| 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 |
大森は、多変量の金融資産収益率の時系列について、ボラティリティと相関係数が時間とともに変化する一般的なモデルを構築した。高頻度データから計算される実現共分散行列の情報を、そのバイアスを補正しながら導入することで、効率的なマルコフ連鎖モンテカルロ法による推定方法を開発し、推定量の精度を高めることに成功した。高橋は、金融資産の収益率とそのボラティリティを同時に定式化するモデル（実現SVモデル)について、他のボラティリティモデルと共に既存研究をまとめた。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での市場クオリティを評価する方法論を提案し、実データにより検証した。石原は、マーケット・サイズ・バリューの３ファクターを株式指数から擬似的に計算して高頻度データを作成することで、その実現共分散を推定した。
國濱は、計数データにポアソン分布を用い、個体毎のばらつきを認めるようなパラメータを導入して柔軟度を高め、さらに因子モデリングを応用することで不必要なパラメータ数の増加を抑制するモデルを提案し、母数推定のアルゴリズムを考案した。黒瀬は、日次収益率データの確率的ボラティリティモデルに、価格変動レンジの情報を追加して、レバレッジ効果をモデルに組み込み、効率的なベイズ推定法を構成した。入江は、ガンマ分布に関する分布論の研究を行い、統計学への応用可能性を解明した。またウィシャート分布の多変量ボラティリティモデルへの応用を行った。渡部は、日中の実現SVモデルとそのベイズ推定法を開発し、日経225の5分ごとのリターンに応用した。また、実現ボラティリティとリターンを同時にモデル化する実現GARCHモデルとそれを拡張したモデルのベイズ推定法を開発し、S&P500のデータに応用した。
|
| 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２年間で、Journal of Business and Economic Statistics、Econometrics and Statistics (2論文)、Applied Stochastic Models in Business and Industry、Annals of Applied Statistics, 「日本統計学会誌」「統計数理」などに順調に掲載が進んでいる。学会発表も2019・2020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・2020年度の計算・計量ファイナンス学会（CFE2019, CFE2020, 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・2020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 |
大森は、高次元の金融資産収益率のポートフォリオ最適化やそのリスク管理のために、因子構造を考えてそれが動学的構造を持つことで分散及び相関係数の変化をモデル化する。高頻度データを併せて用いることでより効率的に母数を推定できるモデルについて提案を行い、実際の株式収益率に応用する。高橋は、金融資産収益率とボラティリティを同時に定式化するモデルにおいて、収益率分布の裾の厚さと非対称性を導入することでボラティリティ予測と収益率の分位点予測の改善を行う。石原は、マーケットファクター・サイズファクター・バリューファクターの実現共分散を導入した新しい行列指数多変量確率的ボラティリティ変動モデルの研究を行う。
國濱は、多変量計数データのためのベイズ統計モデルに対して、より効率的なパラメータ推定方法の開発と計算時間の短い推定アルゴリズムを開発する。黒瀬は、金融資産日次収益率のボラティリティモデルにおいて日中価格レンジの情報を組み込み、その多変量モデルへの拡張を検討する。入江は、多変量ボラティリティモデルの研究と多変量計数時系列データに関する同種の研究を行う。渡部は、実現GARCHモデルを改良し、そのベイズ推定法を開発すると共に、分布の裾のリスク管理に応用する。また、新型コロナウイルス禍での資産価格ボラティリティや分散リスクプレミアムの変動について分析し、金融危機や新型コロナウイルスなど大規模なショックを考慮した景気循環のモデルとそのベイズ推定法を開発する。
|
