スワップ金利の予想とフォワード スワップ金利の乖離は小さく, 期待仮説に近いものとなっていること,3 フォワード スワップ金利の予想はその水準と変化幅, リスク プレミアムが金利変動のボラティリティとそれぞれ相関を持っていることを明らかにした. さらに, 円金利市場における投資家の選好とイールド カ
|
|
|
- たけなり うすい
- 7 years ago
- Views:
Transcription
1 債券投資家の上方予想バイアスとフォワード レート 吉田知紘 a 岸本卓丸 b 要約本研究では, 本邦機関投資家向け大規模サーベイである QUICK 月次調査 < 債券 >を用いて, サーベイデータから観測される 6 ヵ月後の債券投資家予想利回り ( 以下, 予想利回り ) の性質を明らかにすると共に, 予想利回りと実際に債券市場で観測される利回りとの関係を分析した. その結果, 先行研究の観測期間以降のデータを含めても,1 予想利回りの予測力は低く, 系統的に上向きに予想する傾向 ( 債券投資家の上方予想バイアス ) があること, 2 予想利回りは観測時点のフォワード レートと線型関係があることを明らかにした. JEL 分類番号 : C20, G40, G17 キーワード : 投資家期待, 債券市場, 債券投資家, フォワード レート 1. イントロダクション 1.1. 先行研究本研究で用いる QUICK 月次調査は, 株式 債券市場の市場関係者 ( 主に機関投資家の運用担当者 ) を対象に QUICK が行っているマーケット センチメントに関するアンケート調査のことである. 若杉 太田 浅野 (2001) は, この QUICK 月次調査に関する包括的な研究を取り纏めた研究書であり, 大学教員や民間のストラテジスト エコノミストなどの 13 名が株式 債券市場に関する分析を行った. その中で債券市場に関する研究として, 角間 (2001) は注目要因の分析や 10 年債の予想利回りを用いて, 予想バイアスの検証を行った. 結果としては,6 ヵ月先予測値が上昇方向に偏っていることが明らかになり, 投資家は利回りに関しては弱気に予想する傾向があるとしている. 豊田 (2001) は, 金利スワップの予想金利を用いて, その性質やフォワード スワップ金利との関係性およびリスク プレミアムについて論じている. 結論として,1 スワップ金利の投資家予想利の予測力は低いこと,2 本稿の内容は所属組織の意見を表明するものではない. a 京都大学経営管理大学院博士後期課程,MU 投資顧問債券運用部 [email protected] b SMBC 日興証券デリバティブ市場部円金利デリバティブ課 [email protected] 1
2 スワップ金利の予想とフォワード スワップ金利の乖離は小さく, 期待仮説に近いものとなっていること,3 フォワード スワップ金利の予想はその水準と変化幅, リスク プレミアムが金利変動のボラティリティとそれぞれ相関を持っていることを明らかにした. さらに, 円金利市場における投資家の選好とイールド カーブへの影響に関する分析が少ないとし, QUICK 月次調査 < 債券 >は投資家予想利回りを提供する貴重なデータであることを指摘した. 長期金利の予測形成という観点から QUICK 月次調査 < 債券 >の分析を行った例として, 蓮見 平田 (2010) は予測の予測誤差がゼロになることが合理的と仮定し, 合理性の検証を行った. 結果として, 予測に一貫した上振れ傾向があるとした. また, 予想と予想時点の実際の利回りとの差分を投資家の 期待 と定義し, その変動要因の分析を個票のパネル データを用いて行った. その結論は, 為替要因と金融政策の注目度が期待には影響しているとした 本研究の目的本研究では以上の先行研究を踏まえて, 分析期間を 2018 年 8 月まで拡張すると共に, 分析対象の年限を 10 年だけでなく,2,5,20 年にまで拡張することで,1 先行研究の分析期間以降を含めても同様の結果になっているか,210 年以外の年限でも同様の結果となるか検証することを目的とする. 近年, 日銀による非伝統的な金融政策 ( マイナス金利やイールド カーブ コントロール等 ) の影響で 10 年超の超長期債の売買も活発になっているため, 観測期間を直近まで伸張し, 分析年限を超長期まで拡張することは実務にとっても有意義だと考えられる. また, 予想利回りの応用研究を今後行うにあたり, 基礎的な性質の研究は参照データとして, 非常に有意義であると考えられる. 2. 分析データ本研究の分析データは, QUICK が行っている日本国内の機関投資家を主な回答者とした大規模な月次のアンケート調査である QUICK 月次調査 < 債券 >を使用した. このアンケート調査の問 1 では, 新発 2, 5, 10, 20 年国債の利回りについて, 回答時点で想定する 1, 3, 6 ヵ月後の予想利回りの回答項目があり, 調査結果には集計されたそれらの予想利回り分布の平均値やバラつきを示す標準偏差などの基本統計量が記載されている. 本研究では,2, 5, 10, 20 年の各年限それぞれの 6 ヵ月後の予想のみを使用した. データ期間は,20 年債の予想利回りの回答が開始された 2003 年 4 月分から直近の 2018 年 8 月分までとした. 以下,t 時点の 1 ヵ月先の新発 2, 5, 10, 20 年国債の予想利回りをそれぞれ Y 2 t, Y 5 t, Y 10 t, Y 20 t と表記することにし,6 ヵ月後の予想利回りのことを単に予想利回り呼ぶことにする. また, 新発 10 年債利回りのデータについては,Bloomberg 社の端末から時系列データを取得した. 2
