ファイナンスデータに対する説明可能な機械学習手法の開発

开发可解释的金融数据机器学习方法

基本信息

批准号：
21K13329
负责人：
五島圭一
金额：
$ 3万
依托单位：
Waseda University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

令和４年度は、主にポートフォリオ管理の観点から資産間の連動性を研究対象として、連動性を捉えるためのモデル構築を試行し、実際の資産価格データを用いてモデルを推定し、評価を行った。具体的には、主に以下の２点の研究成果を得られた。１）暗号通貨のリターンの間には、非対称な依存関係を持つ（リターンが負の場合と正の場合とで大きな非対称性が存在する）ことが広く知られている。そこで、非対称な依存関係捉えるための新しいモデルを開発した。具体的には、時間的に変化するジャンプ強度を持つ共通ジャンプを明示的に導入することでモデル化を行った。我々の提案するモデルは相関の非対称性を説明する上で最も優れたパフォーマンスを示した。さらに、暗号通貨の挙動をモデル化する際に共通ジャンプを抽出することで、暗号通貨への過剰なエクスポージャーを抑制できることを示した。２）直近30年におけるアジア太平洋、欧州、日本、北米の４つ地域間の株式リターンの相関について長期変遷に関する実証分析を行った。特に、国際株式市場間の連動性に持続的な影響を与えうる要因とされる株式市場の統合度との関連性について考察を行った。分析の結果、相関係数の推移は上昇トレンドであることが明らかとなった。そして、相関係数の変動に対して市場統合ではなく、グローバル・ファクターの変動が重要な役割を果たしていることが明らかとなった。これらの結果は、今後必ずしも連動性の上昇トレンドが継続するとは限らないことを示唆している。

2020财年，我们将主要从投资组合管理的角度研究资产之间的联锁，并尝试构建捕捉联锁的模型，利用实际资产价格数据来估计该模型，并对其进行评估。具体来说，主要取得了以下两个研究成果。 1）众所周知，加密货币的回报之间存在不对称依赖性（负回报和正回报之间存在很大的不对称性）。因此，我们开发了一种新模型来捕获不对称依赖关系。具体来说，我们通过明确引入具有随时间变化的跳跃强度的常见跳跃来对此进行建模。我们提出的模型在解释相关性不对称性方面表现出最佳性能。此外，我们还表明，在对加密货币的行为进行建模时，可以通过提取常见的跳跃来抑制对加密货币的过度暴露。 2）我们对过去30年亚太、欧洲、日本、北美四个地区股票回报相关性的长期变化进行了实证分析。我们特别考虑了与股票市场一体化程度的关系，这被认为是能够对国际股票市场之间的相互联系产生持久影响的因素。分析结果表明，相关系数呈上升趋势。此外，很明显，全球因素的变化，而不是市场一体化，在相关系数的变化中发挥着重要作用。这些结果表明，未来联锁的上升趋势不一定会持续下去。