JP2004534305A - 整合性のあるリスク予測と集積因子モデルを作成する方法および装置 - Google Patents
整合性のあるリスク予測と集積因子モデルを作成する方法および装置 Download PDFInfo
- Publication number
- JP2004534305A JP2004534305A JP2003502728A JP2003502728A JP2004534305A JP 2004534305 A JP2004534305 A JP 2004534305A JP 2003502728 A JP2003502728 A JP 2003502728A JP 2003502728 A JP2003502728 A JP 2003502728A JP 2004534305 A JP2004534305 A JP 2004534305A
- Authority
- JP
- Japan
- Prior art keywords
- model
- modified
- processor
- matrix
- block
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
【解決手段】集積リスクモデルをスタンドアロンモデルに整合させる発明が提供される。共分散行列のクロスブロックを最小に変更し、元のクロスブロックの相関関係における情報を、定められた修正されたサブブロックとの整合性があるままに保持する、直交群全体の中でパラメータ化された修正変換と、直交群全体の中で最小化された目的関数とが提供される。
Description
【0001】
本発明は、リスクモデルの集積に関する。より詳細には、本発明は、組み込まれているスタンドアロンモデルに集積リスクモデルを整合させる数学手法の方法および装置に関する。
【背景技術】
【0002】
私の投資は、一隻の船にかかっているわけではない。
取引先も一箇所だけではない。それに、全財産が、
今年の商いの運・不運に左右されるわけでもない。
だから、船荷のことでも気落ちしたりしないさ。
ウィリアムシェイクスピア、ベニスの商人(1598年)
【0003】
シェイクスピアは、投資には常に危険性が伴うことを気づかせてくれる。長い間、投資家は分散投資の重要性を認識してきた。この考え方は、H. Markowitzの研究「平均分散最適化の誕生(The Birth of Mean-Variance Optimization(7.1, 77〜91))」(Portfolio Selection、Journal of Finance、1952年)によって、定量的な形式をとった。それ以来、ポートフォリオの集積リスクを推測する問題に対処するために、ますます洗練された数学的および統計的ツールが登場してきた。
【0004】
ポートフォリオの集積リスクは、ポートフォリオの構成資産(constituent asset)の共分散に決定的に依存する。残念ながら、現実の状況においては関与する共分散が多すぎるため、過去のデータからこれらのすべてを直接的に推定することは不可能である。因子モデルは、多数の資産の共分散を少数の因子の共分散によって表すことによって、この困難を克服する。
【0005】
因子モデルは、次のように線形回帰により定義される。
【0006】
この式において、yは、分散と共分散に推定が必要である資産収益のベクトルであり、xは、分散と共分散を高い信頼性で推定することのできる収益因子のベクトルであり、Aは、因子に対する資産の感度を記述する先験的に指定される行列である。誤差のベクトル
は、通常は対角共分散行列Dと共に正規分布するものと想定される。このモデルは、資産の共分散行列
を、
として推定し、この式において、
は因子の共分散の行列である。この行列
の次元は、過去のデータから共分散を合理的に推定することができる程度に十分に小さい。
【0007】
定量的なリスク管理がより高度になるに従って、因子モデルはより微細に記述されるようになった。同時に、モデルが広がり、すなわち、大きな会社がその「総リスク」を予測するためには、多数の資産クラスと市場を包含する大きなモデルが必要になった。これらの両方の傾向によって、因子の数が増大し、(この場合には資産ではなく因子の間の)共分散の数が、正確に推定できる程度を超えている。
【0008】
この問題は、以前に機能した考え方を繰り返すことによって対処することができる。因子モデル自体は、より小さい因子モデルから構築することができる。しかしながら、この手法では、新たに整合性に関する一連の困難が入り込む。この問題を説明するため、米国株式と確定所得証券から成るポートフォリオのリスクを推定するための因子モデルを構築することを考える。さらに、株式と確定所得有価証券とを個別に扱う優秀なスタンドアロンの因子モデルがすでに存在しているとする。集積因子モデルは、スタンドアロンの因子モデルとほぼ確実に矛盾する。この不一致の原因として、繰り返し式の因子構造、データの量および頻度の差異、各スタンドアロンモデルに固有な統計的方法における衝突などがあげられる。このような不一致が望ましくない理由として、不一致に起因して、投資リスクの同じ情報源に対する見解が会社の階層ごとに異なりうることがあげられる。
【0009】
