SlideShare ist ein Scribd-Unternehmen logo
1 von 31
Downloaden Sie, um offline zu lesen
金融業界でよく使う統計学
    @teramonagi
   おしゃれStatistics
    2011/12/20
Who am I ?

• ID:teramonagi
(hatena/twitter/gmail)
• 職業:クオンツ
• 興味:数理、プログラ
  ミング、Bussiness


  金融業界でよく使う統計学 (teramonagi)   2
本日のお題目
1:金融業界でよく使う統計学

2:例「ルートT倍法(リスクの年率化)」

3:例「モンテカルロ法の統計誤差」


 金融業界でよく使う統計学 (teramonagi)   3
1:金融業界でよく使う統計学
よく使う統計学のアイディア
• 各次数のモーメント(平均・分散・歪度・尖度)
 – 基本統計量としてチェック
• 相関係数、変数の独立性、コピュラ
 – 確率変数間の関係性の記述
• 回帰/主成分分析
 – 市場への感応度計算、イールドカーブ分析
• 仮説検定(t検定)
 – 回帰分析の結果の正当性評価

金融業界でよく使う統計学 (teramonagi)   5
よく使う統計学のアイディア
• 中心極限定理
 – モンテカルロ法で計算した結果の誤差評価
• モンテカルロ法(?)
 – 解析解が出せないモデルの数値計算
• 確率解析・確率微分方程式(?)
 – 資産価格・デフォルト過程等のモデリング


※(?)付は統計学ではないかもです
金融業界でよく使う統計学 (teramonagi)   6
2:例「ルートT倍法(リスクの年率化)」
収益率とは
• 投資対象の価格の変化率として計算

• 例:株式Aへの1株の投資を考える
 – 昨日:株式Aの株価100円
 – 本日:株式Aの株価115円


• この時、収益率=115円 / 100円 – 1 = 15%


金融業界でよく使う統計学 (teramonagi)         8
収益率の分布
     ~某株式の収益率分布(日率、ヒストグラム)~




※2010年12月1日~2011年11月30日までの収益率(日率)より算出
 金融業界でよく使う統計学 (teramonagi)         9
リスクとは



収益率の標準偏差
リスクとは
• 某株式のリスク≒1.95%
           2%           正規分布を仮定
                        すると全サンプル
                        の68.2%程度
                        がこの中に入る




※2010年12月1日~2011年11月30日までの収益率(日率)より算出
 金融業界でよく使う統計学 (teramonagi)         11
リスクの年率化(ルートT倍法)
• 今までは日率の収益率でリスクを評価
• これを年率化したい
• 良く使う公式的なもの(ルートT倍法)

リスク(年率)  T  リスク(日率)
                1年あたりの営業日数(250等)


 金融業界でよく使う統計学 (teramonagi)     12
使うだけなら
中学生でも出来る
何故これでいいのか?
統計学の知識を使って考える
日率と年率の収益率の関係
                    T
1  X year   1  X i 
                    i 1
      X year : 収益率(年率)
      X i : i日目の収益率(日率)
      T :1年あたりの営業日数
金融業界でよく使う統計学 (teramonagi)   16
収益率(年率)の近似式
               T
1  X year   1  X i 
              i 1

 1  X 1  1  X 2  1  X T 

                      
      T                      T
 1  X i   X i  1  X i
                       2

     i 1                    i 1
 金融業界でよく使う統計学 (teramonagi)          17
収益率(年率)の近似式
                            T
 X year  X i
                        i 1
金融業界でよく使う統計学 (teramonagi)       18
X yearの分散(Var)
•X iが独立で、同一の分散を持つと仮定
                          
                
                      T
  Var X year  Var   X i 
独立性                 i 1 
        T              同一分散
      Var  X i   T  Var  X i 
        i 1
    金融業界でよく使う統計学 (teramonagi)       19
X yearの標準偏差(Stdev)
   Var X year   T Var  X i 
          両辺の平方根を取る


 Stdev X year   T  Stdev  X i 
ルートT倍法の導出が出来た!
 金融業界でよく使う統計学 (teramonagi)           20
使用した仮定
• 収益率(日率)は値の絶対値が小さい
• 収益率(日率)は独立で同一の分散を持つ


