確率過程の統計推測理論の深化と高頻度データ・機械学習への展開

• 研究課題/領域番号: 25K03083
• 研究種目: 基盤研究(B)
• 配分区分: 基金
• 応募区分: 一般
• 審査区分: 小区分60030:統計科学関連; 小区分61030:知能情報学関連; 合同審査対象区分:小区分60030:統計科学関連、小区分61030:知能情報学関連
• 研究機関: 東京大学
• 研究代表者: 荻原 哲平 東京大学, 大学院情報理工学系研究科, 准教授 (40746426)
• 研究分担者: 上原 悠槙 関西大学, システム理工学部, 准教授 (00822545)
• 研究期間 (年度): 2025-04-01 – 2030-03-31
• 研究課題ステータス: 交付 (2025年度)
• 配分額: 18,720千円 (直接経費: 14,400千円、間接経費: 4,320千円); 2029年度: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円); 2028年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円); 2027年度: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円); 2026年度: 4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円); 2025年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
• キーワード: 確率過程 / 統計推測 / 機械学習 / 高頻度観測 / リスク予測

研究開始時の研究の概要

ジャンプを含む確率過程のモデルはファイナンスにおいてよく用いられる。特に一日内の株価データを扱う上では、複雑な観測構造をモデル化する必要があるが、ジャンプを含む確率過程の複雑な観測構造はこれまで十分に研究されてこなかった。本研究ではこのような統計モデルに対する統計推測問題と機械学習の適用を研究する。
複雑な観測構造の下では機械学習の適用が困難であったが、疑似尤度解析とニューラル・ネットワークを組み合わせたアプローチにより、適用可能な機械学習の手法を開発していく。応用として、高頻度データから株価モデルを学習し、金融機関の資産価値の下落を軽減できるようなリスク計測手法を開発する。