3 フォワード レートは, ゼロ クーポン レートを Bloomberg 社の端末から取得し, 線型補 間によってスポット レート カーブを推計することで計算した. 3. 分析手法 3.1. 債券投資家の期待と予想利回りの予測誤差蓮見 平田 (2010) は, 予想と予測時点の実績値の差を 期待 と定義し,10 年債についてその変動要因を分析した. また, 予測誤差が 0 になるという意味での合理性は観察されず,10 年債利回りの予測誤差は大きいことを報告した. 本研究では, 予想利回りとデータ公表時のフォワード レートの差分を 期待 と定義し, 6 ヵ月後の実際の利回りと予想利回りの差を 予測誤差 とする. そして, 平均期待と平均予測誤差 (or 期待の中央値と予測誤差の中央値 ) が統計的有意にゼロでないことを検証し, バイアスを検出する. 4. 分析結果 4.1. 債券投資家の予想傾向調査結果が発表された時点における実際の新発 10 年債利回りと,6 ヵ月後の 10 年債予想利回りの傾向を観察するため, 可視化した ( 図 1). 黒線は実際の新発 10 年債利回りを表し, 赤線の右先端にある白丸は 6 ヵ月後の予想利回りを表している. 2.50% 2.00% 新発 10 年債利回り (GJGB10 Index) 6 ヵ月後 10 年債予想利回り 1.50% 1.00% 0.50% 0.00% -0.50% 2003 年 2006 年 2008 年 2011 年 2014 年 2017 年 図 1 実際の新発 10 年債利回りと予想利回り 図 1 の観察から明らかなように, サーベイ結果の発表時点の実際の利回りよりも 6 ヵ月 3
4 後の利回りの方が大きくなっている. さらに,6 ヵ月後の実際の利回りと 6 ヵ月後の予想利回りを比較しても, 概ね予想利回りの方が大きくなっている. これらの観察結果から, 先行研究で示されたことと同様の傾向があることが確認できた. また, 先行研究より現在に近い期間 (2010 年以降 ) のデータでも, 同様の傾向が観察される. しかしながら,2016 年 9 月に YCC が導入された以降は, 先行研究の観察とは異なった傾向となっており, 上昇予想傾向の傾きが緩やかになった. これは,YCC の導入で, 債券市場では新発 10 年産利回りは 0±0.10% というレンジのコンセンサスが形成されたことや, 日銀が実際に上限である 0.11% で新型指値オペを行ったため, 予想利回りの上限も 0.10% 付近で動かなくなったと解釈できる 債券投資家の期待と予測誤差 期待と予測誤差の基本統計量と, 正規性の検定であるシャピロ ウィルク検定, ノンパ ラメトリックな 2 群の差の検定であるウィルコクソンの順位和検定の結果を表 1 に示す. 表 1 期待と予想の基本統計量および仮説検定結果 期待 予測誤差 2 年 5 年 10 年 20 年 2 年 5 年 10 年 20 年 平均値 中央値 最大値 最小値 歪度 尖度 シャピロ ウィルク検定 (0.014) (0.036) (0.015) ウィルコクソン順位和検定 t 検定 ( 参考 ) () は p 値を示し, は 0.1% 基準で統計有意を示す シャピロ ウィルク検定の結果から, 全ての年限の期待および予測誤差は正規分布であることは棄却された. したがって, 正規分布を仮定する t 検定は使用できない. そこで, ノンパラメトリックなウィルコクソンの順位和検定を実行した結果, 全ての年限の期待および予測誤差の中央値は統計有意にゼロとはいえないことが明らかになった. 期待は中央値がプラスに統計有意であることから, 現時点よりも金利上昇予想バイアスがあると解釈でき, 予想誤差の中央値がマイナスに統計有意であることから, 予想よりも実際の金利は低下するバイアスがあると解釈できる. バイアスがある理由としては, 実際の本邦金利は観測期間 4
5 を通じて低下トレンドであったただと考えられる. しかしながら, 期待に関しては, 低下ト レンドであったにもかかわらず, 上方予想バイアスが観測されることが興味深い 予想利回りとフォワード レート予想利回りとフォワード レートとの関係を検証するため,t 時点の 6 ヵ月先 n 年のフ (0.5 n) ォワード レート (f t ) を被説明変数, t 時点の 6 ヵ月後 n 年の予想利回り (Y n t ) を説明変数とする線型回帰モデルを構築し ( 式 1), この回帰分析の結果は表 2に示す. f t (0.5 n) = α n + β n Y t n + ε t n (1) 調整済みの決定係数は全ての年限で 0.95 以上となっており, 非常に説明力の高い結果となった. しかしながら, 概ね一致はしているものの, 完全に一致をしているわけではなく, 残差が生じている. 標準的な金利の期間構造理論によると, イールド カーブの形状は投資家の将来金利予想に加えて, 投資家の要求するプレミアムに分解できる. したがって, この残差は期間プレミアム (term premium) だと解釈できる (e.g. 森田, 2006; 作道, 2010; 山田, 2000). また, 残差 ( 期間プレミアム ) が観測されることから, 投資家予想を完全に織り込むと考える純粋期待仮説は成立しているとはいい難いと考えられる. 表 2 フォワード レートと n 年の予想利回りの回帰分析結果 α n β n (0.013) (0.297) (0.164) R adj R n 2 年 5 年 10 年 20 年 () は p 値を示し, は 0.1% 基準で統計有意を示す 5. まとめと今後の課題本研究では, 債券投資家予想の上方バイアスは近年のデータを含めても存在するか, 加えて, 他の年限にも存在するかを検証するため, 観測期間を先行研究よりも伸張し, 年限を 2,5,20 年に拡張して分析を行った. その結果, 全ての年限で債券投資家は現在よりも上方に金利を予想するバイアスがあることが明らかになった. 予測誤差に関しても, 予測誤差がゼ 5
