慶應義塾大学学術情報リポジトリ(KOARA)KeiO Associated Repository of Academic resources

慶應義塾大学学術情報リポジトリ(KOARA)

ホーム  »»  アイテム一覧  »»  アイテム詳細

アイテム詳細

アイテムタイプ Article
ID
KAKEN_16K03602seika  
プレビュー
画像
thumbnail  
キャプション  
本文
KAKEN_16K03602seika.pdf
Type :application/pdf Download
Size :171.7 KB
Last updated :May 8, 2020
Downloads : 335

Total downloads since May 8, 2020 : 335
 
本文公開日
 
タイトル
タイトル 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  
カナ 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  
ローマ字 Dēta kudōgata apurōchi ni yoru kōhindo deno kin'yū shisan kakaku keisei mekanizumu no kenkyū  
別タイトル
名前 Study on high-frequency price-discovery processes of financial assets in data-driven approach  
カナ  
ローマ字  
著者
名前 中妻, 照雄  
カナ ナカツマ, テルオ  
ローマ字 Nakatsuma, Teruo  
所属 慶應義塾大学・経済学部 (三田) ・教授  
所属(翻訳)  
役割 Research team head  
外部リンク 科研費研究者番号 : 90303049

名前 中北, 誠  
カナ ナカキタ, マコト  
ローマ字 Nakakita, Makoto  
所属  
所属(翻訳)  
役割 Collaborator  
外部リンク  

名前 鳥谷部, 智規  
カナ トヤベ, トモキ  
ローマ字 Toyabe, Tomoki  
所属  
所属(翻訳)  
役割 Collaborator  
外部リンク  
 
出版地
 
出版者
名前  
カナ  
ローマ字  
日付
出版年(from:yyyy) 2019  
出版年(to:yyyy)  
作成日(yyyy-mm-dd)  
更新日(yyyy-mm-dd)  
記録日(yyyy-mm-dd)  
形態
1 pdf  
上位タイトル
名前 科学研究費補助金研究成果報告書  
翻訳  
 
 
2018  
 
開始ページ  
終了ページ  
ISSN
 
ISBN
 
DOI
URI
JaLCDOI
NII論文ID
 
医中誌ID
 
その他ID
 
博士論文情報
学位授与番号  
学位授与年月日  
学位名  
学位授与機関  
抄録
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.
 
目次

 
キーワード
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  
NDC
 
注記
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
 
言語
日本語  

英語  
資源タイプ
text  
ジャンル
Research Paper  
著者版フラグ
publisher  
関連DOI
アクセス条件

 
最終更新日
May 08, 2020 16:14:07  
作成日
Oct 31, 2019 11:00:47  
所有者
mediacenter
 
更新履歴
Oct 31, 2019    インデックス を変更
May 8, 2020    著者 著者ID,著者 名前,著者 カナ,著者 ローマ字,著者 所属,著者 所属(翻訳),著者 役割,著者 外部リンク,抄録 内容,注記 注記 を変更
 
インデックス
/ Public / 科学研究費補助金研究成果報告書 / 2018年度 / 日本学術振興会
 
関連アイテム
 

ランキング

最も多く閲覧されたアイテム
1位 Human body pose ... (311) 1st
2位 新自由主義に抗す... (289)
3位 DAOの法的地位と... (271)
4位 「余白的コミュニ... (266)
5位 個人・組織両面で... (258)

最も多くダウンロードされたアイテム
1位 人と違っててもい... (3141) 1st
2位 気象変化による片... (588)
3位 なぜ神が存在する... (578)
4位 サイバーセキュリ... (496)
5位 インフルエンサー... (313)

LINK

慶應義塾ホームページへ
慶應義塾大学メディアセンターデジタルコレクション
慶應義塾大学メディアセンター本部
慶應義塾研究者情報データベース