| 研究課題/領域番号 |
22KJ3054
|
|---|
| 補助金の研究課題番号 |
22J10285 (2022)
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 基金 (2023)
補助金 (2022) |
|---|
| 応募区分 | 国内 |
|---|
| 審査区分 |
小区分07030:経済統計関連
|
|---|
| 研究機関 | 関西学院大学 |
|---|
研究代表者 |
重本 秀人 関西学院大学, 理工学研究科, 特別研究員(DC2)
|
|---|
| 研究期間 (年度) |
2023-03-08 – 2024-03-31
|
| 研究課題ステータス |
採択後辞退 (2023年度)
|
| 配分額 *注記 |
1,600千円 (直接経費: 1,600千円)
2023年度: 700千円 (直接経費: 700千円)
2022年度: 900千円 (直接経費: 900千円)
|
|---|
| キーワード | 実現共分散行列 / 金融高頻度データ / ボラティリティ予測モデル |
|---|
| 研究開始時の研究の概要 |
本研究では、高頻度データから推定された金融資産共分散行列の予測モデルの拡張を提案する。金融データの共分散行列はリスク管理や資産配分を行う上で重要な役割を果たす。より正確に将来の共分散行列を予測するために①経済変数を導入したモデル、②高次元小標本に対応した主成分分析を使用した予測モデル、③市場のショック時における資産収益率の挙動を導入したモデルの三点について研究を行う。
|
| 研究実績の概要 |
本研究の目的は、より正確な共分散予測モデルの構築及び提案モデルを用いたリスク管理手法の構築である。そこで(1)共分散予測モデルの提案、(2)日本市場におけるボラティリティ波及効果の分析に関する研究を実施した。
(1)に関しては(i)DCC-GARCHモデルを高頻度データに適用したRealized DCCモデルに対して実現ボラティリティおよび実現相関の観測誤差を導入したモデルの提案、(ii)サンプルサイズが変数の数より少ないような状況で有効な高次元主成分分析を使用した共分散予測モデルの提案の二つの研究を行い、その成果を論文にまとめた。
(i)では100次元のような高次元行列に対しても推定及び予測が可能な形を維持しつつ、従来のモデルより予測力が優れていることを統計的仮設検定を用いて示した。(ii)ではサンプルサイズが変数の数より小さい場合に焦点を当て、高次元主成分分析と時系列モデルを組み合わせた予測手法を提案した。(i)の研究と同様に既存モデルと予測力を比較し、提案モデルが予測力の観点で有意に優れていることを示した。
(2)に関して、新型コロナウイルス流行前後における日本株式市場の業種間のボラティリティ波及をDiebold and Yilmaz (2012)で提案された指標を用いて分析し、論文にまとめた。本研究で、新型コロナウイルス流行前と期間中では大きく市場のリスク伝播の様子が異なっていることが示されたと同時に、1回目の緊急事態宣言終了後にボラティリティ波及の総量が著しく減少したことを示している。
|
| 現在までの達成度 (段落) |
翌年度、交付申請を辞退するため、記入しない。
|
| 今後の研究の推進方策 |
翌年度、交付申請を辞退するため、記入しない。
|