6 ロという意味での合理性は無く, 機関投資家の予想に関しても予測力は低いことが明らかになった. しかしながら, 同時点のフォワード レートと予想利回りの関係について単回帰分析を実行した結果, 全ての年限において調整済み決定係数が 0.95 以上になり, 説明力は非常に高い結果となった. ただし, 説明力は非常に高いものの, 残差が生じており, フォワード レートは完全に投資家予想とは一致しない. この残差は期間プレミアムだと考えられるため, 純粋期待仮説よりも期間プレミアム仮説が成立している可能性が高いと考えられる. 今後は, この残差 ( 期間プレミアム ) が投資家の注目要因とどのように関係するかを分析することや,Cochrane and Piazzesi (2005) のようなフォワード レートの線型集合から債券超過リターンを予測するようなモデルに対して, フォワード レートを予想利回りに置き換えた場合, 予測力はどのようになるかについて分析を進める予定である. 引用文献 Cochrane, J. H. and M. Piazzesi, Bond risk premia. American Economic Review 95(1), 蓮見亮, 平田英明,2010. 債券投資家の予測形成の検証 QUICK 債券月次調査による分析.JCER Discussion Paper 128. 角間和男,2001. 債券相場と市場金利観の変化. 若杉敬明, 太田八十雄, 浅野幸弘編, 投資家の予想形成と相場動向 :QSS サーベイデータによる分析. 日経 BP コンサルティング, 東京. 森田洋,2006. 期間構造理論から見た日本の金利の期間構造. 証券アナリストジャーナル 44(9),6-17. 作道俊夫,2010. 金利のリスク プレミアム. 証券アナリストジャーナル 48(8),5-13. 豊田一穂,2001. 市場参加者の金利予想形成とイールド カーブ分析への応用. 若杉敬明, 太田八十雄, 浅野幸弘編. 投資家の予想形成と相場動向 :QSS サーベイデータによる分析. 日経 BP コンサルティング, 東京. 若杉敬明, 太田八十雄, 浅野幸弘編,2001. 投資家の予想形成と相場動向 :QSS サーベイデータによる分析. 日経 BP コンサルティング, 東京. 山田聡,2000. 日本国債のリスク プレミアムと投資戦略への応用. 証券アナリストジャーナル 38(12),
第1章 財務諸表
企業財務論 2010( 太田浩司 ) Lecture Note 22 1 第 22 章債券分析 Part 2 1. スポット レートとフォワード レート 1.1 スポット レートスポット レートとは 現在から一定期間後に満期となる割引債の利回り ( 複利利回り ) のことである 例えば 1 年物スポット レート (r 1 ) 6% 2 年物スポット レート (r 2 ) 7% 3 年物スポット レート
スライド 1
データ解析特論重回帰分析編 2017 年 7 月 10 日 ( 月 )~ 情報エレクトロニクスコース横田孝義 1 ( 単 ) 回帰分析 単回帰分析では一つの従属変数 ( 目的変数 ) を 一つの独立変数 ( 説明変数 ) で予測する事を考える 具体的には y = a + bx という回帰直線 ( モデル ) でデータを代表させる このためにデータからこの回帰直線の切片 (a) と傾き (b) を最小
スライド 1
データ解析特論第 10 回 ( 全 15 回 ) 2012 年 12 月 11 日 ( 火 ) 情報エレクトロニクス専攻横田孝義 1 終了 11/13 11/20 重回帰分析をしばらくやります 12/4 12/11 12/18 2 前回から回帰分析について学習しています 3 ( 単 ) 回帰分析 単回帰分析では一つの従属変数 ( 目的変数 ) を 一つの独立変数 ( 説明変数 ) で予測する事を考える
13章 回帰分析
単回帰分析 つ以上の変数についての関係を見る つの 目的 被説明 変数を その他の 説明 変数を使って 予測しようというものである 因果関係とは限らない ここで勉強すること 最小 乗法と回帰直線 決定係数とは何か? 最小 乗法と回帰直線 これまで 変数の間の関係の深さについて考えてきた 相関係数 ここでは 変数に役割を与え 一方の 説明 変数を用いて他方の 目的 被説明 変数を説明することを考える
多変量解析 ~ 重回帰分析 ~ 2006 年 4 月 21 日 ( 金 ) 南慶典
多変量解析 ~ 重回帰分析 ~ 2006 年 4 月 21 日 ( 金 ) 南慶典 重回帰分析とは? 重回帰分析とは複数の説明変数から目的変数との関係性を予測 評価説明変数 ( 数量データ ) は目的変数を説明するのに有効であるか得られた関係性より未知のデータの妥当性を判断する これを重回帰分析という つまり どんなことをするのか? 1 最小 2 乗法により重回帰モデルを想定 2 自由度調整済寄与率を求め
Microsoft PowerPoint - e-stat(OLS).pptx
経済統計学 ( 補足 ) 最小二乗法について 担当 : 小塚匡文 2015 年 11 月 19 日 ( 改訂版 ) 神戸大学経済学部 2015 年度後期開講授業 補足 : 最小二乗法 ( 単回帰分析 ) 1.( 単純 ) 回帰分析とは? 標本サイズTの2 変数 ( ここではXとY) のデータが存在 YをXで説明する回帰方程式を推定するための方法 Y: 被説明変数 ( または従属変数 ) X: 説明変数
簿記教育における習熟度別クラス編成 簿記教育における習熟度別クラス編成 濱田峰子 要旨 近年 学生の多様化に伴い きめ細やかな個別対応や対話型授業が可能な少人数の習熟度別クラス編成の重要性が増している そのため 本学では入学時にプレイスメントテストを実施し 国語 数学 英語の 3 教科については習熟
濱田峰子 要旨 近年 学生の多様化に伴い きめ細やかな個別対応や対話型授業が可能な少人数の習熟度別クラス編成の重要性が増している そのため 本学では入学時にプレイスメントテストを実施し 国語 数学 英語の 3 教科については習熟度別クラス編成を実施している 本稿では さらにの導入へ向けて 既存のプレイスメントテストを活用したクラス編成の可能性について検討した 3 教科に関するプレイスメントテストの偏差値を説明変数
