| 研究課題/領域番号 |
19H00588
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
大森 裕浩 東京大学, 大学院経済学研究科(経済学部), 教授 (60251188)
|
|---|
| 研究分担者 |
黒瀬 雄大 筑波大学, システム情報系, 助教 (20713910)
高橋 慎 法政大学, 経営学部, 准教授 (20723852)
入江 薫 東京大学, 大学院経済学研究科(経済学部), 講師 (20789169)
國濱 剛 関西学院大学, 経済学部, 准教授 (40779716)
石原 庸博 大阪経済大学, 経営学部, 講師 (60609072)
渡部 敏明 一橋大学, 経済研究所, 教授 (90254135)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2024-03-31
|
| キーワード | ベイズ統計学 / マルコフ連鎖モンテカルロ法 / リスク管理 / 確率的ボラティリティ / 実現ボラティリティ / 高頻度データ |
|---|
| 研究実績の概要 |
黒瀬・大森は、多変量金融資産収益率の分散行列の動学的構造をモデル化するため、収益率グループで相関が同じであるブロック均一相関モデルを提案し、高頻度データに基づく実現分散行列を観測方程式に加え、実際にデータ分析を行った。また、黒瀬は、確率的ボラティリティモデルを拡張する形で、金融資産日次収益率データとその四本値から得られる情報を同時モデリングし、収益率の時間変動する分散項の統計分析を行った。渡部は、誤差項の分布がt分布であるthreshold GARCHモデルと実現ボラティリティの同時モデルを構築し、MCMCによる推定方法を開発、日米の株式市場において収益率のVaRやボラティリティの予測が従来のGARCHモデルを改善することを示した。高橋は、構造型自己回帰（Structural Vector Autoregressive）モデルを用いて注文不均衡（買い注文と売り注文の差）が価格に与える影響を分析し、その日中変動の要因やマクロ経済指数の公表との関連を示した。また、電子商取引を中心に広く普及している推薦システムを応用することで個別株式銘柄の高頻度領域（短時間）での流動性を評価する方法論を提案し、その有効性を検討した。國濱は、主に２値変数から構成される高次元多変量データに対して，欠損率の高い変数も分析から除去する必要がないベイズ統計モデルの開発を行った．具体的には，missing-at-randomを仮定することで欠損メカニズムに起因する統計モデリングの複雑化を回避しつつ，予測分析に必要なパラメータを効率的に推定するベイズ統計手法を考案した。入江は、これまで継続して行ってきたBayesian dynamic fused LASSOの研究を完成させ、さらにより基礎的な縮小事前分布の研究に着手し、正規分布の尺度混合として表される縮小事前分布の統一化と拡張を共同研究者とともに試みた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
研究代表者・分担者によるこれまでの査読付き論文は、過去1年間で日本統計学会誌のほか、Journal of Business and Economic Statistics、Econometrics and Statistics、「日本統計学会誌」「統計数理」にも論文採択が決定している。学会発表も2019年度統計関連学会連合大会, 2019年度国際ベイズ分析学会東アジア大会（ISBA-EAC, 国際学会）, 2019年度の計算・計量ファイナンス学会（CFE2019, 国際学会）、2019年度の第3回計量経済学・統計学国際会議（EcoSta2019, 国際会議), 2019年ベイズ計量経済研究集会など、国内外で積極的に行っている。また国際ベイズ分析学会東アジア大会・ベイズ計量経済研究集会においては、開催の主催も行っている。
|
| 今後の研究の推進方策 |
(1)多変量金融データのための、因子構造と実現因子、実現ボラティリティを用いた確率的ボラティリティ変動モデルの構築・推定方法の提案、(2) 粒子フィルタによるローリング推定のための効率的な逐次マルコフ連鎖モンテカルロ法の開発、(3) 収益率分布の裾の厚さと非対称性を捉えることのできる、より一般的な分布を用いたRealized Stochastic Volatility (RSV)モデルの提案、(4) HARモデルを多変量モデルに拡張し、SCAD (Smoothly Clipped Absolute Deviation) を用いることにより、大規模な実現ボラティリティデータに応用、(5)日中の周期性やマクロニュース公表の効果等を考慮した日中の資産価格のボラティリティ変動モデルとVaR、ボラティリティ予測への応用、(6)高次元分割表を構成する多変量データを分析するためのベイズ統計モデルの開発、(7) 多変量確率的ボラティリティモデルにおいて価格レンジから得られる尺度を同時に用いるモデルの開発、(8)多変量時系列データのための特定の縮小事前分布を用いたモデルの逐次分析、(9)複数種類の実現ボラティリティを用いたボラティリティ変動モデルに関する研究、を進めていく。
引き続き、国内外における学会発表を積極的に行い、国際的学術雑誌への掲載を目指す。
|
