Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
ARCHモデルのミクロ的基礎付けの試み
スパークス・アセット・マネジメント株式会社水田 孝信
1
本発表資料はスパークス・アセット・マネジメント株式会社の公式見解を表すものではありません.
すべては個人的見解であります.
この資料は以下のサイト...
今日のおはなし
(1)はじめに:ミクロ的基礎付けと人工市場研究
(2)モデル:価格決定モデル
(3)モデル:ノイズトレーダーのみの場合
(4)モデル:ノイズトレーダー以外もいる場合
(5)まとめと今後の課題
2
(1)はじめに:ミクロ的基礎付けと人工市場研究
(2)モデル:価格決定モデル
(3)モデル:ノイズトレーダーのみの場合
(4)モデル:ノイズトレーダー以外もいる場合
(5)まとめと今後の課題
3
ARCH, GARCH
ミクロ的基礎付けがなされるべき
経済マクロモデル
4
ミクロ的基礎付けされた経済マクロモデルが多数生まれる
ミクロ的基礎付けがなされていない
リスク資産価格変動モデル
ARCH(1)モデル
𝑟𝑡 = 𝜎𝑡 𝜀𝑡
𝜎𝑡
2...
取引参加者と取引所(ミクロプロセス)のみをモデル化
シミュレーション結果としての価格変動(マクロ現象)を観測
人工市場モデルを用いたシミュレーション研究
5
本研究
完全にミクロ的基礎付けがされたマクロモデル
ARCH(1)モデルのミクロ的基礎...
(1)はじめに:ミクロ的基礎付けと人工市場研究
(2)モデル:価格決定モデル
(3)モデル:ノイズトレーダーのみの場合
(4)モデル:ノイズトレーダー以外もいる場合
(5)まとめと今後の課題
6
[水田ら 12]による価格決定モデル
人工市場モデル
簡易な価格決定モデルがしばしば用いられる
価格変動が需給の差に比例する
𝐴 𝑡
𝑏 𝐴 𝑡
𝑠
買い・売り注文数量: ,𝑟𝑡 = 𝜂(𝐴 𝑡
𝑏
−𝐴 𝑡
𝑠
)
しかし、このモデルの妥当性...
注文量
対数価格
買い注文の価格分布
注文量
売り注文の価格分布
買い注文総量
(面積):
対数価格
売り注文総量
(面積):𝑨 𝒕
𝒃
𝑨 𝒕
𝒔
𝒑 𝒕−𝟏 𝒑 𝒕−𝟏(𝒑 𝒕) (𝒑 𝒕)
指値注文の分布
𝐴 𝑡
𝑏 𝐴 𝑡
𝑠
買い・売...
累積
注文量
買い売り
累積
注文量
買い売り
対数価格(𝒑 𝒕) 対数価格(𝒑 𝒕)
𝐴 𝑡
𝑏
= 𝐴 𝑡
𝑠
𝑨 𝒕
𝒔
𝑨 𝒕
𝒃
𝒑 𝒕 = 𝒑 𝒕−𝟏 𝒑 𝒕 < 𝒑 𝒕−𝟏
(𝑩 𝒕
𝒃
, 𝑩 𝒕
𝒔
) (𝑩 𝒕