各資産のリスク 相関の検証 分析に使用した期間 現行のポートフォリオ策定時 :1973 年 ~2003 年 (31 年間 ) 今回 :1973 年 ~2006 年 (34 年間 ) 使用データ 短期資産 : コールレート ( 有担保翌日 ) 年次リターン 国内債券 : NOMURA-BPI 総合指数
5 : 外国株式 外国債券と同様に円ベースの期待リターン = 円のインフレ率 + 円の実質短期金利 + 現地通貨ベースのリスクプレミアム リスクプレミアムは 過去実績で 7% 程度 但し 3% 程度は PER( 株価 1 株あたり利益 ) の上昇 すなわち株価が割高になったことによるもの 将来予想においては PER 上昇が起こらないものと想定し 7%-3%= 4% と設定 直近の外国株式の現地通貨建てのベンチマークリターンと
Microsoft Word - å“Ÿåłžå¸°173.docx
回帰分析 ( その 3) 経済情報処理 価格弾力性の推定ある商品について その購入量を w 単価を p とし それぞれの変化量を w p で表 w w すことにする この時 この商品の価格弾力性 は により定義される これ p p は p が 1 パーセント変化した場合に w が何パーセント変化するかを示したものである ここで p を 0 に近づけていった極限を考えると d ln w 1 dw dw
1.民営化
参考資料 最小二乗法 数学的性質 経済統計分析 3 年度秋学期 回帰分析と最小二乗法 被説明変数 の動きを説明変数 の動きで説明 = 回帰分析 説明変数がつ 単回帰 説明変数がつ以上 重回帰 被説明変数 従属変数 係数 定数項傾き 説明変数 独立変数 残差... で説明できる部分 説明できない部分 説明できない部分が小さくなるように回帰式の係数 を推定する有力な方法 = 最小二乗法 最小二乗法による回帰の考え方
Microsoft PowerPoint - R-stat-intro_12.ppt [互換モード]
R で統計解析入門 (12) 生存時間解析 中篇 準備 : データ DEP の読み込み 1. データ DEP を以下からダウンロードする http://www.cwk.zaq.ne.jp/fkhud708/files/dep.csv /fkh /d 2. ダウンロードした場所を把握する ここでは c:/temp とする 3. R を起動し,2. 2 の場所に移動し, データを読み込む 4. データ
博士論文 考え続ける義務感と反復思考の役割に注目した 診断横断的なメタ認知モデルの構築 ( 要約 ) 平成 30 年 3 月 広島大学大学院総合科学研究科 向井秀文
博士論文 考え続ける義務感と反復思考の役割に注目した 診断横断的なメタ認知モデルの構築 ( 要約 ) 平成 30 年 3 月 広島大学大学院総合科学研究科 向井秀文 目次 はじめに第一章診断横断的なメタ認知モデルに関する研究動向 1. 診断横断的な観点から心理的症状のメカニズムを検討する重要性 2 2. 反復思考 (RNT) 研究の歴史的経緯 4 3. RNT の高まりを予測することが期待されるメタ認知モデル
Excelによる統計分析検定_知識編_小塚明_5_9章.indd
第7章57766 検定と推定 サンプリングによって得られた標本から, 母集団の統計的性質に対して推測を行うことを統計的推測といいます 本章では, 推測統計の根幹をなす仮説検定と推定の基本的な考え方について説明します 前章までの知識を用いて, 具体的な分析を行います 本章以降の知識は操作編での操作に直接関連していますので, 少し聞きなれない言葉ですが, 帰無仮説 有意水準 棄却域 などの意味を理解して,
長期金利の上昇と商業用不動産価格の関連性
長期金利の上昇と商業用不動産価格の関連性 私募投資顧問部主任研究員米倉勝弘 過去における不動産価格と長期金利の推移を見る限り 両者に負の相関関係は認められず 長期金利の変化が不動産価格に対して直接的に作用しているとは言いがたい 期待利回りの押し上げ要因となる 長期金利の上昇 があったとしても 将来的に安定的な経済成長が見込め NOI の成長も期待できる場合にはリスクプレミアムが縮小し 期待利回りを押し下げる方向に作用するものと整理できる
Medical3
Chapter 1 1.4.1 1 元配置分散分析と多重比較の実行 3つの治療法による測定値に有意な差が認められるかどうかを分散分析で調べます この例では 因子が1つだけ含まれるため1 元配置分散分析 one-way ANOVA の適用になります また 多重比較法 multiple comparison procedure を用いて 具体的のどの治療法の間に有意差が認められるかを検定します 1. 分析メニュー
Microsoft Word - 保健医療統計学112817完成版.docx
講義で使用するので テキスト ( 地域診断のすすめ方 ) を必ず持参すること 5 4 統計処理のすすめ方 ( テキスト P. 134 136) 1. 6つのステップ 分布を知る ( 度数分布表 ヒストグラム ) 基礎統計量を求める Ø 代表値 Ø バラツキ : 範囲 ( 最大値 最小値 四分位偏位 ) 分散 標準偏差 標準誤差 集計する ( 単純集計 クロス集計 ) 母集団の情報を推定する ( 母平均
untitled
に, 月次モデルの場合でも四半期モデルの場合でも, シミュレーション期間とは無関係に一様に RMSPE を最小にするバンドの設定法は存在しないということである 第 2 は, 表で与えた 2 つの期間及びすべての内生変数を見渡して, 全般的にパフォーマンスのよいバンドの設定法は, 最適固定バンドと最適可変バンドのうちの M 2, Q2 である いずれにしても, 以上述べた 3 つのバンド設定法は若干便宜的なものと言わざるを得ない
