| 研究課題/領域番号 |
19K04899
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
牧本 直樹 筑波大学, ビジネスサイエンス系, 教授 (90242263)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | 時系列予測 / 金融時系列 / 投資戦略 / パフォーマンス評価 |
|---|
| 研究実績の概要 |
本年度は，さまざまな手法を用いた時系列データに対する予測力の評価，投資戦略の多期間最適化手法の構築とパフォーマンス評価，投資意思決定にお行けるリスク評価の精緻化に関する分析を実施した．
時系列データに対する予測力の評価では，通常の時系列モデルに加えて，ロジスティク回帰やランダムフォレストなどの学習モデルによる予測を実施し，各予測手法の精度や予測値の特性を比較分析した．また株式インデックスに対する実証分析を通して，予測力と投資パフォーマンスに関する評価を行った．
投資戦略の多期間最適化では，債券投資における線形リバランス戦略の適用について検討した．金利期間構造の水準，傾き，曲率を状態変数とする確率金利モデルを利用し，債券リターンが状態変数の線形関数で表されることを利用して多期間最適投資戦略を構築した．この戦略は，将来の多期間に渡る金利変動を予測し，それに基づいて投資比率を動的に決定することを可能とするモデルであり，一般的に求解が困難とされる多期間投資最適化問題に対する有効な近似手法と考えられる．実証分析では，予測期間と最適戦略の適用期間の組合せを変えて投資パフォーマンスの比較を行い，予測期間と適用期間が長くなるにつれてパフォーマンスが向上することを確認している．このことは，一般に利用されている1期間最適化に対する多期間最適化の優位性を示すものである．
リスク評価の精緻化では，レジームシフトとコピュラを組み合わせた動学モデルをもとにポートフォリオのリスクを評価するフレームワークを構築した．これは，市場局面の変化に合わせてリスク量をより正確に捉えることを目的としている．実証分析の結果，レジームシフトを考慮しないモデルや従来型のコピュラを利用する場合に比べて，より高い精度でリスクの評価が可能となることが確認された．
|
| 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
本研究全体は，事前と事後の投資パフォーマンスに関する分析，金融市場で観測される各種時系列データを用いた実証分析，理論解析と実証分析結果をあわせた考察の3つのフェーズを予定している．前年の研究を受けて，本年度は主として2番目のフェーズである金市場データに対する実証分析を中心に行った．
ポートフォリオ構築においては，リターン予測とリスク評価が最も重要な要素となる．このうちリターン予測については，標準的な時系列モデルに加えて，近年注目を集めている学習モデルによる予測も含めた比較分析を行っている．リスク評価では資産間の相関がリスク尺度に大きく影響するが，非対称コピュラを利用して相関構造の把握を精緻化するとともに，レジームシフトによる市場環境の変化に適応した推定を行ている．こうした結果を活用することで，投資対象資産のリターンやリスクの評価がより正確に行えるようになれば，より適切な投資意思決定につながるものと期待できる．
多期間最適化については，予測期間と適用期間の違いによるパフォーマンスへの影響が新たな知見として得られている．こうした分析は従来あまり多くは行われていないが，実運用における適用を考えると重要な視点であると考えている．
今年度実施した分析は，複数の株式指数や債券を対象としており，金融市場においてリターンやリスクの特性が大きく異なる主要資産を含んでいることから，研究成果については幅広い応用が期待できる．以上により，3年間の研究計画の2年目終了時点としては概ね予定通りの進捗であると判断した．
|
| 今後の研究の推進方策 |
最終年度においては，これまでに得られた成果を活用しながら，事前と事後のリスク評価の関連性をより詳細に分析することを予定している．これまでに市場データを用いた実証分析をいくつかの投資対象資産に対して行っているが，実証分析の場合は再現性がないため，結果が分析対象時期の金融市場環境に影響されている可能性がある．一方，時系列モデルから生成したシミュレーションデータを利用すれば，データを変えながら繰り返し分析ができるため，より正確な評価が可能となる．そのため，シミュレーション分析を利用してリスク評価の妥当性を評価するフレームワークを構築し，実証分析データから推定された時系列モデルによる検証を行う．
具体的には，資産種別ごとに過去の実証分析で適合度が高かった時系列モデルに基づいてデータ生成過程を構築し，そこから将来のリターンデータをシミュレートする．そのデータに対して，これまで利用した予測モデルによる予測を行い，それをもとにポートフォリオを組成する．事後分析としては，シミュレーションデータに対するポートフォリオのパフォーマンスを評価し，それらを比較することで，事前の予測と事後の評価の関連性について考察を行う予定である．
|
| 次年度使用額が生じた理由 |
次年度使用額は約7万円であり，概ね使用計画に沿って行われている．最終年度は，研究成果の公表等を中心に使用する予定であるが，新型コロナウイルスの影響でオンライン開催となる学会も多いため，必要に応じて対応を検討したい．
|