𝒃
, 𝑩 ...
(1)はじめに:ミクロ的基礎付けと人工市場研究
(2)モデル:価格決定モデル
(3)モデル:ノイズトレーダーのみの場合
(4)モデル:ノイズトレーダー以外もいる場合
(5)まとめと今後の課題
10
ノイズトレーダーの売り・買い注文数量
𝐴 𝑡
𝑏
=
1
2
𝑆 +
1
2
𝑘𝑆𝜖 𝑡
𝐴 𝑡
𝑠
=
1
2
𝑆 −
1
2
𝑘𝑆𝜖 𝑡
ボラティリティの決定要因
⇒ 予想価格のばらつき(ρ)、需給の歪みの大きさ(k)
ボラティリティクラス...
(1)はじめに:ミクロ的基礎付けと人工市場研究
(2)モデル:価格決定モデル
(3)モデル:ノイズトレーダーのみの場合
(4)モデル:ノイズトレーダー以外もいる場合
(5)まとめと今後の課題
12
効用関数にもとづいて注文量を決める”通常投資家”を導入
人工市場モデル
投資家(エージェント)の注文量を効用関数で決める
ボラティリティクラスタリングを発生可能
[水田ら 12]
CARA (constant absolute risk ave...
ノイズトレーダーと通常投資家の売り・買い注文数量
𝐴 𝑡
𝑏
=
1
2
𝑆 +
1
2
𝑘𝑆(1 + 𝑙𝑈𝑡)𝜖 𝑡
𝐴 𝑡
𝑠
=
1
2
𝑆 −
1
2
𝑘𝑆(1 + 𝑙𝑈𝑡)𝜖 𝑡
先の価格決定モデルに代入
l : 定数: 通常投資家の...
ARCH(1)のミクロ的基礎付け
ARCH(1)モデル 𝜎𝑡
2
= 𝑎0 + 𝑎1 𝑟𝑡−1
2
𝜎𝑡
2
= 𝜌2
𝑘2
+ 2𝜌2
𝑘2
𝑙
𝛼
𝑟𝑡−1
2
ボラティリティとクラスタリングの大きさの決定要因
⇒ 予想価格のばらつき(ρ)...
(1)はじめに:ミクロ的基礎付けと人工市場研究
(2)モデル:価格決定モデル
(3)モデル:ノイズトレーダーのみの場合
(4)モデル:ノイズトレーダー以外もいる場合
(5)まとめと今後の課題
16
まとめ
今後の課題
𝜎𝑡
2
= 𝜌2 𝑘2 + 2𝜌2 𝑘2
𝑙
𝛼
𝑟𝑡−1
2
ボラティリティとクラスタリングの大きさの決定要因
⇒ 予想価格のばらつき(ρ)、需給の歪みの大きさ(k)
ボラティリティクラスタリングは上に加えて
⇒ 普通投...
ご清聴ありがとうございました
18
参考文献
[水田ら 12] 水田孝信, 八木勲, 和泉潔: 「現実の価格決定メカニズムを考慮した人工市場の設定評
価手法の開発」,人工知能学会論文誌, Vol. 27, No. 6, 2012
http://...
Upcoming SlideShare
Loading in …5
×