               逆に・・・


これが成立しないとアウト
金融業界でよく使う統計学 (teramonagi)   21
3:例「モンテカルロ法の統計誤差」
モンテカルロ法とは


確率を使った
手法の総称
モンテカルロ法
  ~モンテカルロ法で株価の価格をシミュレーション~




金融業界でよく使う統計学 (teramonagi)    24
モンテカルロ法
  ~モンテカルロ法で株価の価格をシミュレーション~




       例えばこの辺り
       を使って、平均
        値等を計算



金融業界でよく使う統計学 (teramonagi)    25
ある関数の平均値を計算
      N
                   X Si 
   1
X
   N
                 i 1
    N : パスの数
    X : パスの値によって決まる関数
    Si : i番目のパスの値
金融業界でよく使う統計学 (teramonagi)   26
X はどの程度正しいのか?
中心極限定理の教え
• 確率変数 X :平均  、標準偏差 
                      N
             1
•   この時、 X 
             N
                     X
                     i 1
                            i
                                の分布は


                      
• 平均      、標準偏差       N
                            の正規分布になる



    金融業界でよく使う統計学 (teramonagi)          28
ということは…
                                                   
  1.96                  1.96 
                 N                                  N
 の間に95%の精度で が収まる!!      
 X の正しさを評価することができる!!
               1 N
         X   X i , 
               N i 1
                            1 N
                                
                           N  1 i 1
                                        X i  
                                                2




     ※1.96は正規分布の95%信頼区間より算出される数値
 金融業界でよく使う統計学 (teramonagi)                          29
要するに母平均の区間推定
まとめ
• 金融業界でよく使う統計学について紹介
• 使う道具は多種多様、多岐に渡る
• 例として「ルートT倍法」・「モンテカルロ法の誤
  差推定」を紹介
• (何をするにしても)基本をしっかりと押さえる
  ことが肝要
• 使用上の仮定をよく理解して、それを守って
  使用することが大事

金融業界でよく使う統計学 (teramonagi)   31

Weitere ähnliche Inhalte

Was ist angesagt?

相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
takehikoihayashi
 
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Nagi Teramo
 
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
shima o
 

Was ist angesagt? (20)

一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM) 一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
 
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章
 
順序データでもベイズモデリング
順序データでもベイズモデリング順序データでもベイズモデリング
順序データでもベイズモデリング
 
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
 
2 3.GLMの基礎
2 3.GLMの基礎2 3.GLMの基礎
2 3.GLMの基礎
 
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
 
指数分布とポアソン分布のいけない関係
指数分布とポアソン分布のいけない関係指数分布とポアソン分布のいけない関係
指数分布とポアソン分布のいけない関係
 
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
 
Prml 1.3~1.6 ver3
Prml 1.3~1.6 ver3Prml 1.3~1.6 ver3
Prml 1.3~1.6 ver3
 
なぜ統計学がビジネスの 意思決定において大事なのか?
なぜ統計学がビジネスの 意思決定において大事なのか?なぜ統計学がビジネスの 意思決定において大事なのか?
なぜ統計学がビジネスの 意思決定において大事なのか?
 
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
 
Rパッケージ recipes の紹介 「うまい飯を作る」
Rパッケージ recipes の紹介 「うまい飯を作る」Rパッケージ recipes の紹介 「うまい飯を作る」
Rパッケージ recipes の紹介 「うまい飯を作る」
 
負の二項分布について
負の二項分布について負の二項分布について
負の二項分布について
 
傾向スコアの概念とその実践
傾向スコアの概念とその実践傾向スコアの概念とその実践
傾向スコアの概念とその実践
 
PRMLの線形回帰モデル(線形基底関数モデル)
PRMLの線形回帰モデル(線形基底関数モデル)PRMLの線形回帰モデル(線形基底関数モデル)
PRMLの線形回帰モデル(線形基底関数モデル)
 
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
 
Chapter7 回帰分析の悩みどころ
Chapter7 回帰分析の悩みどころChapter7 回帰分析の悩みどころ
Chapter7 回帰分析の悩みどころ
 
マルコフ連鎖モンテカルロ法入門-1
マルコフ連鎖モンテカルロ法入門-1マルコフ連鎖モンテカルロ法入門-1
マルコフ連鎖モンテカルロ法入門-1
 
StanとRでベイズ統計モデリング 11章 離散値をとるパラメータ
StanとRでベイズ統計モデリング 11章 離散値をとるパラメータStanとRでベイズ統計モデリング 11章 離散値をとるパラメータ
StanとRでベイズ統計モデリング 11章 離散値をとるパラメータ
 
