データ駆動型アプローチによる高頻度での金融資産価格形成メカニズムの研究

Material type: 文書・図像類

Author: 中妻, 照雄ほか

Publisher: -

Publication date: 2018

Material Format: Digital

Capacity, size, etc.: -

NDC: -

View All

Notes on use

Note (General)：: type:text本研究では金融市場における高頻度データ (取引単位で記録されたデータ) の特徴を捉えられるモデルをベイズ推定するための手法の開発に取り組んだ。特に（1）取引が成立する (約定する) 間隔のモデル化と (2) 短時間における資産収益率の分散のモデル化という2つのテーマに注力した。第1...

Related materials as well as pre- and post-revision versions

科研費研究者番号 : 90303049

Search by Bookstore

Holdings of Libraries in Japan

This page shows libraries in Japan other than the National Diet Library that hold the material.

List of Cooperating Institutions and Databases

Please contact your local library for information on how to use materials or whether it is possible to request materials from the holding libraries.

other

Keio Associated Repository of Academic resources
Digital
You can check the holdings of institutions and databases with which 学術機関リポジトリデータベース（IRDB）（機関リポジトリ） is linked at the site of 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）.
Keio Associated Repository of Academic resources

Search by Bookstore

Bibliographic Record

You can check the details of this material, its authority (keywords that refer to materials on the same subject, author's name, etc.), etc.

Digital

Material Type: 文書・図像類
Title: データ駆動型アプローチによる高頻度での金融資産価格形成メカニズムの研究
Author/Editor: 中妻, 照雄
中北, 誠
鳥谷部, 智規
Author Heading: 中妻, 照雄
中北, 誠
鳥谷部, 智規
Publication Date: 2018
Publication Date (W3CDTF): 2018
Alternative Title: データクドウガタアプローチニヨルコウヒンドデノキンユウシサンカカクケイセイメカニズムノケンキュウ
Dēta kudōgata apurōchi ni yoru kōhindo deno kin'yū shisan kakaku keisei mekanizumu no kenkyū
Study on high-frequency price-discovery processes of financial assets in data-driven approach
Periodical title: 科学研究費補助金研究成果報告書
Text Language Code: jpn
eng
Subject Heading: 金融高頻度データ,取引間隔,ボラティリティ,日中季節性,板情報,ベイズ推定,マルコフ連鎖モンテカルロ法,モデル選択
Target Audience: 一般
Note (General): type:text
本研究では金融市場における高頻度データ (取引単位で記録されたデータ) の特徴を捉えられるモデルをベイズ推定するための手法の開発に取り組んだ。特に（1）取引が成立する (約定する) 間隔のモデル化と (2) 短時間における資産収益率の分散のモデル化という2つのテーマに注力した。第1のテーマである約定間隔のモデル化においては、日中季節性をモデルの中で他のパラメータと同時に推定する方法を提案した。一方、第2のテーマである分散のモデル化においても分単位で分散が変動するモデルに同じく日中季節性を導入して他のパラメータと同時に推定する方法を提案した。そして、提案手法の有効性を実際の高頻度データを利用して検証した。 In this study, we propose a novel estimation technique for time series models of financial high-frequency data. Specifically, we consider two types of time series models; one is a model of duration between executions of financial transactions while the other is a model of time-varying volatility (variance) in very short intervals. To make these models more realistic, we propose to incorporate intraday seasonality (a cyclical pattern of duration or volatility during trading hours) explicitly into both models and estimate it simultaneously with the model parameters. Since the proposed models are too complex to be estimated with traditional maximum likelihood estimation, we developed an efficient Bayesian Markov chain Monte Carlo (MCMC) method for these models. We applied our new method to real-world high-frequency data (commodity futures and stock prices) and demonstrated their advantage over the conventional models.
研究種目 : 基盤研究 (C) (一般) 研究期間 : 2016～2018 課題番号 : 16K03602 研究分野 : ベイズ統計学
Source: https://koara.lib.keio.ac.jp/xoonips/modules/xoonips/download.php?koara_id=KAKEN_16K03602seika
https://koara.lib.keio.ac.jp/xoonips/modules/xoonips/download.php?koara_id=KAKEN_16K03602seika
Access Restrictions: 限定公開
Related Material: 科研費研究者番号 : 90303049
Data Provider (Database): 国立情報学研究所 : 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）
https://irdb.nii.ac.jp
Original Data Provider (Database): 慶應義塾大学 : 慶應義塾大学学術情報リポジトリ