Microsoft PowerPoint - 資料04 重回帰分析.ppt
04. 重回帰分析 京都大学 加納学 Division of Process Control & Process Sstems Engineering Department of Chemical Engineering, Koto Universit [email protected] http://www-pse.cheme.koto-u.ac.jp/~kano/ Outline
確定拠出年金(DC)における継続投資教育の効果
確定拠出年金 (DC) における 継続投資教育の効果 退職給付ビッグバン研究会 2008 年度年次総会 2008 年 9 月 5 日 ( 金 ) 北村智紀 中嶋邦夫ニッセイ基礎研究所金融研究部門 北村 中嶋 (2008) 1 論文の概要 実験を用いて確定拠出年金 (DC) の継続教育に効果があるか検証 DC 加入者を対象に, 投資の基礎知識を内容とする継続教育を実施 継続教育は, パンフレット配布とセミナーの
Microsoft PowerPoint - Econometrics pptx
計量経済学講義 第 4 回回帰モデルの診断と選択 Part 07 年 ( ) 限 担当教員 : 唐渡 広志 研究室 : 経済学研究棟 4 階 43 号室 emal: [email protected] webste: http://www3.u-toyama.ac.p/kkarato/ 講義の目的 誤差項の分散が不均 である場合や, 系列相関を持つ場合についての検定 法と修正 法を学びます
基礎統計
基礎統計 第 11 回講義資料 6.4.2 標本平均の差の標本分布 母平均の差 標本平均の差をみれば良い ただし, 母分散に依存するため場合分けをする 1 2 3 分散が既知分散が未知であるが等しい分散が未知であり等しいとは限らない 1 母分散が既知のとき が既知 標準化変量 2 母分散が未知であり, 等しいとき 分散が未知であるが, 等しいということは分かっているとき 標準化変量 自由度 の t
Microsoft Word - Stattext12.doc
章対応のない 群間の量的データの検定. 検定手順 この章ではデータ間に 対 の対応のないつの標本から推定される母集団間の平均値や中央値の比較を行ないます 検定手法は 図. のようにまず正規に従うかどうかを調べます 但し この場合はつの群が共に正規に従うことを調べる必要があります 次に 群とも正規ならば F 検定を用いて等分散であるかどうかを調べます 等分散の場合は t 検定 等分散でない場合はウェルチ
3. みせかけの相関単位根系列が注目されるのは これを持つ変数同士の回帰には意味がないためだ 単位根系列で代表的なドリフト付きランダムウォークを発生させてそれを確かめてみよう yと xという変数名の系列をを作成する yt=0.5+yt-1+et xt=0.1+xt-1+et 初期値を y は 10
第 10 章 くさりのない犬 はじめにこの章では 単位根検定や 共和分検定を説明する データが単位根を持つ系列の場合 見せかけの相関をする場合があり 推計結果が信用できなくなる 経済分析の手順として 系列が定常系列か単位根を持つ非定常系列かを見極め 定常系列であればそのまま推計し 非定常系列であれば階差をとって推計するのが一般的である 1. ランダムウオーク 最も簡単な単位根を持つ系列としてランダムウオークがある
MFIV となる Volatility Index Japan(VXJ) を日次で算出 公表している VIX 等と同様にTは約 1 ヶ月に設定 近似ターゲットは V t である 現行バージョンの計算方法は CBOE 方式に準じているが CSFI ではより高い精度で V t を近似する方法を研究開発中
日本版ボラティリティ インデックス VXJ の時系列特性 大阪大学金融 保険教育研究センター石田功 1 ボラティリティ インデックス 資産価格のボラティリティが デリバティイブの価格付けやヘッジ アセット アロケーション等 投資意思決定のあらゆる分野においてキーとなる重要な要素であることはいうまでもない しかしながら ボラティリティは直接観測できないため 資産価格の過去の時系列データから統計的に推定したものや
0 スペクトル 時系列データの前処理 法 平滑化 ( スムージング ) と微分 明治大学理 学部応用化学科 データ化学 学研究室 弘昌
0 スペクトル 時系列データの前処理 法 平滑化 ( スムージング ) と微分 明治大学理 学部応用化学科 データ化学 学研究室 弘昌 スペクトルデータの特徴 1 波 ( 波数 ) が近いと 吸光度 ( 強度 ) の値も似ている ノイズが含まれる 吸光度 ( 強度 ) の極大値 ( ピーク ) 以外のデータも重要 時系列データの特徴 2 時刻が近いと プロセス変数の値も似ている ノイズが含まれる プロセス変数の極大値
経済統計分析1 イントロダクション
1 経済統計分析 9 分散分析 今日のおはなし. 検定 statistical test のいろいろ 2 変数の関係を調べる手段のひとつ適合度検定独立性検定分散分析 今日のタネ 吉田耕作.2006. 直感的統計学. 日経 BP. 中村隆英ほか.1984. 統計入門. 東大出版会. 2 仮説検定の手続き 仮説検定のロジック もし帰無仮説が正しければ, 検定統計量が既知の分布に従う 計算された検定統計量の値から,
横浜市環境科学研究所
周期時系列の統計解析 単回帰分析 io 8 年 3 日 周期時系列に季節調整を行わないで単回帰分析を適用すると, 回帰係数には周期成分の影響が加わる. ここでは, 周期時系列をコサイン関数モデルで近似し単回帰分析によりモデルの回帰係数を求め, 周期成分の影響を検討した. また, その結果を気温時系列に当てはめ, 課題等について考察した. 気温時系列とコサイン関数モデル第 報の結果を利用するので, その一部を再掲する.
2. 時系列分析 プラットフォームの使用法 JMP の 時系列分析 プラットフォームでは 一変量の時系列に対する分析を行うことができます この章では JMP のサンプルデ ータを用いて このプラットフォームの使用法をご説明します JMP のメニューバーより [ ヘルプ ] > [ サンプルデータ ]
JMP を用いた ARIMA モデルのあてはめ SAS Institute Japan 株式会社 JMP ジャパン事業部 2013 年 2 月作成 1. はじめに JMP の時系列分析では 一変量の時系列データに対する分析や予測を行うことができ 時系列データに対するグラフ表示 時系列モデルのあてはめ モデルの評価 予測まで 対話的に分析を実行することができます 時系列データにあてはめるモデルとしては
Microsoft PowerPoint - ch04j
Ch.4 重回帰分析 : 推論 重回帰分析 y = 0 + 1 x 1 + 2 x 2 +... + k x k + u 2. 推論 1. OLS 推定量の標本分布 2. 1 係数の仮説検定 : t 検定 3. 信頼区間 4. 係数の線形結合への仮説検定 5. 複数線形制約の検定 : F 検定 6. 回帰結果の報告 入門計量経済学 1 入門計量経済学 2 OLS 推定量の標本分布について OLS 推定量は確率変数
Microsoft PowerPoint - 統計科学研究所_R_重回帰分析_変数選択_2.ppt
重回帰分析 残差分析 変数選択 1 内容 重回帰分析 残差分析 歯の咬耗度データの分析 R で変数選択 ~ step 関数 ~ 2 重回帰分析と単回帰分析 体重を予測する問題 分析 1 身長 のみから体重を予測 分析 2 身長 と ウエスト の両方を用いて体重を予測 分析 1 と比べて大きな改善 体重 に関する推測では 身長 だけでは不十分 重回帰分析における問題 ~ モデルの構築 ~ 適切なモデルで分析しているか?
Microsoft PowerPoint - S11_1 2010Econometrics [互換モード]
S11_1 計量経済学 一般化古典的回帰モデル -3 1 図 7-3 不均一分散の検定と想定の誤り 想定の誤りと不均一分散均一分散を棄却 3つの可能性 1. 不均一分散がある. 不均一分散はないがモデルの想定に誤り 3. 両者が同時に起きている 想定に誤り不均一分散を 検出 したら散布図に戻り関数形の想定や説明変数の選択を再検討 残差 残差 Y 真の関係 e e 線形回帰 X X 1 実行可能な一般化最小二乗法
ビジネス統計 統計基礎とエクセル分析 正誤表
ビジネス統計統計基礎とエクセル分析 ビジネス統計スペシャリスト エクセル分析スペシャリスト 公式テキスト正誤表と学習用データ更新履歴 平成 30 年 5 月 14 日現在 公式テキスト正誤表 頁場所誤正修正 6 知識編第 章 -3-3 最頻値の解説内容 たとえば, 表.1 のデータであれば, 最頻値は 167.5cm というたとえば, 表.1 のデータであれば, 最頻値は 165.0cm ということになります
EBNと疫学
推定と検定 57 ( 復習 ) 記述統計と推測統計 統計解析は大きく 2 つに分けられる 記述統計 推測統計 記述統計 観察集団の特性を示すもの 代表値 ( 平均値や中央値 ) や ばらつきの指標 ( 標準偏差など ) 図表を効果的に使う 推測統計 観察集団のデータから母集団の特性を 推定 する 平均 / 分散 / 係数値などの推定 ( 点推定 ) 点推定値のばらつきを調べる ( 区間推定 ) 検定統計量を用いた検定
ポイント 〇等価尺度法を用いた日本の子育て費用の計測〇 1993 年 年までの期間から 2003 年 年までの期間にかけて,2 歳以下の子育て費用が大幅に上昇していることを発見〇就学前の子供を持つ世帯に対する手当てを優先的に拡充するべきであるという政策的含意 研究背景 日本に
子育て費用の時間を通じた変化 日本のパネルデータを用いた等価尺度の計測 名古屋大学大学院経済学研究科 ( 研究科長 : 野口晃弘 ) の荒渡良 ( あらわたりりょう ) 准教授は名城大学都市情報学部の宮本由紀 ( みやもとゆき ) 准教授との共同により,1993 年以降の日本において,2 歳以下の子供の子育て費用が大幅に増加していることを実証的に明らかにしました 研究グループは 1993 年において
MedicalStatisticsForAll.indd
みんなの 医療統計 12 基礎理論と EZR を完全マスター! Ayumi SHINTANI はじめに EZR EZR iii EZR 2016 2 iv CONTENTS はじめに... ⅲ EZR をインストールしよう... 1 EZR 1...1 EZR 2...3...8 R Console...10 1 日目 記述統計量...11 平均値と中央値... 11...12...15...18
Microsoft PowerPoint - R-stat-intro_04.ppt [互換モード]
R で統計解析入門 (4) 散布図と回帰直線と相関係数 準備 : データ DEP の読み込み 1. データ DEP を以下からダウンロードする http://www.cwk.zaq.ne.jp/fkhud708/files/dep.csv 2. ダウンロードした場所を把握する ここでは c:/temp とする 3. R を起動し,2. の場所に移動し, データを読み込む 4. データ DEP から薬剤
