オルタナティブデータを活用した先進的資産運用方法に関する研究

点击翻译按钮获取中文摘要

本研究は規模の大きい年金基金などの資産運用と親和性の高いオルタナティブデータを解析し、グローバル市場での資産運用の効率性を改善させること目的とし、資産運用方法の研究と信用リスク計測方法の研究を行うものである。2022年度は、1点目として決算報告会の議事録データ（Transcript）を用いた資産運用手法の提案、深層強化学習を用いた最適ポートフォリオ構築に関する研究を行い、2点目として入出金情報を用いた信用リスク管理手法に関する研究を行った。1つ目の議事録データについては、決算報告会での経営者の発言には公表される数値情報以上の将来業績に関する情報が含まれていることを想定し、議事録データの文字解析により、経営者の強気度を計測する方法を提案した。米国市場で実証分析を行った結果、標準的な数値情報に比べ非常に高い効果が確認された。2つ目の深層強化学習を用いた最適ポートフォリオ構築に関する研究では、大規模のオルタナティブデータを入力としたAI投資の可能性を検討するものである。深層強化学習を使用したポートフォリオ最適化は既存研究でもいくつか行われているが、学習時間がかかることから少数銘柄を対象にしたものしか存在しない。本研究では転移学習を使用して3000銘柄を対象とすることができる手法を提案した。また国内株式市場で実証分析を行った結果、他の機械学習手法に比べて極めて高いリターンを得ることを確認した。3つ目は銀行の入出金情報というオルタナティブデータを用いて企業の信用力を計測するモデルの提案を行った。国内の中小企業で実証分析を行った結果、標準的な信用リスク推計モデルに比べ高い有効性を確認できた。本研究は以前から取り掛かっていたものではあるが、論文の内容をより洗練させ、国際ジャーナルに掲載された。