アフィリエイト広告を利用しています
検索
ファン
<< 2024年11月 >>
          1 2
3 4 5 6 7 8 9
10 11 12 13 14 15 16
17 18 19 20 21 22 23
24 25 26 27 28 29 30
最新記事
写真ギャラリー
最新コメント
タグクラウド
カテゴリーアーカイブ
プロフィール
EVE2(旧ベンタ)さんの画像
EVE2(旧ベンタ)
プロフィール

2023年10月24日

ポートフォリオを求めるシステムの製造方法を考える 〜財務・会計〜


 こんにちは!
 EVE2です。
株式市場.jpg
 システマティック・リスクに関する記事ですが、分野的に、財務・会計に記載されていました。株式って、経済を意識して取引をするものばかりと考えていたため、脳裏にあったそんな考えがでてしまいました。本日、財務・会計に変更しましたので、お許しください。
 そんな昨日の『システマティック・リスクとエフェクチュエーション』を受けて、本日は、ポートフォリオの求め方について勉強していきたいと思います。

[ポートフォリオの求め方]
 理論通りやっていたのでは、儲かる気がしないのですが、それでも、基本を知らないと成功することはできないでしょう?そこで、きちんと、ポートフォリオの求め方を勉強し、最終的には、システムを構築し、ポートフォリオを求めることができたらと考えています。
 そのため、中小企業診断士のテキストにポートフォリオの求め方が記載されており、勉強することができるのは、非常にラッキーなのですが、ちょっと、難解です?
 中小企業診断士の試験的には、問題があり、各項目があり、その項目を数式に当てはめることによりポートフォリオを求めることができます。ただ、いざ、システムを作ろうと数式を見ると、できる気がしません。
 そこで、今日は、現在、Studyingに記載されているポートフォリオの求め方から、各項目、各数式を深掘りし、システムができるかどうか検証していきたいと思います。

[ポートフォリオの求め方]
 ポートフォリオというか、教科書的には、ポートフォリオの期待収益率といいますが、以下の式で表すことができます求めることができます。

❶期待値(リターン) = Σ(確率 × 収益率)
❷偏差 = 期待値(リターン) − 収益率
❸分散(リスク) = Σ(偏差2 × 確率)
❹標準偏差 = √分散

以上の式は、当該銘柄の不確実性について求めようとしています。標準偏差の値が高ければ高いほど、不確実性が高く、取引には不向きです。それでは、❶から順をおって見ていきましょう。

❶の期待値(リターン)は、確率と収益率を乗じて最終的に合算することにより求めることができます。合算っておかしいと思いますよね?実は、この❶を考える前に準備が必要なのです。それは、好景気、凪、不景気といった経済のパターンをいくつか用意しておいて、その経済パターンの確率、収益率を求め、求めた確率と収益率を乗じ、そして最後にそのすべてを合計するということをします。ただ、ここで、言っている確率とは何なのでしょうか?ChatGPTに聞いてみました。


 期待値(リターン)を計算する際に利用される確率は、各事象や収益率が発生する確率を指します。具体的には、確率分布に基づいて、各事象や収益率が発生する確率を数値化したものを使います。
 例えば、投資の場合、株式の収益率の期待値を計算するとき、各銘柄が特定の収益率を出す確率分布が考えられます。この確率分布に基づいて、各銘柄の収益率とそれらの収益率が発生する確率を掛け合わせて期待値を計算します。具体的な確率は統計データや過去の収益率の分析から得られることが多いです。また、確率は通常、全ての事象に関して合計すると1になるように正規化されます。
 例えば、2つの株式AとBがある場合、それぞれの収益率とそれらの収益率が発生する確率を次のように表現できます:

 株式Aの収益率: 5%、確率: 0.6
 株式Aの収益率: 10%、確率: 0.4

 この場合、株式Aの期待値(リターン)は次のように計算されます:
 
 期待値(リターン) = (0.6 * 5%) + (0.4 * 10%) = 0.03 + 0.04 = 0.07

 このように、各事象の収益率と確率を掛け合わせて期待値を求めることになります。確率は特定の出来事が発生する確かさを示すもので、期待値計算においてはその確率を考慮して平均的なリターンを計算します。


