高次元データモデリングの新展開と統計的リスク分析

山内・大森は、ファクターを用いた確率的ボラティリティ変動(SV)モデルにおいて高頻度データの情報を用いることでパラメータおよび潜在変数の推定を安定化させる手法を提案した。また高橋・渡部・大森・山内は、金融資産の収益率とその変動を同時に定式化するRealized SV (RSV)モデルについて、裾が厚く左右非対称な3つの分布を収益率分布に用いた拡張を行なった。実証分析では、異なるクラスのモデルのボラティリティ予測の精度を比較し、拡張したRSVモデルの予測精度が他のモデルよりも優れていることを示した。黒瀬は、金融資産日次収益率の分散項の時間変動のモデリング、特にGARCHモデル等の収益率の分散項の時間変動モデルに日中価格レンジの情報を組み込む研究を行った。ベイジアン・アプローチによるモデル推定法を構築し、予測力に基づくモデル比較を含む実証分析も行い、モデルの有用性を確認した。國濱は、高次元多変量データに対して、一般的な統計手法に共変量と潜在的な因子変数を掛け合わせた項目を加えることで、その共分散が共変量の関数となるようなベイズ統計モデルを考案した。渡部は、日次実現ボラティリティと期待ショートフォール（ES）を用いてVaRとESを同時に予測するモデルとMCMCを用いたベイズ推定法を提案し、4か国の株価指数を用いてこのモデルの予測精度が高いことを示した。石原は、実現ボラティリティを用いた多変量SVモデルについて、観測できるファクターとその実現共分散を用いて、計算時間を短時間で行えるモデルとその推定方法を提案し、そのパフォーマンスを予測精度により調べた。入江は、ガンマ分布の形状パラメータの事後分布による効率的な推定方法を開発した。

山内・大森は、ファクターを用いた確率的ボラティリティ変動(SV)モデルにおいて高頻度データの情報を用いることでパラメータおよび潜在変数の推定を安定化させる手法を提案した。また高橋・渡部・大森・山内は、金融資産の収益率とその変動を同時に定式化するRealized SV (RSV)モデルについて、裾が厚く左右非対称な3つの分布を収益率分布に用いた拡張を行なった。実証分析では、異なるクラスのモデルのボラティリティ予測の精度を比較し、拡張したRSVモデルの予測精度が他のモデルよりも優れていることを示した。黒瀬は、金融資産日次収益率の分散項の時間変動のモデリング、特にGARCHモデル等の収益率の分散項の時間変動モデルに日中価格レンジの情報を組み込む研究を行った。ベイジアン・アプローチによるモデル推定法を構築し、予測力に基づくモデル比較を含む実証分析も行い、モデルの有用性を確認した。國濱は、高次元多変量データに対して、一般的な統計手法に共変量と潜在的な因子変数を掛け合わせた項目を加えることで、その共分散が共変量の関数となるようなベイズ統計モデルを考案した。渡部は、日次実現ボラティリティと期待ショートフォール（ES）を用いてVaRとESを同時に予測するモデルとMCMCを用いたベイズ推定法を提案し、4か国の株価指数を用いてこのモデルの予測精度が高いことを示した。石原は、実現ボラティリティを用いた多変量SVモデルについて、観測できるファクターとその実現共分散を用いて、計算時間を短時間で行えるモデルとその推定方法を提案し、そのパフォーマンスを予測精度により調べた。入江は、ガンマ分布の形状パラメータの事後分布による効率的な推定方法を開発した。