ビッグデータ時代における資産価格理論の実証的研究

点击翻译按钮获取中文摘要

さまざまな資産の超過リターンが予測可能であることは現代のファイナンス理論における標準的な見方である。しかし、実証的に特定することは容易ではない。予測対象のデータには限りがある一方で、予測に用いるデータ（予測変数）には多くのものが利用可能なため、オーバーフィッティング（過学習）の危険性が伴う。本研究の特徴は、近年発展が目覚ましい機械学習の技術も活用し、資産価格理論の実証分析を行う点である。前年度に開発した新たな手法に関する研究を継続した。本手法は、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もので、資産のウエイトを特性の非線形関数として直接モデル化し、機械学習により期待効用が最大になるように構築する。これには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という利点がある。今年度は、すでに実施した日本株式市場での分析の精緻化を図るとともに、グローバル株式市場や為替市場への適用について進展させた。ただし、為替市場は株式市場ほどにはファクター効果に関する既存研究が多くないため、前述の最適ポートフォリオの研究の基礎部分である通貨リターンの予測可能性に関する分析にも注力した。資産価格モデルを利用する際に、どの通貨建てで測るのかといった実証上の問題がある。そのため通貨のリスクプレミアムを考慮した資産価格モデルに関する研究も行った。通貨のリスクプレミアムを考慮すると、外貨建てと円建ての資産価格モデルでは円建ての期待超過リターンが異なり、最適ポートフォリオも異なる。これを考慮して、わが国の年金運用におけるホームバイアスのコストを明らかにした。さらには、ESGファクターが超過リターンに与える影響についても研究を実施した。ESGファクターを考慮した均衡期待リターンを導出し、サステナブル投資の経済的機能や最適ポートフォリオに関する論文原稿も作成中である。