ARCHモデルのミクロ的基礎付けの試み

661 views

Published on

ワーキング・ペーパーを以下で閲覧可能です:
http://ssrn.com/abstract=2710516

経済のマクロモデルは,ミクロプロセスの積み上げによって構築する,いわいる``ミクロ的基礎付け''(micro-foundation)がなされるべきとの主張が多くなされ,ミクロ的基礎付けがなされた経済のマクロモデルが多く生まれた.一方,リスク資産の価格変動というマクロ量をモデル化したものは多く存在するが,これらのモデルをミクロ的基礎付けしようという試みは多くない.そこで本研究では人工市場研究からの知見を用いて,ARCHモデルのミクロ的基礎付け,すなわち,各係数がどのミクロプロセスから生じているのかを明らかにすることを試みた.その結果,投資家の予想価格のばらつきと需給の歪みが大きくなるとボラティリティは大きくなり,流動性を奪う投資家の存在割合が大きくなったり投資家のリスク回避度が小さくなるとボラティリティクラスタリングは大きくなることが分かった.

Published in: Economy & Finance
  • Be the first to comment

  • Be the first to like this

ARCHモデルのミクロ的基礎付けの試み

  1. 1. ARCHモデルのミクロ的基礎付けの試み スパークス・アセット・マネジメント株式会社水田 孝信 1 本発表資料はスパークス・アセット・マネジメント株式会社の公式見解を表すものではありません. すべては個人的見解であります. この資料は以下のサイトで閲覧、ダウンロードできます: http://www.slideshare.net/mizutata/mf2016Slide Share .pdf http://www.geocities.jp/mizuta_ta/mf2016.pdf 英語版ワーキングペーパーもあります: http://ssrn.com/abstract=2710457SSRN
  2. 2. 今日のおはなし (1)はじめに:ミクロ的基礎付けと人工市場研究 (2)モデル:価格決定モデル (3)モデル:ノイズトレーダーのみの場合 (4)モデル:ノイズトレーダー以外もいる場合 (5)まとめと今後の課題 2
  3. 3. (1)はじめに:ミクロ的基礎付けと人工市場研究 (2)モデル:価格決定モデル (3)モデル:ノイズトレーダーのみの場合 (4)モデル:ノイズトレーダー以外もいる場合 (5)まとめと今後の課題 3
  4. 4. ARCH, GARCH ミクロ的基礎付けがなされるべき 経済マクロモデル 4 ミクロ的基礎付けされた経済マクロモデルが多数生まれる ミクロ的基礎付けがなされていない リスク資産価格変動モデル ARCH(1)モデル 𝑟𝑡 = 𝜎𝑡 𝜀𝑡 𝜎𝑡 2 = 𝑎0 + 𝑎1 𝑟𝑡−1 2 a0: 定数: 固定的なボラティリティ a1: 定数: ボラティリティクラスタリングの量 a0, a1がどのミクロプロセスから決まるのか不明 DSGE
  5. 5. 取引参加者と取引所(ミクロプロセス)のみをモデル化 シミュレーション結果としての価格変動(マクロ現象)を観測 人工市場モデルを用いたシミュレーション研究 5 本研究 完全にミクロ的基礎付けがされたマクロモデル ARCH(1)モデルのミクロ的基礎付け 人工市場研究の知見 金融市場の規制・制度(ミクロ)の変更が どういうメカニズムで価格形成(マクロ)に 影響を与えるかの分析などに大きく貢献
  6. 6. (1)はじめに:ミクロ的基礎付けと人工市場研究 (2)モデル:価格決定モデル (3)モデル:ノイズトレーダーのみの場合 (4)モデル:ノイズトレーダー以外もいる場合 (5)まとめと今後の課題 6
