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

点击翻译按钮获取中文摘要

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。