Excelにおける回帰分析(最小二乗法)の手順と出力
Microsoft Excel Excel 1 1 x y x y y = a + bx a b a x 1 3 x 0 1 30 31 y b log x α x α x β 4 version.01 008 3 30 Website:http://keijisaito.info, E-mail:[email protected] 1 Excel Excel.1 Excel Excel
テールリスク とは テールリスク : 正規分布を想定した場合 平均値から 3 標準偏差を超える乖離が発生すること 投資のアウトカム ライト テール レフト テール 3 標準偏差の乖離 統計的には 99.97% と同等 正規分布 これが難問である 資産クラスによっては非正規分布になる = ファット テ
テールリスク イベントの理解と管理 第 9 回グローバル ペンション シンポジウム ( 東京 ) John Ross シーガル ロジャースケイシー シニア バイスプレジデントべータ アセット ライアビリティ リスクマネジメント調査部門共同ヘッド Copyright 2015 by The Segal Group, Inc. All rights reserved. テールリスク とは テールリスク
<4D F736F F D208CF68BA48C6F8DCF8A C30342C CFA90B68C6F8DCF8A7782CC8AEE967B92E8979D32288F4390B394C529332E646F63>
2. 厚生経済学の ( 第 ) 基本定理 2 203 年 4 月 7 日 ( 水曜 3 限 )/8 本章では 純粋交換経済において厚生経済学の ( 第 ) 基本定理 が成立することを示す なお より一般的な生産技術のケースについては 4.5 補論 2 で議論する 2. 予算集合と最適消費点 ( 完全 ) 競争市場で達成される資源配分がパレート効率的であることを示すための準備として 個人の最適化行動を検討する
Medical3
1.4.1 クロス集計表の作成 -l m 分割表 - 3つ以上のカテゴリを含む変数を用いて l mのクロス集計表による分析を行います この例では race( 人種 ) によってlow( 低体重出生 ) に差が認められるかどうかを分析します 人種には3つのカテゴリ 低体重出生には2つのカテゴリが含まれています 2つの変数はともにカテゴリ変数であるため クロス集計表によって分析します 1. 分析メニュー
統計的データ解析
統計的データ解析 011 011.11.9 林田清 ( 大阪大学大学院理学研究科 ) 連続確率分布の平均値 分散 比較のため P(c ) c 分布 自由度 の ( カイ c 平均値 0, 標準偏差 1の正規分布 に従う変数 xの自乗和 c x =1 が従う分布を自由度 の分布と呼ぶ 一般に自由度の分布は f /1 c / / ( c ) {( c ) e }/ ( / ) 期待値 二乗 ) 分布 c
目次 1 章 SPSS の基礎 基本 はじめに 基本操作方法 章データの編集 はじめに 値ラベルの利用 計算結果に基づく新変数の作成 値のグループ化 値の昇順
SPSS 講習会テキスト 明治大学教育の情報化推進本部 IZM20140527 目次 1 章 SPSS の基礎 基本... 3 1.1 はじめに... 3 1.2 基本操作方法... 3 2 章データの編集... 6 2.1 はじめに... 6 2.2 値ラベルの利用... 6 2.3 計算結果に基づく新変数の作成... 7 2.4 値のグループ化... 8 2.5 値の昇順 降順... 10 3
PowerPoint プレゼンテーション
野球の試合結果と株式収益率の関係 ~ 試合結果が株価変動に与える影響について統計的分析 ~ 九州大学経済学部内田ゼミ有木健人宮崎勝利 2018 年 12 月 1 日 目次 研究背景 研究目的 分析対象と考察概要 仮説 使用データと分析方法 分析 結論 2 はじめに 企業はテレビや新聞 雑誌 インターネットなど様々な情報伝達媒体に広告をだしており それを広告費として計上している 日本において広告は企業価値を高めるという先行研究がある
【34】今日から使える「リスクとリターン」_1704.indd
1. 投資におけるリスクとリターンって何? 2. リスクってどうやって計算するの? 3. 指数値のリターンとリスクの算出方法は? 4. リスクとリターンにはどのような関係があるの? 5. 主要な資産のリスクやリターンはどの程度あるの? ターンリターンリ今日から使える リスクとリターン 投資におけるリスクとリターンって何? 投資におけるリターンとは 投資を行うことで得られる損益のことを指します 一方
様々なミクロ計量モデル†
担当 : 長倉大輔 ( ながくらだいすけ ) この資料は私の講義において使用するために作成した資料です WEB ページ上で公開しており 自由に参照して頂いて構いません ただし 内容について 一応検証してありますが もし間違いがあった場合でもそれによって生じるいかなる損害 不利益について責任を負いかねますのでご了承ください 間違いは発見次第 継続的に直していますが まだ存在する可能性があります 1 カウントデータモデル