なんとなく、分かりました。具体的に考えると、景気パターンを、好景気、凪、不景気と3つに分類した場合、その好景気、凪、不景気の発生する確率を考え、その合計が1になるように求めます。
 収益率は、その好景気、凪、不景気における当該株式の収益率になりそうです。
 以上のように、確率、収益率は、過去の当該株式の実績により求め、期待値(リターン)とは、当該株式の実力といっていいようです。

 次に、❷の偏差を求めるのですが、具体的には何を求めようとしているのでしょうか?数式の中身を見てみると、期待値(リターン)から収益率を減じることにより求めています。期待値(リターン)は、❶で求めた期待値(リターン)と同じ値を指します。そして、収益率は、❶で使用した収益率で、過去の当該銘柄の実績により求めた値です。その差を求めるということはどのようなことを意味しているのでしょうか?
 それは、それぞれの景気パターンの収益率が当該株式の期待値(リターン)とどのくらい乖離しているかということを求めています。
 平均的な期待値(リターン)と比較して、好景気なら収益が高くなるし、不景気なら収益が低くなるといった、その差を求めようとしています。ちなみに、この❷の計算式は、好景気、凪、不景気それぞれの偏差を求めます。

 次に、❸の分散を求める式ですが、ここでは、各経済パターンで求めた、偏差をべき乗したものを確率で乗じ、そして合計しています。ここで、利用している偏差とは、❷で求めた偏差です。その偏差とは期待値(リターン)との乖離でした。それを確率で求めるということはどういうことでしょうか?
 確率は、好景気、凪、不景気の発生確率でした。その確率と期待値(リターン)との乖離を掛けているので、求められるのは、期待値(リスク)に対する求める結果のバラツキ、いわゆるリスクを指します。
 ただ、分からないのは、なぜ、ここで、偏差をべき乗する必要があるのでしょうか?それについて、ChatGPTに聞いてみました。

 偏差を2乗して分散を計算する背後にある理由は、いくつかの重要な理由が存在します。

@正負の偏差を取り除く
 偏差はデータポイントが平均値からどれだけ離れているかを示しますが、正の偏差と負の偏差が平均値からの距離を同じように示すため、これらの偏差を単純に足し合わせるとゼロになります。2乗することで、すべての偏差が正になり、各データポイントが平均値からの距離の大きさを正確に反映することができます。
A偏差の大きさを重視する
 偏差を2乗することにより、ばらつきが大きいデータポイント(平均値から遠いデータポイント)が、ばらつきの指標である分散に大きな寄与をするようになります。これは、分散がデータポイントのばらつきを正確に反映し、データの異なる値が平均値からどれだけ遠いかを重要視することを意味します。
B数学的な都合
 偏差を2乗することにより、分散の計算が扱いやすくなります。2乗した偏差を合計しやすいため、数学的な操作が単純化されます。

 このような理由から、分散は偏差を2乗して計算され、データポイントが平均値からどれだけばらついているかを評価するための一般的な手法となっています。


だそうです。確か、G検定を勉強したとき、いろいろな関数に触れましたが、似たような記述があったのを覚えています。多分、数学が詳しい人ならもっと分かりやすく解説してくれるのでしょう?

 では、最後に❹のですが、数式を見ると、分散からルートを求めています。どうしてこんなことをして標準偏差を求めることができるのでしょうか?それについても、ChatGPTに聞いてみました。

 標準偏差(Standard Deviation)は、分散から導かれる統計的な指標で、データセットのばらつきや不確実性を示すために使用されます。標準偏差は、分散の平方根です。
 標準偏差を計算する理由はいくつかあります:

