2023 Fiscal Year Research-status Report
Multivariate Stochastic Volatility Models for High-dimensional and High Frequency Data
| Project/Area Number |
22K01429
|
|---|
| Research Institution | Soka University |
|---|
Principal Investigator |
浅井 学 創価大学, 経済学部, 教授 (90319484)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | 高次元 / 高頻度 / 確率的ボラティリティモデル / 多変量 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、高次元かつ高頻度データを用いて、共分散の新たなモデルおよびその推定方法を提案し、予測力などその実用性を検証することである。特に確率的ボラティリティ変動（Multivariate Stochastic Volatility）モデルにおいて、①実現相関係数行列のモデル化、②データの回転によるパラメータ削減、③ファクター構造による次元削減の3点に注目する。
2023年度は、まず前年度に引き続き、単変量モデルに関する論文に取り組んだ他。この論文は、複数回の改訂を経て、学術誌Econometricsに掲載された。また①について、MSVにおける相関係数行列のモデル化として、ウィッシャート自己回帰モデルを使ったモデル考案した。このモデルについて、適切な近似を行うことで状態空間モデルを構築することができることを示した。モンテカルロ実験により、モデルのパラメータを疑似最尤法で推定できることを確認した。高次元の分析として15次元までの結果を得ることができた。次は50次元また100次元での検証に取り組んでいく。
②についてシミュレーション分析に取り組んだところ、伝統的な多変量GARCHモデルやDCCモデルの場合とは異なり、回転しても予測パフォーマンスに有意な向上は見られないことがわかった。次年度は高次元のスパース構造をもつ共分散行列も検討していく。また回転が不要というのもメリットになりうるため、その方針についても検討する。
③について、ファクターMSVモデルの推定方法の確立に取り組んだ。シミュレーションでは、新たなモデルは、伝統的なモデル（多変量GARCHモデルおよびDCCモデル）に比べて、予測のパフォーマンスにおいて優れていることがわかった。今後は、実証分析に取り組んでいく。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
このプロジェクトでは3編の論文を執筆する予定だったが、すでに3編の論文が国際的な学術誌に掲載され、さらに2編の論文を執筆できる見込みが立っている。
|
| Strategy for Future Research Activity |
この研究では、確率的ボラティリティ変動（Multivariate Stochastic Volatility）モデルにおいて、①実現相関係数行列のモデル化、②データの回転によるパラメータ削減、③ファクター構造による次元削減の3点に注目して、新たなモデルの構築に取り組んでいる。
上述のように③については、研究成果を論文にまとめていく。①については、高次元を想定したモンテカルロ実験を行い、実証分析の結果に基づいて論文を執筆する。②については、当初の予想と異なる結果となっているため、(1)回転に用いる共分散行列について推定量の改善を考えるとともに、(2)回転が不要だというメリットを活かした論文として検討していく。
|
| Causes of Carryover |
病気の長期治療のため、支出を伴わない形での取り組みを優先的に行った。
|
