untitled
-
- UMINO Kazunori
- Tokyo institute of Technology
-
- YAMADA Takashi
- Yamaguchi University
-
- TERANO Takao
- Tokyo institute of Technology
Bibliographic Information
- Other Title
-
- 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
Abstract
<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>
Journal
-
- JSAI Technical Report, Type 2 SIG
-
JSAI Technical Report, Type 2 SIG 2016 (BI-004), 05-, 2016-03-19
The Japanese Society for Artificial Intelligence
- Tweet
Details 詳細情報について
-
- CRID
- 1390573242462048896
-
- NII Article ID
- 130008166608
-
- ISSN
- 24365556
-
- Text Lang
- ja
-
- Data Source
-
- JaLC
- CiNii Articles
-
- Abstract License Flag
- Allowed