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
 

Mehr von Nagi Teramo

healthplanetパッケージで 体組成データを手に入れて 健康な体も手に入れる
healthplanetパッケージで体組成データを手に入れて健康な体も手に入れるhealthplanetパッケージで体組成データを手に入れて健康な体も手に入れる
healthplanetパッケージで 体組成データを手に入れて 健康な体も手に入れる
Nagi Teramo
 
続わかりやすいパターン認識11章(11.1 - 11.4)
続わかりやすいパターン認識11章(11.1 - 11.4)続わかりやすいパターン認識11章(11.1 - 11.4)
続わかりやすいパターン認識11章(11.1 - 11.4)
Nagi Teramo
 
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
Nagi Teramo
 

Mehr von Nagi Teramo (20)

第86回R勉強会@東京 LT資料
第86回R勉強会@東京 LT資料第86回R勉強会@東京 LT資料
第86回R勉強会@東京 LT資料
 
Rでを作る
Rでを作るRでを作る
Rでを作る
 
Reproducebility 100倍 Dockerマン
Reproducebility 100倍 DockerマンReproducebility 100倍 Dockerマン
Reproducebility 100倍 Dockerマン
 
healthplanetパッケージで 体組成データを手に入れて 健康な体も手に入れる
healthplanetパッケージで体組成データを手に入れて健康な体も手に入れるhealthplanetパッケージで体組成データを手に入れて健康な体も手に入れる
healthplanetパッケージで 体組成データを手に入れて 健康な体も手に入れる
 
闇と向き合う
闇と向き合う闇と向き合う
闇と向き合う
 
機械の体を手に入れるのよ、 鉄郎!!!
機械の体を手に入れるのよ、鉄郎!!!機械の体を手に入れるのよ、鉄郎!!!
機械の体を手に入れるのよ、 鉄郎!!!
 
続わかりやすいパターン認識11章(11.1 - 11.4)
続わかりやすいパターン認識11章(11.1 - 11.4)続わかりやすいパターン認識11章(11.1 - 11.4)
続わかりやすいパターン認識11章(11.1 - 11.4)
 
Ultra Lightning Talk × 3
Ultra Lightning Talk × 3Ultra Lightning Talk × 3
Ultra Lightning Talk × 3
 
F#談話室(17)
F#談話室(17)F#談話室(17)
F#談話室(17)
 
RFinanceJはじめました
RFinanceJはじめましたRFinanceJはじめました
RFinanceJはじめました
 
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
 
お前の逐モン、GETだぜ!
お前の逐モン、GETだぜ!お前の逐モン、GETだぜ!
お前の逐モン、GETだぜ!
 
Trading volume mapping R in recent environment
Trading volume mapping R in recent environment Trading volume mapping R in recent environment
Trading volume mapping R in recent environment
 
~knitr+pandocではじめる~『R MarkdownでReproducible Research』
~knitr+pandocではじめる~『R MarkdownでReproducible Research』~knitr+pandocではじめる~『R MarkdownでReproducible Research』
~knitr+pandocではじめる~『R MarkdownでReproducible Research』
 
とある金融屋の統計技師が時系列解析してみた
とある金融屋の統計技師が時系列解析してみたとある金融屋の統計技師が時系列解析してみた
とある金融屋の統計技師が時系列解析してみた
 
可視化周辺の進化がヤヴァイ~rChartsを中心として~
可視化周辺の進化がヤヴァイ~rChartsを中心として~可視化周辺の進化がヤヴァイ~rChartsを中心として~
可視化周辺の進化がヤヴァイ~rChartsを中心として~
 
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
 
Tokyo.R 白熱教室「これからのRcppの話をしよう」
Tokyo.R 白熱教室「これからのRcppの話をしよう」Tokyo.R 白熱教室「これからのRcppの話をしよう」
Tokyo.R 白熱教室「これからのRcppの話をしよう」
 
レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成
 
Rで学ぶ逆変換(逆関数)法
Rで学ぶ逆変換(逆関数)法Rで学ぶ逆変換(逆関数)法
Rで学ぶ逆変換(逆関数)法
 

金融業界でよく使う統計学