@単位の整合性
 分散は元のデータの単位を2乗したものになります。例えば、データがドルであれば、分散はドルの2乗で表されます。これはしばしば直感的でなく、データの実際の単位とは異なります。標準偏差は分散の平方根なので、元のデータと同じ単位で表現されます。したがって、標準偏差はデータの単位と整合的で理解しやすいです。
Aデータのばらつきを直感的に理解
 標準偏差は、データポイントが平均値からどれだけばらついているかを示す指標です。標準偏差が大きい場合、データは平均値から遠くに散らばり、不確実性が高いことを示します。逆に、標準偏差が小さい場合、データは平均値に近く、不確実性が低いことを示します。分散の平方根である標準偏差を使うことで、このばらつきをより直感的に理解できます。
B偏差との整合性
 分散は偏差を2乗したものを利用しますが、標準偏差は単に偏差をそのまま利用します。このため、分散を計算した後に標準偏差に変換することは、データのばらつきに関する情報を保持するための重要なステップとなります。

したがって、標準偏差はデータのばらつきやリスクを評価するための便利な指標であり、分散から平方根を求めることにより、データの不確実性を直感的に理解しやすくなります。


だそうです。ようは、偏差をべき乗したものを確率で乗じたので、偏差のべき乗をより実際の数値に近づけようとしていると言う理解でいいかな?

[あとがき]
 以上の調査により、ポートフォリオの求め方が理解できました。実際には、以上の式を用いて、業種、市場など雑種多様な商品を組み合わせて求めて、ポートフォリオを組みます。ただ、この段階で難しいと思うのは、好景気、凪、不景気という分類だけでいいのかどうか?ということと、その好景気、凪、不景気の判断を何でしたらいいのかということです。それについても、ChatGPTに聞いてみました。


 ポートフォリオの期待収益率を求めるために、経済パターンから確率と収益率を求めるプロセスは、統計学、データ分析、そして予測モデリングに関連しています。以下はこのプロセスの一般的なステップと、ChatGPTがどのように役立つかを示す例です。

@データ収集
 経済パターンに関するデータを収集します。これには過去の収益率、経済指標、企業の業績などが含まれます。
Aデータの前処理
 収集したデータをクリーニングし、欠損値を処理し、必要なフォーマットに整えます。ChatGPTはデータの前処理に関するアドバイスを提供することができます。
B経済パターンの分析
 過去のデータをもとに、経済パターンや相関関係を分析します。ChatGPTは統計学やデータ分析に関する質問に答えたり、分析手法を説明したりするのに役立つでしょう。
C確率と収益率のモデリング
 経済パターンをもとに、将来の確率と収益率のモデルを構築します。ChatGPTは統計モデリングに関する情報を提供し、モデリング手法を説明するのに役立ちます。
Dモデルの評価
 構築した確率と収益率のモデルを評価し、モデルの性能を評定します。ChatGPTはモデルの評価方法やモデル選択に関するアドバイスを提供できます。
E期待収益率の計算
 構築した確率と収益率のモデルを使用して、ポートフォリオの期待収益率を計算します。ChatGPTは計算手法を説明し、計算をサポートできます。

 このように、ChatGPTは経済データ分析や予測モデリングに関する知識や情報を提供することで、ポートフォリオの期待収益率を求めるプロセスを支援することができます。


だそうです・・・。@のデータを収集するという部分については、既に、2007年からのデータが揃っています。そのため、これからやるのは、Aの「データ前処理」と言うことになりますが、ぱっと見ただけでは分かりません。どんなことを意味しているかと言うことを深掘りしながら、開発を進めるという作業になりそうです。
 今は、EVEシステムの開発を優先しますが、時期がきたら、ポートフォリオを求めるシステムを作れそうな気がします。
 ChatGPTって本当に心強いパートナーって感じですよね?もし、ChatGPTがなく、本当に一人で開発を進めていたらできるとは思わなかったかもしれません。

 では、また!

この記事へのコメント
コメントを書く

お名前:

メールアドレス:


ホームページアドレス:

コメント:

※ブログオーナーが承認したコメントのみ表示されます。

この記事へのトラックバックURL
https://fanblogs.jp/tb/12273525
※ブログオーナーが承認したトラックバックのみ表示されます。

この記事へのトラックバック