集積モデルとスタンドアロンモデルの間で整合性を確立する数学的手法を提供すること、すなわち有意の詳細を犠牲にすることなく全体を達成することは、有利となるであろう。より詳細には、集積リスクモデルをスタンドアロンモデルとの整合性があるように修正することは有利であろう。残念なことに、強制的に整合させると、ほとんど常に、集積モデルにおいて共分散情報が壊れる。問題は、損傷を最小化することである。
【0010】
【非特許文献1】
H. Markowitzの研究「平均分散最適化の誕生(The Birth of Mean-Variance Optimization(7.1, 77〜91))」(Portfolio Selection、Journal of Finance、1952年)
【発明の開示】
【課題を解決するための手段】
【0011】
本発明は、集積リスクモデルを、組み込まれているスタンドアロンモデルと整合性があるように強制する数学的手法の方法および装置に関する。より詳細には、本発明は、共分散行列の部分行列(本文書においてはサブブロックとも称される)を修正するための最適化された方法および装置を提供することである。スタンドアロンモデルに対応する対角部分行列それぞれを、修正されたバージョンによって上書きするための、変数の特殊な線形変更(linear change)(修正変換と称される)が導入される。修正変換の空間は、特定のパラメータ化を介して直交群の積によってパラメータ化可能であることが示されている。共分散行列のクロスブロック(すなわち非対角ブロック)を最小に変更し、従って、元のクロスブロックの相関関係におけるできるだけ多くの情報を、所定の上書きと整合性があるまま保持する修正変換が提供される。クロスブロック情報の消失を定量化する目的関数が指定され、直交群全体の中で最小化される。
【発明を実施するための最良の形態】
【0012】
本発明は、集積リスクモデルを、組み込まれているスタンドアロンモデルに整合させる数学手法の方法および装置に関する。より詳細には、本発明は、一致が得られるようにスタンドアロンモデルに対応する対角部分行列を修正するための最適化された方法および装置を提供することである。対角部分行列それぞれが修正されたバージョンによって上書きされ、特定の対角部分行列が修正されるために他の部分行列が影響されない、変数の特殊な線形変更が導入される。単純な修正変換の空間が、特殊なパラメータ化を介して直交群の積によってパラメータ化可能であることが示されている。共分散行列のクロスブロック(すなわち非対角ブロック)を最小に変更し、これによってクロスブロックの相関関係における元の情報をできるだけ多く保持する修正変換が探索される。情報の消失を特徴付ける(characterize)目的関数が提供され、直交群の積全体の中で最小化される。
【0013】
本発明を理解するうえでの重要な部分は、集積リスクモデルの概念を理解することと、それに関連するいくつかの定義を認識することである。
【0014】
集積リスクモデルと例
多くの場合、集積リスクモデルの基礎をなす因子のベクトルは、有意のサブベクトルに分解することができる。例えば、1つの因子モデルが、複数の市場または資産タイプをカバーすることができる。これに代えて、統計的な特性が、因子の特定の群を区別しても良い。
【0015】
定義:集積因子モデルとは、因子fのベクトルが次のようにサブベクトルに分解される因子モデルである。
【0016】
因子fの共分散行列を
とする。等式(3)における分解によって、共分散行列はブロック構造となる。
【0017】
のi番目の対角ブロック
には、サブセット
における因子の間の共分散のサブセットが含まれる。クロスブロックの共分散は、
に含まれていない
の要素である。
【0018】
集積リスクモデルをスタンドアロンモデルとの整合性があるように修正することの問題について、2つの例、すなわち通貨ブロックの例とグローバル株式モデルの例を、以下に示す。
【0019】
通貨ブロックの例
第一の例は、通貨のリスクに関連するものである。投資適格債(investment-grade bond)の非ヘッジの国際ポートフォリオの収益における変動の相当な額は、通貨交換比率における変化に起因する。従って、国際リスクモデルには、通貨リスクと、金利およびクレジットスプレッド(credit spread)における変化に起因するリスクとを考慮するための因子が必要である。しかしながら、この2つのタイプの因子の統計的な特性はまったく異なる。通貨は、非常に変わりやすく、政権の変化の影響を受ける。この因子のリスク推定では、最近の高頻度のデータを利用する。しかしながら、地方市場の因子には、低頻度のデータと、より長期の記憶を有するモデルとを使用することが望ましい。
【0020】
モデルを組み合わせるための1つの手法は、低頻度のデータに基づいて集積モデルの「第一草案」を構築し、次いで、個別に推定された、時間的に尺度化された(time-scaled)通貨リスクブロックを組み込むことである。残念なことに、これを行うための最も簡単な方法、すなわち、通貨ブロックの第一草案を高頻度のブロックによって単に上書きする方法では、通常、その結果として整合性のない共分散行列となる。矛盾は、多数の経路から生じうる。矛盾が現れる理由として、ある因子に帰せられている分散が小さすぎて、別のスタンドアロンモデルの因子を使用してその大きな共分散を考慮できないため、あるいは、同じスタンドアロンモデルからの別の因子と非常に強い相関関係があるが、2つの因子の挙動が別のスタンドアロンモデルからの第三因子に関連して非常に異なることが、非対角ブロックによって示されるため、があげられる。単純な上書きの結果としての「共分散行列」では、収益の望めないポートフォリオについては特徴的に負の分散予測(または標準偏差の想像上の予測)が作成され、他のポートフォリオの予測の質は絶望的に低下する。すなわち、通貨ブロックの上書きの現実的な手法では、クロスブロックの相関関係が必ず乱される。
