• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2018 年度 実績報告書

高次元データ解析のためのファクター選択に関する研究

研究課題

研究課題/領域番号 16K03590
研究機関小樽商科大学

研究代表者

劉 慶豊  小樽商科大学, 商学部, 教授 (60378958)

研究期間 (年度) 2016-04-01 – 2019-03-31
キーワードModel Averaging / Model Selection
研究実績の概要

最終年度で新たに1本の論文を掲載した。研究期間全体を通じて論文を5本作成し、その内の2本を学術誌に掲載した。残りの3本に関して国際学会などで報告し、投稿や投稿の準備をしている。
成果の中の非線型回帰モデルの平均法に関する研究は非ベイジアンな方法で、既存研究より広い適用範囲を持っている。変数だけではなくパラメーターに関しても非線形なモデルにも適用できる。ファクターや関数型の選択にその研究成果を利用して、実証研究として経済データの共通ファクターによる経済指標の予測を検討した。この研究で構築したモデル平均法のための情報量基準にモデルの関数型の複雑さに関するペナルティを導入したため、既存の方法より優れたパフォーマンスをもたらした。論文ではモデル平均法の最適性などの理論的性質を証明した。さらに、シミュレーション実験で有限標本での優れた性質を明らかにし、賃金の予測に関する実証研究でその精度の高い予測能力を示した。 また、研究成果の中の3本の論文はGARCH型モデルのモデル平均法の開発に関するものであり、金融市場の予測に貢献している。論文ではモデル平均法の性質を厳密に証明し、さらに実際の金融データを用いてその有用性を検証した。更に研究期間の最終年度で既存のモデル平均法の高次元データに適用する場合のモデル平均のウエイトのスパース性を証明し、モデル平均法を高次元データに利用できるように、高速な新しい計算アルゴリズムを開発した。この研究によりモデル平均法の適用範囲が大きく広がった。より大量に候補モデルを平均法に取り入れることを実現した。コンピューターのスペックによって異なるが、シミュレーションの結果では同じ条件で候補モデルの数は1万前後より10数万までに増やすことができる。以上のように研究期間中モデル平均法の分野で幅広く成果を出している。

  • 研究成果

    (5件)

すべて 2018 その他

すべて 雑誌論文 (1件) (うち国際共著 1件、 査読あり 1件) 学会発表 (2件) (うち招待講演 1件) 備考 (2件)

  • [雑誌論文] Model Averaging Estimation Method for Nonlinear GARCH Family2018

    • 著者名/発表者名
      Qingsong Yao, Guoqing Zhao and Qingfeng Liu
    • 雑誌名

      Statistical Research

      巻: 35 ページ: 119-128

    • DOI

      10.19343/j.cnki.11-1302/c.2018.05.012

    • 査読あり / 国際共著
  • [学会発表] ファクターモデルの進展と経済学への応用2018

    • 著者名/発表者名
      劉慶豊
    • 学会等名
      中国吉林大学2018計量経済学国際講習レクチャー
    • 招待講演
  • [学会発表] Model Averaging for Nonlinear Regression Models2018

    • 著者名/発表者名
      Qingfeng Liu
    • 学会等名
      Seminar in the Department of Statistics, Columbia University
  • [備考] Selected Publications

    • URL

      http://www.otaru-uc.ac.jp/~qliu/publication.html

  • [備考] Current Working Papers

    • URL

      http://www.otaru-uc.ac.jp/~qliu/wp.html

URL: 

公開日: 2019-12-27  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi