ソフト・コンピューティングによるポートフォリオ・リスク低減モデルの提案

DOI

書誌事項

タイトル別名
  • untitled

抄録

<p>ポートフォリオの運用において、サブプライムショック以降は、投資家がダウンサイド・リスクに敏感になっている。 ダウンサイド・リスクとして、最大ドローダウンを低減させることは長期の運用において重要な課題である。 近年、機械学習を用いた株価予測や、ARCH・GARCHを用いたVolatilityの予測についての研究は数多く行われている。しかしながら、それらの結果をダウンサイドリスク低減にどのように反映させるかについては、明確にはなっていない。また、ダウンサイドリスクの予測と、それに基づくリスク低減手法も具体化されているとは言い難い。 我々は、株式指数やポートフォリオのモーメンタムを検知し、ダウンサイドへのモーメンタムに対して,逐次的にリスク資産への投資比率を調整することで、資産価格全体のドローダウンおよびvolatilityを低減する手法を提案する。 本提案は, ファンダメンタルな情報を用いず、株価のデータのみから低減可能なリスクを検証した。 株式指数およびランダムに生成されたポートフォリオのインデックスデータを、Holt-Winters法を用いてノイズ除去を行こと。さらに変化点を早期に検出するにより、シャープレシオやカルマ−レシオ(年平均リターン/最大ドローダウンで)などのリスク調整済みリターンにおいて、一定の成果を上げることができたた。しかしながら、有効性のない変動パターンも数多く存在するため、その課題についても述べる。</p>

収録刊行物

詳細情報 詳細情報について

  • CRID
    1390573242462048896
  • NII論文ID
    130008166608
  • DOI
    10.11517/jsaisigtwo.2016.bi-004_05
  • ISSN
    24365556
  • 本文言語コード
    ja
  • データソース種別
    • JaLC
    • CiNii Articles
  • 抄録ライセンスフラグ
    使用可

問題の指摘

ページトップへ