【0021】
本発明の好ましい実施例は、整合性を実現する単純な手法を提供する。この手法は、集積モデルの「第一草案」による収益予測とスタンドアロンモデルによる収益予測の間に線形関係があることを想定し、元のブロックから、この関係に従う修正された対角ブロックに変換する。本文書の例においては、変数の線形変更により、通貨ブロックの第一草案が、高い品質のスタンドアロンモデルバージョンによって上書きされる。必然的に、変数のこの変更によってクロスブロックの相関関係が乱される。
【0022】
このことから、乱れをどれだけ小さくすることができるかという問いが生じる。変数の単純な線形変更を使用すると、通貨ブロックを忠実に組み込むことができ、このように組み込むときには、代表的にはクロスブロックの相関関係が
だけ変化する。以下に説明されている最適化された手法を使用すると、変化の平均は約
に減少する。
【0023】
グローバル株式の例
グローバル株式の例は、グローバル株式のポートフォリオのリスクモデルに関連するものである。このようなリスクモデルの1つの例は、Barra社(カリフォルニア州バークレー)において現在使用されているモデルである。Barra社のグローバル株式モデルは、56の市場をカバーし、1274の因子を有する。上述されている「因子モデルの繰り返し」の構造的手法が採用されている。この結果は、偽の相関関係が回避されるリスクモデルの「第一草案」である。しかしながら、この第一草案では、1つの国の株式モデルと矛盾するサブモデル群が組み込まれたままである。この場合の問題は、多くの対角ブロックが同時に修正を必要とするため、前の例における問題よりも複雑である。この結果として、上記のグローバル確定所得証券と通貨の組み込み問題における約700の変数に対して、12,000以上の変数を伴う最適化問題になる。従って、問題の規模が圧倒的に大きいため、最適化ルーチンの修正について検討され、修正によってほぼ同じ結果が達成され、変数の数も大幅に低減される。複数のブロックを組み込むためのいくつかの単純化された手法は、節「複数ブロックの最適化」に説明されている。
【0024】
最適化された単一ブロックの組み込み
本発明の1つの好ましい実施例は、各ブロックが配慮を必要とする唯一のブロックであるかのように、ブロックの組み込みを一度に1つ最適化する。通貨/グローバル確定所得証券の例の場合のように、本発明は、最適化されていない方法に対する著しい改良を提供する。
【0025】
本発明のこの実施例を理解するため、ベクトル
とuの単純な例を考え、この例において、
は通貨因子を表し、
は確定所得証券因子を表す。次に、そのようなランダムなベクトル
の共分散行列を
とし、この場合にベクトル
とu に対して
である。
【0026】
本発明のこの実施例は、他の対角サブブロックに影響せずに共分散行列
の対角サブブロックを上書きするステップを有する。しかしながら、クロスブロックは、次の節の変数の線形変更に示されているように影響される。
【0027】
変数の線形変更
は、ランダムベクトル
の共分散行列であるとする。このことは、
が対称かつ半正定値であることを意味する。
【0028】
を、
を満たす正則線形変換であるとする。
【0029】
この場合、行列
は、ランダムベクトルsの共分散行列である。この結果、
は対称かつ半正定値である。
【0030】
ランダム変数のベクトル
を2つの部分
に分解する。
【0031】
この分解によって、共分散行列がブロック構造となる。
【0032】
この式において、
と
は、それぞれベクトル
とuの共分散行列である。非対角ブロックCには、
のメンバーとuのメンバーの間の共分散が含まれる。この例は、通貨因子
と固定確定所得証券因子
への分解であることを念頭に置いておくこと。
【0033】
本発明の好ましい実施例によると、対角部分行列
は、修正されたバージョン
によって上書きすることができる。この上書きは、次の形式の変換Lによって達成することができる。
【0034】
記号
は、
の対称性の平方根である。
【0035】
は、
を満たす一意の半正定値の対称行列である。
【0036】
記号
は、
の逆数である。行列
と
は必ず存在する。なぜなら、
と
が対称性の半正定値であるためである。
【0037】
行列L
の特殊な形式に起因して、変換(5)では
のブロック構造が維持される。行列
は
に置き換わり、
はそのままである。修正された共分散行列は、
である。
【0038】
上の考察は、
のブロック構造を維持する線形変換を行うことによって、対角サブブロックを他の対角サブブロックに影響することなく上書きできることを示している。しかしながら、クロスブロックは影響される。
【0039】
上の議論から、次の2つの関連する問題が生じる。
1. 1つの対角ブロックしか修正しない一連の線形変換を特徴付けることができるか?
