| 研究課題/領域番号 |
18K12873
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分07080:経営学関連
|
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
田上 悠太 早稲田大学, 商学学術院(ビジネス・ファイナンス研究センター), 助教 (60805050)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2019年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2018年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 信用リスク / ファイナンス / デフォルト時損失率 / 金融リスク / Loss given default / 変数選択 / LGD / 転移学習 / ビックデータ |
|---|
| 研究成果の概要 |
国際的な金融システムの健全性の強化を目的にしたバーゼル規制は、銀行に対して様々なリスクを推定し、それに備えた自己資本を積み立てることを義務付けている。本研究では銀行債権の信用リスク、特にLGD推定の推定精度向上のための研究を行った。その結果、LGD推定における非線形モデルの有用性を確認した。また、転移学習、マクロ経済変数、業歴の有効性に関しての検証を行った。さらに、膨大な量の説明変数が含まれるLGD推定における変数選択方法に関しての研究も行った。
|
| 研究成果の学術的意義や社会的意義 |
1.海外においては様々なLGD研究は行われてきたが、これまでは日本においてはほとんどLGD研究が行われてこなかった。特に地方銀行の債権のLGD研究は殆ど行われておらず、日本の債権のLGD推定の要因分析に関して検証が十分に行われてこなかった背景がある。本研究は様々な要因の分析が初めて行われた研究である。また、機械学習モデルや転移学習等、信用リスクの分野においてこれまであまり用いられてこなかった方法に関して検証したことに意義があると考えられる。これらの成果を応用することで日本、海外問わず、研究者や実務家がより推定精度の高いLGD推定モデルの開発が可能となり、リスク管理の高度化に資すると考えられる。
|
