1. 市場急変に対応する予測モデルの提案
古幡征史1 水田孝信2 曹 治平2
1 知識科学研究科 - 北陸先端科学技術大学
院大学
http://www.geocities.jp/furuhata1120/index.html
2 スパークス・アセット・マネジメント株式会社
スパークス・アセット・マネジメント株式会社
2010年10月02日 1
1 1

2. 発表内容（市場急変に対応する予
市場急変に対応する
市場急変 する予
測モデルの提案
モデルの提案）
• 背景
• 既存アプローチ
• 提案手法
• ポートフォリオ・マネジメントへの応用
• 予測手法の性能評価
• まとめ
2
2

3. 1. 背景
• 定常状態を中心として予測モデル
– 観測数増加 ⇒ 予測誤差を低減
– 予測誤差増大 ⇒ モデル見直し / モデルのパラ
メタ・チューニング
• 多くの社会現象： 非定常状態
– 複雑な要因
– 動的に変化する環境（局面）
3
3

4. 2. 既存アプローチ
• 参照期間の選択： 観測データより環境の変化を判定し、過去
データの参照期間を動的に変化させる
非参照期間 参照期間
-7 -6 -5 -4 -3 -2 -1 0 1 Time
環境急変
Competing Windows Algorithm (CWA):
最新データ 観測するごとに 過去に って観測データとの差異を測定。ある閾値
データを するごとに、 観測データとの差異
最新データを観測するごとに、過去に遡って観測データとの差異を測定。ある閾値の 閾値の
範囲内にあるならば より長 参照期間とする
範囲内にあるならば、より長い参照期間とする。
にあるならば、 とする。
FLORA:
観測された最新データをそれ以前の過去データとの一貫性をチェックする 過去の
観測された最新データをそれ以前の過去データとの一貫性をチェックする。過去の
された最新データをそれ以前 データとの一貫性 する。
予測精度を参考に 過去データ 非参照化を決定する
データの する。
予測精度を参考に、過去データの非参照化を決定する。
4
4

5. 3. 提案手法 (Paired Evaluators
Methods (PEM))
• 最適な参照期間を選ぶ⇒最適な参照期間が選ばれる
• 予測手順 F = { f i }in=1
– 多数の基礎予測手法を並列に走らせる δ ti = yt − f i (X tH )
– 誤差測定 E = {s, r}
– 基礎予測手法の性能評価基準
• 安定重視型(s)
• 変化対応型(r)
評価の
評価の重み Ws 評価の
評価の重み Wr
期
-T期 期 期
-1期 0期 期
-T期 期 期
-1期 0期
安定重視型 変化対応型 5
5

6. 3. 提案手法 (Paired Evaluators
Methods (PEM))
– それぞれの基準で選ばれた基礎予測手法
~s ~r
i = arg min ∑ wtsδ ti i = arg min ∑ wtrδ ti
i∈I i∈I
t∈H t∈H
– 最適基礎予測手法を以下のルールで選択
• デフォルトで安定重視型評価で最適基礎予測手法を選択
Φ
• 一つ前の期で、安定重視型の予測誤差がある選択基準 を満たさない場合、
変化対応型で最適基礎予測手法を選択
~ s if Φ t (δ tiˆ−−11 ) ≥ θ
s
 it t
it = ~
ˆ
 it r otherwise.

– 選択基準の更新
• 初期値： 0
• 安定重視型の予測精度が変化対応型を上回る場合：
Φ t (δ ) := Φ t (δ ) + λ for all δ ≤ δ ti−−11
t
ˆs
Φ t (δ ) := Φ t (δ ) − λ for all δ ≥ δ its 1
ˆ−
• それ以外の場合： t −1
6
6

7. 4. ポートフォリオ・マネジメントへ
•
の応用
ファクタ・ローテーション
– ファクタ： 投資判断の基準にする銘柄の属性
（例：時価総額）
– ファクタ選定： ある一定期間の間に投資に対するリターン
が最も上昇（下降）するファクタを選択
ファクタ選定
ファクタ選定 ファクタによる
ファクタによる
ソート
ファクタによる
ファクタによる
銘柄のソート・
銘柄のソート・リスト
上位
買い
銘柄の
銘柄の
組み換え業務
下位 売り 7
7

8. 5. ファクタ選定
• 利用データ
– Fama/French Factors in U.S. Research Returns Data
(http://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data library.html)
– 1964年1月～2009年12月（月次ファクタリターン）
– 利用ファクタ
• Momentum: １２ヵ月の上昇株価 (Winner-Minus-Loser) Carhart (1997)
• Value: 純資産株価比率 (High-Minus-Low) Fama&French (1993)
• Size:株式時価総額 (Small-Minus-Big) Fama&French (1993)
• ファクタ選定
– 毎月、一つのファクタ・スプレッド（上位１０％－下位１０％）に投資
– 順張り / 逆張り
8
8

9. 5. ファクタ選定
ファクタ別累和リターン（ ）
ファクタ別累和リターン（US）
別累和リターン
9
9

10. 6. 予測手法の性能
予測手法別累和リターン（ ）
予測手法別累和リターン（US）
リターン
10
10

11. 7. 典型的な急変の分類
• Sudden Drift
• Incremental Drift
• Gradual Drift
• Recurring Context
11
11

12. 8. 急変パターンへの適応
12
12

13. 9. まとめ
• 市場急変に対応するため、２つの評価方法（安定重視型、変
化対応型）を利用した予測手法を提案
– 過去の履歴を鑑みつつ、前期の予測精度に基づき評価方法を選択
（評価方法が選択されると基礎手法が一意に決まる）
• 予測モデルの性能評価をするためのポートフォリオ・マネジメ
ントへの応用方法を提示
• ファクタ選択問題で、参照期間を動的に選択するモデルと比
較して、性能の向上を提示
– さまざまな期間で高精度を維持（リーマンショック以降の局面が変化
した時期を含む）
• 今後の課題として
– 日本株への応用
13
– マルチ・ファクタ選択
13