2. 修正変換のクロスブロックへの影響をどの程度小さくすることができるか?
これらのトピックは、それぞれ、以下の2つの節「修正変換」と「最適な修正変換」に説明されている。
【0040】
修正変換
前の節の集積因子モデルの場合のように、
を、
の共分散行列とする。
【0041】
は
に対応するサブブロックであり、
は
の修正されたバージョンであるとする。従って、1つの対角ブロックのみを修正する一連の線形変換を、以下に定義されるような単純な修正変換によって特徴付けることができる。さらに、このような一連の線形変換の単純な修正変換の空間を、以下の議論に示されているように、特定の直交群によってパラメータ化することができる。
【0042】
本発明の好ましい実施例には、2つのさらなる定義が導入される。
【0043】
定義:
の単純な修正変換は、
において
を
によって上書きし、かつu上の単位行列(identity)に制限し、その結果、相補的な対角ブロックが変更されないままとなるようにする、線形写像
である。
【0044】
定義:
行列
の平方根は、
であるような
行列である。
【0045】
行列
は、
が対称性の半正定値である場合に限り平方根を持つ。また、
がそのような
の平方根であるのは、ある直交行列Oに対して
である場合に限ることを示すことも難しくない。
【0046】
本発明の好ましい実施例は、2つの部分から成る定理1と、それに対応する証明として以下に提示されている、単純な修正変換の特徴付けを提供する。
【0047】
定理1:
(a) 行列Lは、平方根
および
の、ある選択に対して、
である場合に限り、
の単純な修正変換である。
【0048】
(b)nは
の次元であるとする。その場合、
の単純な修正変換の空間は、
の場合のパラメータ化
を介して、直交群
によってパラメータ化される。
【0049】
定理1の証明:
直接的な計算から、そのような
または
それぞれが
の単純な修正変換であることが実証される。
【0050】
逆に、Lは
の単純な修正変換であるとする。仮定により、Lは、
という形式をとる。
【0051】
変換(5)は、
であることを意味する。
【0052】
と
は対称かつ半正定値であるため、式(12)は、次のように書き直すことができる。
【0053】
と設定する。その場合、式(13)は、
となり、これによって
であり、従ってLは形式
となる。
【0054】
Lは明らかに一対一であるため、これによって(b)が証明される。
(a)については、
が単純な修正変換であるなら、(b)によって、ある
に対して
であり、従って、
かつ
である。
【0055】
最適な修正変換
変数の線形変更の節に提示されている第二の問いに対処するために、共分散行列
のクロスブロックの相関関係を最小に変更する修正変換を見つけることが望まれる。このような修正変換では、元のクロスブロックの相関関係におけるできる限り多くの情報が、定められた(prescribed)サブブロック
との整合性があるまま保持される。
【0056】
本発明の好ましい実施例は、このようなモデル化の問題を非線形の最小化として数値的に扱う。目的関数は、
に起因するクロスブロックへの変更の程度を測るように選択される。目的関数のこのような選択は、一般的には、相異なる変数の相対的な重要性に依存する。この分析のためには一般的な(generic)選択を行うことが適切であることが判明しており、例えば、
に起因するクロスブロックの構成要素における平方二乗平均変化(root-mean-square change)、すなわち、
である。この式において、mは、Cの要素の数、
は、構成要素の二乗の合計の平方根によって与えられる行列ノルム(matrix norm)である。
【0057】
この場合、関数
を最小化することは、これと等価であり、かつより都合がよい。
従って、本発明の好ましい実施例は、直交群
全体の中でgを最小化する数値的な問題の解決策を提供する。この直交群は結合されていないが、この群を、行列の値が+1の直交行列からなるようにし、単位行列
を含む結合されている構成要素に配慮を制限することができる点は、理解されるべきである。
目的関数gは、その形式が二乗の合計であるため、ニュートン法と最急降下法(W. Pressらの「C++における数値的手法(Numerical Recipes in C++)」(Cambridge、2002年)を参照)の混成であるLevenberg-Marquardt数値法に適する。この方法は、Oにおけるパラメータに対するgの導関数の計算を必要とするため、偏導関数を計算するのに便利な
のパラメータ化を行うことが望ましい。このようなパラメータ化は、一対一である必要はないが、群全体をカバーする必要がある。
【0058】
本発明の好ましい実施例は、このような関数を提供し、これは以下のように定義される。
は、
の次元であるとする。
の場合に、
における
面における角度
の回転を
によって表す(右手の法則)。このような別個の座標面がN個ある。本発明の好ましい実施例は、次の言明(assertion)を利用する。
のすべての要素は、ある角度
の場合のN回転の積
として表すことができる。
hの偏導関数を計算することは相対的に容易であるため、Levenberg-Marquardt最小化手法は、
に直接適用される。この方法が収束する場合には、結果は、
が少なくとも極小値(local minimum)を持つ値
となる。従って、単純な修正変換
は、
または別のランダムな選択よりも良好である可能性が高い。
【0059】
複数ブロックの最適化
全体の問題においては、第一草案の共分散行列のサブモデル部分行列のすべてを調整することが望ましい。1つの手法は、単一ブロックの目的関数すべての合計を同時に最適化することである。この場合、修正変換は、単純な修正変換の積である。
これは次の結果につながる。
【0060】
定理2:
(a) 修正変換は、単純な修正変換の積である。
(b)
を、修正を必要とするブロックの次元であるとする。その場合、修正変換の空間は、パラメータ化
によって、直交群の積
によりパラメータ化される。
【0061】
現実には、直交群の積の次元が大きすぎて、本発明のアルゴリズムによって実際には検索できない場合がある。従って、問題の次元を低減する手法を探る。
