| 研究課題/領域番号 |
21K01560
|
|---|
| 研究機関 | 東京都立大学 |
|---|
研究代表者 |
内山 朋規 東京都立大学, 経営学研究科, 教授 (50772125)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| キーワード | アセットプライシング / ビッグデータ / 機械学習 / オーバーフィッティング / ファクター |
|---|
| 研究実績の概要 |
資産価格のプレミアム（期待超過リターン）は時間変動し、かつクロスセクションで異なり、リターンが予測可能であることは現在のファイナンスにおける標準的な考え方である。しかし、この資産価格の一般理論は実証的に示される必要があるものの、データから特定することは容易ではない。
そこで本研究は、オーバーフィッティング（過学習）の危険性を考慮したうえで、近年発展が目覚ましい機械学習の技術を用いることによって、如何に新たな知見が得られるのかを探究するものである。機械学習には多次元の変数や変数間の相互作用による非線形性を扱えるという利点があり、本研究の成果は学術と実務の双方にとって意義がある。
本年度は研究の第一段として、企業特性が持つリターン予測力を利用した最適ポートフォリオ構築に関する新しいアプローチを探究した。本手法では、ポートフォリオにおける各企業のウエイトを企業特性の非線形関数として直接モデル化し、ニューラルネットワークにより期待効用が最大になるように係数を推定する。伝統的なアプローチにおいて課題となるリターンの分布の推定は不要である。日本株式市場におけるアウトオブサンプルでの実証の結果、本手法のパフォーマンスはベンチマークを上回ることを明らかにした。この結果は、企業特性の情報を利用した最適ポートフォリオの構築において，非線形性や相互作用を考慮することが重要であることを示している。この方法論を拡張することは容易で、さまざまな応用が期待できる。
|
| 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
本年度は研究の第一段として、主に日本株市場における実証分析を実施し、一定の成果を得ることができた。また、得られた結果を学会等で発表するとともに、この結果をもとに新たに研究の分析に着手した。これを通じて更なる研究の発展が期待できる状況である。
|
| 今後の研究の推進方策 |
日本株式市場で得られた結果をグローバル株式市場での分析に拡張する計画である。このための分析用データベースの構築をしたうえで、実際の分析に着手する。
加えて、債券や通貨などの他の資産クラスや、資産配分への応用に研究対象を拡張していく予定である。
|
| 次年度使用額が生じた理由 |
新型コロナウイルス感染症の影響に伴い、国内外の学会参加の支出が想定を下回ったことなどによる。
|
