| 研究課題/領域番号 |
19K13665
|
|---|
| 研究機関 | 東北大学 |
|---|
研究代表者 |
植松 良公 東北大学, 経済学研究科, 准教授 (40835279)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | 偽発見率 / 検出力 / ファクターモデル / スパース性 / ベクトル自己回帰 / 高次元データ / ポートフォリオ選択 |
|---|
| 研究実績の概要 |
2020年度の研究実績は大きく分けて以下の３つである．
１．ウィークファクターモデルの推定・推測理論の確立：多くの経済・金融時系列データは，従来のファクターモデル（ストロングファクターモデル）の枠組みで扱うのが適切でないような「弱い」ファクター構造を持つことが指摘されてきた．この性質を反映したモデルが，ファクターローディングにスパース性を仮定したウィークファクターモデルである．2019年度までにこのモデルの推定と推測についてまとめたのち専門誌に投稿したが，今年度は改訂要求を受けてこれらをさらに掘り下げ，論文の改訂版とした．
２．高次元ベクトル自己回帰モデルにおける推測理論の確立：高次元ベクトル自己回帰モデルにおける大域的な推測手法を提案した．まずlasso推定量のバイアスを除去することで，漸近正規性をもつ推定量を構成し，それに基づいてｔ検定統計量を構築する．それを用いて適切な棄却域のもと多重検定を行い，偽発見率（FDR）をコントロールしながら，全係数の有意性を判断する．しかし有限標本のもとでは，この手法のパフォーマンスはあまりよくないため，ブートストラップによる修正手法も提案した．これは良いパフォーマンスを示す．
３．大規模ポートフォリオ選択問題への応用：偽発見率をコントロールしたうえでの変数選択の手法を，大規模ポートフォリオ構築に応用する．先行研究によると，lassoでの選択が漸近的に効率的だということだが，これでは依然として不要なアセットを多数含んでしまう．この点を改善するため，偽発見率をコントロールした選択手法を用いる．理論的な解析は今後の課題だが，簡単な実証分析の結果，lassoよりも良いパフォーマンスを示すことが分かった．
|
| 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
「研究実績の概要」で述べた通り，2020年度は２本の論文の改訂を行った．これらは近々海外の専門雑誌に再投稿する．また，これらの研究に基づいて2020年度中には１件の国際学会での研究報告を行った．さらにこれらの研究に加えて，現在は高次元自己回帰モデルにおける大域的推測や，大規模ポートフォリオ選択問題への応用を進めている．このように，現在までの進捗状況はおおむね順調に進展している．
|
| 今後の研究の推進方策 |
上でも述べた通り，現在は，高次元ベクトル自己回帰における多重検定による偽発見率コントロールの手法の研究を進めている．今後はこのブートストラップ版の理論構築と，シミュレーションや実データを用いた実証分析を進めていく予定である．また，大規模ポートフォリオ選択への応用について，さらなる実証分析と，その理論解析を進めていく予定である．
|
| 次年度使用額が生じた理由 |
コロナの影響等により，計画に変更があった．しかし次年度使用額は高額ではないので，大きな計画変更はなく2021年度中に執行予定である．
|