【0062】
好ましい手法は、各サブモデルに1つの問題が対応する、一連の単一ブロックの問題を解決することである。
【0063】
図1は、株券101および債券102と、それぞれの共分散行列103aおよび103bの単純な行列表現の線図で、これらの関係を示している。
【0064】
図2は、多数の構成資産201とそれぞれの共分散行列202を単純に描写した、大きな線図である。
【0065】
図3は、スタンドアロンモデルとの整合性がある可能な集積リスクモデルの空間301と直交群302との一対一の写像と、本発明による最適化プロセスにおいて使用される柔軟な目的関数303の線図である。目的関数の選択は柔軟であり、ある型に限定されることはないことは、理解されるべきである。目的関数は、クロスブロック内の項、すなわちクロス情報、すなわち相互作用(interactions)が最適化プロセスにおいて良好に保持される程度の評定または採点として機能する。図3は、直交群304の積の中の点であり、適用された目的関数303によって、スタンドアロンモデル305との整合性がある可能な集積リスクモデルすべての空間内の点に逆方向に写像された(mapped back)最良の点の一例を示す。
【0066】
本発明は、特定の好ましい実施例を参照しながら詳細に説明されているが、本発明が属する技術分野における通常の技術を有する者には、添付されている請求項の精神および範囲から逸脱することなくさまざまな変更および改良を行うことができることは、理解されるであろう。
【図面の簡単な説明】
【0067】
【図1】本発明による、株券および債券とそれぞれの共分散行列の単純な行列表現の線図である。
【図2】本発明による、多数の構成資産とそれぞれの共分散行列の単純化された描写のより大きな線図である。
【図3】スタンドアロンモデルと整合性のある可能な集積リスクモデルの空間301と直交群302の積との一対一の写像と、本発明による最適化プロセスにおいて使用される柔軟な目的関数303の線図である。
【符号の説明】
【0068】
101 株券
102 債券
103a、103b 共分散行列
201 構成資産
202 共分散行列
301 集積リスクモデルの空間
302 直交群の積
303 目的関数
304 直交群
305 スタンドアロンモデル
Claims (16)
- 集積リスクモデルをスタンドアロンモデルとの整合性があるように修正する方法であって、当該方法が、
当該集積リスクモデルのそれぞれがスタンドアロンモデルとの整合性がある、可能な集積リスクモデルの空間を形成するステップと、
当該空間内の当該各集積リスクモデルを、直交群の積の中の点として表すステップと、
前もって定められた目的関数を使用して、当該直交群の積の中で最良の代表点を検索するステップと、
当該直交群の積の中の当該最良の代表点を、当該集積リスクモデル空間内の対応する点に逆方向に写像することによって、スタンドアロンモデルとの整合性がある当該修正された集積リスクモデルを得るステップと、
を有する、方法。 - 最良手段クロスブロックの影響が、最小限である、請求項1の方法。
- 当該直交群の積における当該最良の代表点の当該検索を、コンピュータプログラムおよびコンピュータを使用して行うステップを、さらに、有する、請求項1の方法。
- 当該前もって定められた目的関数が、使用者の要望に応じて柔軟に選択される、請求項1の方法。
- 一連の命令を表すデータが格納されている機械可読媒体であって、前記一連の命令がプロセッサによって実行されると、プロセッサが、以下のステップ、すなわち、
当該集積リスクモデルのそれぞれがスタンドアロンモデルとの整合性がある、可能な集積リスクモデルの空間を求めるステップと、
当該空間内の当該各集積リスクモデルの表現を直交群の積の中の点として求めるステップと、
前もって定められた目的関数を使用して、当該直交群の積の中で最良の代表点を検索するステップと、
当該直交群の積の中の当該最良の代表点を、当該集積リスクモデル空間内の対応する点に逆方向に写像することによって、スタンドアロンモデルとの整合性がある当該修正された集積リスクモデルを求めるステップと、
を実行する、機械可読媒体。 - 最良の手段クロスブロックの影響が、最小限である、請求項5の機械可読媒体。
- 直交群
によって、
の場合のパラメータ化
を介して、
の単純な修正変換の空間をパラメータ化する方法であって、当該方法が、
平方根
および
の、ある選択に対して
である場合に限り、行列Lを、当該
の単純な修正変換とし、
nを
の次元とし、
そのようなLまたは
それぞれが、
の単純な修正変換であることを実証するために直接的に計算し、
逆に、Lが形式
をとると仮定し、かつ、
が、
であることを意味する状態で、Lが
の単純な修正変換であるとし、
および
が対称かつ半正定値であるので、
を
と書き直し、
と設定し、
が
となるようにし、これによって
となり、かつ従って、Lが明らかに一対一となる場合に、Lが形式
となる、
方法。 - 請求項7の方法であって、当該方法が、
単純な修正変換を特徴付けるステップであって、当該変換が、
平方根
および
の、ある選択に対して
である場合に限り、行列Lが
の単純な修正変換であり、かつ、
ある
に対して
であるとし、従って
かつ
である、
ことによって、集積モデルの共分散行列の1つの対角ブロックのみを修正する、ステップ、
をさらに有する、方法。 - 請求項7の方法であって、当該方法が、共分散行列の複数のサブブロックを修正するために、
空間の修正変換を、当該単純な修正変換の積とし、
を、修正を必要とする当該サブブロックの次元とし、かつ、
当該修正変換の当該空間を、パラメータ化
を介して、直交群の積
よってパラメータ化するステップ、
をさらに有する、方法。 - 集積リスクモデルの共分散行列
の前記クロスブロックを最小に変更する修正変換を求める方法であって、当該修正変換が、元のクロスブロックの相関関係におけるできる限り多くの情報を、所定のサブブロック
との整合性があるまま保持し、当該方法が、
目的関数
を選択するステップであって、mがCの要素の数であり、かつ
が、構成要素の二乗の合計の平方根によって与えられる行列ノルムを表す、ステップと、
