本研究は新興国、特に中小型株式を含めたグローバル投資を実現するために(1)グローバル市場の特性を踏まえたポートフォリオ最適化、(2)投資適格性を評価するためにグローバル市場での信用力評価、(3)ガバナンス評価の大きく3つの分野の研究を行うものである。 2021年度ははじめに2020年度からの引き続きとしてサポートベクターマシン(SVM)の改良に関する研究を行った。この研究は上記の(2)の信用力評価に関するものであり、機械学習手法の1つであるSVMを用いて企業の信用力評価を行う際に、判別に使用する財務変数の選択と、判別局面の非線形化を組みこんだものである。この2つを取り入れることで、判別精度の向上や実務上の利便性向上が期待されるが、パラメータの推定を行う際に混合整数半正定値計画問題という非常に難しい最適化問題を解く必要があるため、実現は困難であるとされていた。本研究では、混合整数半正定値計画問題を効率的に解くアルゴリズムを提案し、実際の企業データを用いて実証分析を行った。 特に今年度については、多くのデータを用いて様々な観点から実証分析を行い、標準的な線形判別SVMに比べ高い信用リスク推計精度が得られることを確認した。この内容は学術論文にまとめ、国際的な学会誌に掲載されるとともに、国際学会で2件、国内学会で1件の発表を行い対外的に本研究の有効性をアピールした。 また最終年度であるため、これまでの成果を組合わせた効果などの検証を行い、本研究の有効性を確認した。
|