  7. 7. [水田ら 12]による価格決定モデル 人工市場モデル 簡易な価格決定モデルがしばしば用いられる 価格変動が需給の差に比例する 𝐴 𝑡 𝑏 𝐴 𝑡 𝑠 買い・売り注文数量: ,𝑟𝑡 = 𝜂(𝐴 𝑡 𝑏 −𝐴 𝑡 𝑠 ) しかし、このモデルの妥当性や の意味は不明だった𝜂 板寄せ時の売り・買いの指値注文の分布をモデル化 このモデルの妥当性を示したうえで、 の意味=注文のばらつきを明らかにした𝜂 [水田ら 12] 7
  8. 8. 注文量 対数価格 買い注文の価格分布 注文量 売り注文の価格分布 買い注文総量 (面積): 対数価格 売り注文総量 (面積):𝑨 𝒕 𝒃 𝑨 𝒕 𝒔 𝒑 𝒕−𝟏 𝒑 𝒕−𝟏(𝒑 𝒕) (𝒑 𝒕) 指値注文の分布 𝐴 𝑡 𝑏 𝐴 𝑡 𝑠 買い・売り共に、平均: , 標準偏差 ,の正規分布 注文総量(面積)のみ異なる: , 𝑝𝑡−1 𝜌 予想価格の平均、ばらつきは同じ、 でも、需給のゆがみがある 8
  9. 9. 累積 注文量 買い売り 累積 注文量 買い売り 対数価格(𝒑 𝒕) 対数価格(𝒑 𝒕) 𝐴 𝑡 𝑏 = 𝐴 𝑡 𝑠 𝑨 𝒕 𝒔 𝑨 𝒕 𝒃 𝒑 𝒕 = 𝒑 𝒕−𝟏 𝒑 𝒕 < 𝒑 𝒕−𝟏 (𝑩 𝒕 𝒃 , 𝑩 𝒕 𝒔 ) (𝑩 𝒕 𝒃 , 𝑩 𝒕 𝒔 ) 累積正規分布から需要と供給がマッチするところで価格が決まる 予想価格のばらつき、 需給の歪みに比例 予想価格の平均、ばらつきは同じでも、 需給のゆがみだけで価格が変化 𝑟𝑡 = 𝜌 𝐴 𝑡 𝑏 − 𝐴 𝑡 𝑠 𝐴 𝑡 𝑏 + 𝐴 𝑡 𝑠リターン 9
  10. 10. (1)はじめに:ミクロ的基礎付けと人工市場研究 (2)モデル:価格決定モデル (3)モデル:ノイズトレーダーのみの場合 (4)モデル:ノイズトレーダー以外もいる場合 (5)まとめと今後の課題 10
  11. 11. ノイズトレーダーの売り・買い注文数量 𝐴 𝑡 𝑏 = 1 2 𝑆 + 1 2 𝑘𝑆𝜖 𝑡 𝐴 𝑡 𝑠 = 1 2 𝑆 − 1 2 𝑘𝑆𝜖 𝑡 ボラティリティの決定要因 ⇒ 予想価格のばらつき(ρ)、需給の歪みの大きさ(k) ボラティリティクラスタリング ⇒ ノイズトレーダーだけでは発生しない 先の価格決定モデルに代入 注文数量: 固定量+ランダム S : 定数: 固定的に存在する注文数量 k : 定数: 需給の歪みの大きさ : 標準正規分布に従う確率変数𝜀𝑡 𝑟𝑡 = 𝜌𝑘𝜀𝑡 ARCH(1)モデル 𝑟𝑡 = 𝜎𝑡 𝜀𝑡 𝜎𝑡 2 = 𝑎0 + 𝑎1 𝑟𝑡−1 2 a0: 定数: 固定的なボラティリティ a1: 定数: ボラティリティクラスタリングの量 𝜎𝑡 2 = 𝑎0 = 𝜌2 𝑘2 上の式と比較して 𝑟𝑡 = 𝜌 𝐴 𝑡 𝑏 − 𝐴 𝑡 𝑠 𝐴 𝑡 𝑏 + 𝐴 𝑡 𝑠
  12. 12. (1)はじめに:ミクロ的基礎付けと人工市場研究 (2)モデル:価格決定モデル (3)モデル:ノイズトレーダーのみの場合 (4)モデル:ノイズトレーダー以外もいる場合 (5)まとめと今後の課題 12
  13. 13. 効用関数にもとづいて注文量を決める”通常投資家”を導入 人工市場モデル 投資家(エージェント)の注文量を効用関数で決める ボラティリティクラスタリングを発生可能 [水田ら 12] CARA (constant absolute risk aversion)型効用関数 𝑈𝑡 = 𝑟𝑡 𝑒 /𝛼 : 期待リターン : リスク回避度 𝑟𝑡 𝑒 𝛼 リターンが期待できる ⇒ いっぱい買う リスク回避度が低い ⇒ いっぱい買う 期待リターンが過去のリターンで決まる 𝑈𝑡 = 𝑟𝑡−1 2 /𝛼 ↑ テクニカル戦略:自明 ファンダメンタル戦略: 急落時は市場価格との乖離が大きい