等価かつより便利な関数
を最小化するステップと、
が行列の値が +1である直交行列の群であって、直交群
と単位行列を含む
との結合されている構成要素に配慮を制限するステップと、
を、
の次元とし、
の場合に、
における
面における角度
の回転を
によって表す(右手の法則)ステップであって、このような別個の座標面がN個存在する、ステップと、
のすべての要素を、ある角度
の場合のN回転の積
として表すステップと、
にLevenberg-Marquardt最小化手法を適用するステップであって、
前記方法が収束する場合には、結果が、gが少なくとも極小値を有する値
であり、従って単純な修正変換
が
または別のランダムな選択よりも良好である可能性が高い、
ステップ、
を有する、方法。 - 整合性のあるリスク予測と集積因子モデルを作成するシステムであって、当該システムが、
入力データをプロセッサに入力するおよび/または転送することができるように動作する入力デバイスと、
当該入力データの操作の、人間が可読の結果を表示する出力デバイスと、
それぞれ、当該入力デバイスと当該プロセッサの間と、当該出力デバイスと当該プロセッサの間の通信バスと、
メモリを有する当該プロセッサであって、当該メモリが、直交群
によって、
の場合のパラメータ化
を介して、単純な修正変換
の空間をパラメータ化するためのプログラムを格納し、当該プログラムが、一連の命令を実行し、前記一連の命令が当該プロセッサによって実行されると、プロセッサが、非対角ブロックを最も小さく変更する前記修正変換を見つけるために前記直交群全体の中での前記検索のステップを実行する、プロセッサと、
を有する、システム。 - 当該一連の命令が、
非対角ブロックを最も小さく変更する前記修正変換を見つけるために直交群の積全体の中で検索するステップ、
をさらに有する、請求項11のシステム。 - 当該入力データと当該出力結果が、行列の形式である、請求項11のシステム。
- 整合性のあるリスク予測と集積因子モデルを作成する方法であって、当該方法が、
入力データをプロセッサに入力するおよび/または転送することができるように動作する入力デバイスを設けることと、
当該入力データの操作の、人間が可読の結果を表示する出力デバイスを設けることと、
それぞれ、当該入力デバイスと当該プロセッサの間と、当該出力デバイスと当該プロセッサの間の通信バスを設けることと、
当該プロセッサにメモリを設けることであって、直交群
によって、
の場合のパラメータ化
を介して、単純な修正変換
の空間をパラメータ化するためのプログラムを格納し、当該プログラムが、一連の命令を実行し、前記一連の命令が当該プロセッサによって実行されると、当該プロセッサが、非対角ブロックを最も小さく変更する前記修正変換を見つけるために前記直交群全体の中での前記検索のステップを実行する、メモリを設けることと、
を有する、方法。 - 当該一連の命令が、
非対角ブロックを最も小さく変更する前記修正変換を見つけるために直交群の積全体の中で検索するステップ、
をさらに有する、請求項14の方法。 - 当該入力データと当該出力結果が、行列の形式である、請求項14の方法。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US29562901P | 2001-06-04 | 2001-06-04 | |
US09/895,605 US7024388B2 (en) | 2001-06-29 | 2001-06-29 | Method and apparatus for an integrative model of multiple asset classes |
US35919002P | 2002-02-20 | 2002-02-20 | |
PCT/US2002/017924 WO2002099684A1 (en) | 2001-06-04 | 2002-06-04 | Method and apparatus for creating consistent risk forecasts and for aggregating factor models |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2004534305A true JP2004534305A (ja) | 2004-11-11 |
Family
ID=27404374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003502728A Pending JP2004534305A (ja) | 2001-06-04 | 2002-06-04 | 整合性のあるリスク予測と集積因子モデルを作成する方法および装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US7324978B2 (ja) |
EP (1) | EP1393197A4 (ja) |
JP (1) | JP2004534305A (ja) |
WO (1) | WO2002099684A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050267835A1 (en) * | 2003-12-31 | 2005-12-01 | Scott Condron | System and method for evaluating exposure across a group of investment portfolios by category |
US20050228734A1 (en) * | 2004-04-07 | 2005-10-13 | Giovanni Pagani | Fixed income performance attribution |
US20070156555A1 (en) * | 2005-12-17 | 2007-07-05 | Orr Peter C | Systems, methods and programs for determining optimal financial structures and risk exposures |