【16】ゼロからわかる「世界経済の動き」_1704.indd
1. 世界全体の経済規模は? 2. 主な国 地域の経済規模の動向は? 3. 世界経済の成長は? 4. 世界経済下支えのための金融政策は? 世界全体の経済規模は? 世界の名目 G D P 総額 ( 2 1 6 年末 ) は 約 7 5 兆米ドルで 2 年末時点と比較すると約 2. 2 倍になっています 世界の名目 GDP 規模とシェアの推移 ( 兆米ドル ) 8 7 6 5 約 2.2 倍 約 75
Ⅶ ポートフォリオ・バランス・モデル
Ⅶ ポートフォリオ バランス アプローチ 1. 為替レート モデルの分類と仮定 2. 資本の完全移動 と 資産の完全代替 3. リスク プレミアムを含む為替レート モデル 4. ポートフォリオ バランス アプローチ ( 付論 ) 不胎化介入について Revew 1 1. 為替レート モデルの分類と仮定 Tradtonal Flow Approach Exchange Rate Determnaton
<4D F736F F D F4390B3817A4D42418C6F896390ED97AA8D758B60985E814091E63289F AE8E9197BF E646F63>
特別連載 RIEB ニュースレター No.114 212 年 5 月号 MBA 経営戦略講義録 付属資料 : 第 2 回経営戦略の定義と対象 (Definition of Strategy) 神戸大学経済経営研究所特命教授小島健司 企業価値分析 ( 出所 : 高村健一 経営戦略応用研究期末レポートキリンホールディングス株式会社 29 年 1 月 26 日 2-26 頁 ) キリンホールディングス株式会社およびアサヒビール株式会社の
Microsoft Word - mstattext02.docx
章重回帰分析 複数の変数で 1つの変数を予測するような手法を 重回帰分析 といいます 前の巻でところで述べた回帰分析は 1つの説明変数で目的変数を予測 ( 説明 ) する手法でしたが この説明変数が複数個になったと考えればよいでしょう 重回帰分析はこの予測式を与える分析手法です 以下の例を見て下さい 例 以下のデータ (Samples 重回帰分析 1.txt) をもとに体重を身長と胸囲の1 次関数で
(3) 検定統計量の有意確率にもとづく仮説の採否データから有意確率 (significant probability, p 値 ) を求め 有意水準と照合する 有意確率とは データの分析によって得られた統計値が偶然おこる確率のこと あらかじめ設定した有意確率より低い場合は 帰無仮説を棄却して対立仮説
第 3 章 t 検定 (pp. 33-42) 3-1 統計的検定 統計的検定とは 設定した仮説を検証する場合に 仮説に基づいて集めた標本を 確率論の観点から分析 検証すること 使用する標本は 母集団から無作為抽出されたものでなければならない パラメトリック検定とノンパラメトリック検定 パラメトリック検定は母集団が正規分布に従う間隔尺度あるいは比率尺度の連続データを対象とする ノンパラメトリック検定は母集団に特定の分布を仮定しない
Kumamoto University Center for Multimedia and Information Technologies Lab. 熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI 宮崎県美郷
熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI プロジェクト @ 宮崎県美郷町 熊本大学副島慶人川村諒 1 実験の目的 従来 信号の受信電波強度 (RSSI:RecevedSgnal StrengthIndcator) により 対象の位置を推定する手法として 無線 LAN の AP(AccessPont) から受信する信号の減衰量をもとに位置を推定する手法が多く検討されている
【60】明日から差が付く『ポートフォリオ構築と分散投資』_1704.indd
1. 分散投資って何?. ポートフォリオとは? 3. 相関係数って何?. ポートフォリオのリスクとリターンってどうやって計算するの?1 5. ポートフォリオのリスクとリターンってどうやって計算するの? 6. 最適なポートフォリオは? 分散投資って何? さまざまな資産を組み合わせて投資を行うことです 金融資産に投資を行う場合 一つの資産に偏った投資を行うと その資産が値下がりしたとき 大きな損失を被ってしまう可能性があります
要約 鍋谷 (2007) では2001 年 ~2005 年の高校野球 プロ野球における各プレーの貢献度を 得点 勝敗を被説明変数 各プレーを説明変数とした重回帰モデル 2 項ロジットモデル 2 項プロビットモデルを用いて分析し 犠打 ( 犠牲バント 犠牲フライ ) は得点に対しては有意ではないが勝敗
平成 26 年度卒業論文 高校野球における各プレーの貢献度 所属ゼミ 村澤ゼミ 学籍番号 1110402082 氏 名 野村剛志 大阪府立大学経済学部 要約 鍋谷 (2007) では2001 年 ~2005 年の高校野球 プロ野球における各プレーの貢献度を 得点 勝敗を被説明変数 各プレーを説明変数とした重回帰モデル 2 項ロジットモデル 2 項プロビットモデルを用いて分析し 犠打 ( 犠牲バント
