金融高頻度データを用いるための統計的手法の開発

点击翻译按钮获取中文摘要

昨年度に引き続き米国スタンフォード大学に滞在し,金融高頻度データを用いてRealized Estimatorと呼ばれるクラスでボラティリティ推定をおこなう場合に,マーケットマイクロストラクチャーノイズ(以下MMN)が原因で生じる諸問題を考察した.スタンフォード大学内からアクセス可能なWRDB(Wharton Research Data Services:米国ペンシルバニア大学ウォートンスクールによる研究目的用の経済・金融データベース.世界の主要大学・研究機関などからアクセス可能であるが残念ながら日本での受入機関である京都大学は参加していない.)から数種類の米国個別株データを調べた結果,MMNの構造は複雑で,大多数の既存研究でおかれている仮定をよりゆるめることが現実的であることがわかった.それゆえ,Realized Estimatorの一般形であるWeighted Realized Covariance(以下WRC)をよりゆるやかな仮定の下でその性質を考察することで統一的な結論を出すことを試みた.特にWRCの有限標本で平均2乗誤差(以下MSE)を統一的に評価する枠組みを構築することに注力した.またWRCの実用に向けてその推定値やMSE評価の計算速度の向上を,行列を適度に分割することによって試みた.さらにMMNの構造を特定する方法をサーベイし,既存の方法の推定精度を改良することに取り組んでいる.以上が今年度9月までの研究内容である.