US7698202B2 (en) * | 2006-01-31 | 2010-04-13 | Axioma, Inc. | Identifying and compensating for model mis-specification in factor risk models |
US20080167942A1 (en) * | 2007-01-07 | 2008-07-10 | International Business Machines Corporation | Periodic revenue forecasting for multiple levels of an enterprise using data from multiple sources |
US8224734B2 (en) | 2009-03-07 | 2012-07-17 | Bastgone, LLC | Financial risk cover analysis, modeling control and monitoring system |
US11182852B1 (en) * | 2017-12-20 | 2021-11-23 | Chicago Mercantile Exchange Inc. | Exchange computing system including a reference rate generation unit |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5093869A (en) * | 1990-12-26 | 1992-03-03 | Hughes Aircraft Company | Pattern recognition apparatus utilizing area linking and region growth techniques |
WO1995006290A2 (en) * | 1993-08-18 | 1995-03-02 | Wells Fargo Nikko Investment Advisors | Investment fund management method and system |
US5761442A (en) * | 1994-08-31 | 1998-06-02 | Advanced Investment Technology, Inc. | Predictive neural network means and method for selecting a portfolio of securities wherein each network has been trained using data relating to a corresponding security |
US5930762A (en) * | 1996-09-24 | 1999-07-27 | Rco Software Limited | Computer aided risk management in multiple-parameter physical systems |
US6278981B1 (en) * | 1997-05-29 | 2001-08-21 | Algorithmics International Corporation | Computer-implemented method and apparatus for portfolio compression |
US6249775B1 (en) * | 1997-07-11 | 2001-06-19 | The Chase Manhattan Bank | Method for mortgage and closed end loan portfolio management |
US6219805B1 (en) * | 1998-09-15 | 2001-04-17 | Nortel Networks Limited | Method and system for dynamic risk assessment of software systems |
US6539351B1 (en) * | 2000-02-04 | 2003-03-25 | International Business Machines Corporation | High dimensional acoustic modeling via mixtures of compound gaussians with linear transforms |
-
2002
- 2002-06-04 US US10/480,020 patent/US7324978B2/en not_active Expired - Lifetime
- 2002-06-04 JP JP2003502728A patent/JP2004534305A/ja active Pending
- 2002-06-04 WO PCT/US2002/017924 patent/WO2002099684A1/en not_active Application Discontinuation
- 2002-06-04 EP EP02739723A patent/EP1393197A4/en not_active Withdrawn
Also Published As
Publication number | Publication date |
---|---|
EP1393197A4 (en) | 2006-08-16 |
EP1393197A1 (en) | 2004-03-03 |
WO2002099684A1 (en) | 2002-12-12 |
US7324978B2 (en) | 2008-01-29 |
US20040236546A1 (en) | 2004-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bae et al. | Dynamic asset allocation for varied financial markets under regime switching framework | |