  14. 14. ノイズトレーダーと通常投資家の売り・買い注文数量 𝐴 𝑡 𝑏 = 1 2 𝑆 + 1 2 𝑘𝑆(1 + 𝑙𝑈𝑡)𝜖 𝑡 𝐴 𝑡 𝑠 = 1 2 𝑆 − 1 2 𝑘𝑆(1 + 𝑙𝑈𝑡)𝜖 𝑡 先の価格決定モデルに代入 l : 定数: 通常投資家の割合 𝑟𝑡 = 𝜌𝑘 1 + 𝑙 𝛼 𝑟𝑡−1 2 𝜀𝑡 ARCH(1)モデル 𝑟𝑡 = 𝜎𝑡 𝜀𝑡 𝜎𝑡 2 = 𝑎0 + 𝑎1 𝑟𝑡−1 2 𝜎𝑡 2 = 𝜌2 𝑘2 + 2𝜌2 𝑘2 𝑙 𝛼 𝑟𝑡−1 2 を仮定し、上の式と比較して 𝑟𝑡 = 𝜌 𝐴 𝑡 𝑏 − 𝐴 𝑡 𝑠 𝐴 𝑡 𝑏 + 𝐴 𝑡 𝑠 𝑟𝑡−1 4 ≪ 1 𝑈𝑡 = 𝑟𝑡−1 2 /𝛼 14
  15. 15. ARCH(1)のミクロ的基礎付け ARCH(1)モデル 𝜎𝑡 2 = 𝑎0 + 𝑎1 𝑟𝑡−1 2 𝜎𝑡 2 = 𝜌2 𝑘2 + 2𝜌2 𝑘2 𝑙 𝛼 𝑟𝑡−1 2 ボラティリティとクラスタリングの大きさの決定要因 ⇒ 予想価格のばらつき(ρ)、需給の歪みの大きさ(k) ボラティリティクラスタリングは上に加えて ⇒ 普通投資家の割合(l)、リスク回避度の逆数(1/α) ・ 高格付けの短期債券のように予想価格がばらけていないものよりも不確実性が高 い株式の方が投資家の予想価格がばらけているのでボラティリティが高くなる. ・ 需給の歪みを吸収する注文が多く待機している高流動性の株式よりも,吸収する 注文が少なく需給の歪みが激しい低流動性の株式の方がボラティリティが高くなる. ・ 流動性を供給するノイズトレーダーに比べ流動性を奪う普通投資家が多くなるとボ ラティリティクラスタリングが大きくなる. ・ 普通投資家のリスク回避度が低くなると,つまりリスクをとった取引を行うほどボラ ティリティクラスタリングは大きくなる. ミクロ的基礎付け ARCH(1)モデル
  16. 16. (1)はじめに:ミクロ的基礎付けと人工市場研究 (2)モデル:価格決定モデル (3)モデル:ノイズトレーダーのみの場合 (4)モデル:ノイズトレーダー以外もいる場合 (5)まとめと今後の課題 16
  17. 17. まとめ 今後の課題 𝜎𝑡 2 = 𝜌2 𝑘2 + 2𝜌2 𝑘2 𝑙 𝛼 𝑟𝑡−1 2 ボラティリティとクラスタリングの大きさの決定要因 ⇒ 予想価格のばらつき(ρ)、需給の歪みの大きさ(k) ボラティリティクラスタリングは上に加えて ⇒ 普通投資家の割合(l)、リスク回避度の逆数(1/α) ミクロ的基礎付けをされた ARCH(1)モデル ・ 得られたモデルの実証分析による検証 ・ 仮定は強すぎるため,おのおのの仮定を慎重に検討 17 ARCH(1)モデルのミクロ的基礎付け 人工市場研究の知見
  18. 18. ご清聴ありがとうございました 18 参考文献 [水田ら 12] 水田孝信, 八木勲, 和泉潔: 「現実の価格決定メカニズムを考慮した人工市場の設定評 価手法の開発」,人工知能学会論文誌, Vol. 27, No. 6, 2012 http://doi.org/10.1527/tjsai.27.320 [水田 16] 水田孝信: 「ARCHモデルのミクロ的基礎付けの試み」, SSRN Working Paper Series (2016) http://ssrn.com/abstract=2710516 [Mizuta 16]: “Micro-Foundation of ARCH Model”, SSRN Working Paper Series (2016) http://ssrn.com/abstract=2710457 この資料は以下のサイトで閲覧、ダウンロードできます: http://www.slideshare.net/mizutata/mf2016Slide Share .pdf http://www.geocities.jp/mizuta_ta/mf2016.pdf 英語版ワーキングペーパーもあります: http://ssrn.com/abstract=2710457SSRN

×