Further, we construct the generalized multivariate SV models where all variances and correlations are time-varying. In particular, we considered a new logarithm transformation of the realized correlation matrices and corrected the bias in realized correlations. Moreover, we developed a new model which incorporates a factor structure to describe the real market structure. In addition, we constructed several econometric models for various high dimensional data.
Free Research Field	計量経済学
Academic Significance and Societal Importance of the Research Achievements	複数の金融資産からなるポートフォリオのリスクを統計的に正しく評価するためには、個別の収益率のボラティリティの変動や、相関係数の動学的構造を明らかにすることが重要である。高次元・高頻度データを用いて統計的モデルに組み込むことにより、マルコフ連鎖モンテカルロ法を用いて、パラメータの正確な推定を可能とした。さらなる改善のために、実現確率的ボラティリティモデルの観測方程式の誤差項分布のさらなる拡張も進めた。また高次元構造における因子構造をとらえることにも成功をおさめた。他にも高次元データであるような社会調査データやランダム回答法などについて潜在変数用いたモデルを提案し、効率的な推定方法を開発した。