US7599870B2 (en) | System, method and framework for generating scenarios | |
Errais et al. | Affine point processes and portfolio credit risk | |
Durham | Monte Carlo methods for estimating, smoothing, and filtering one-and two-factor stochastic volatility models | |
US8036975B2 (en) | Systems and methods for compound risk factor sampling with integrated market and credit risk | |
US7620581B2 (en) | Financial instrument portfolio credit exposure evaluation | |
US20120078814A1 (en) | System and method for forecasting realized volatility via wavelets and non-linear dynamics | |
Anatolyev et al. | Methods for estimation and inference in modern econometrics | |
Boswijk et al. | Asset returns with self-exciting jumps: Option pricing and estimation with a continuum of moments | |
Wilkens et al. | Quantum computing for financial risk measurement | |
Pflug et al. | The AURORA financial management system: Model and parallel implementation design | |
Gourieroux et al. | Nonlinear Autocorrelograms: an Application to Inter‐Trade Durations | |
Procacci et al. | Portfolio optimization with sparse multivariate modeling | |
JP2004534305A (ja) | 整合性のあるリスク予測と集積因子モデルを作成する方法および装置 | |
Asai et al. | Bayesian analysis of realized matrix-exponential GARCH models | |
CN113222767A (zh) | 指数化证券组合的数据处理方法及装置 | |
US20160071213A1 (en) | Factor-Factor Covariance Estimates for Risk Factor Groups in Factor Risk Models | |
Bai | Using orthogonal GARCH to forecast covarince matrix of stock returns | |
Binder et al. | Model order reduction for parametric high dimensional models in the analysis of financial risk | |
Belomestny et al. | Sieve estimation of the minimal entropy martingale marginal density with application to pricing kernel estimation | |
Bruno | Copula models for financial time series | |
Nord-Nilsson | Generating Extreme Value Distributions in Finance using Generative Adversarial Networks | |
Georgiou et al. | Deep neural networks for probability of default modelling | |
Odhiambo | Pricing of European call options using generalized Wishart processes | |
Akyildirim et al. | Extending the Merton model with applications to credit value adjustment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050407 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080319 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080619 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20080826 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081215 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090210 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20090210 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20090311 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20090703 |