Portfolio Optimization Proxies under Label Scarcity and Regime Shifts via Bayesian and Deterministic Students under Semi-Supervised Sandwich Training

この論文は、ラベル付きデータが限定的かつ市場レジームが不安定な環境において、CVaR オプティマイザを教師とした教師あり学習と合成データ拡張を組み合わせることで、限られたデータから学習した学生モデルが教師モデルと同等かそれ以上のポートフォリオ最適化性能とレジームシフトへの頑健性を達成できることを示しています。

要約

🏫 1. 物語の舞台：「天才教師」と「生徒」の学校

この研究では、**「教師（Teacher）」と「生徒（Student）」**という 2 人のキャラクターが登場します。

• 教師（CVaR オプティマイザー）：
  これは「リスク管理のプロフェッショナル」です。市場が暴落するかもしれないという最悪のシナリオ（テールリスク）を徹底的に防ぎながら、最適な資産配分を計算する超優秀な計算機です。しかし、この教師は**「計算が非常に重く、遅い」**という欠点があります。また、過去のデータ（ラベル）が 104 件しかないと、新しい状況に対応するのが苦手です。
• 生徒（AI モデル）：
  私たちが作ろうとしているのは、この教師の「考え方や直感」を盗んで、**「瞬時に判断できる」**生徒です。
  • 普通の生徒（決定論的モデル）： 答えを一つだけ覚えるタイプ。
  • ベイズの生徒（Bayesian Student）： 「答えはこれかもしれないが、確信度は 80% かな？」と**「不確実性（自信のなさ）」**まで含めて考えるタイプ。

🥪 2. 特別な授業方法：「サンドイッチ・トレーニング」

通常、AI は「正解（ラベル）」があるデータでしか勉強できません。でも、この研究では**「正解」が 104 件しかないという困った状況です。そこで、「サンドイッチ・トレーニング」**という特別な勉強法を使いました。

• パン（上）： 教師が作った「正解のデータ」。
• 具材（中）： 教師が計算した「正解」を真似する勉強。
• パン（下）： 教師が計算した「正解」がない、でも市場の法則に従った**「合成データ（作り物のデータ）」**。

【イメージ】
生徒は、まず「正解のデータ（パン）」で基礎を学びます。次に、「作り物のデータ（具材）」を使って、教師の「リスクを避ける本質的な考え」を深く理解します。最後に、また「正解のデータ」に戻って、自分の考えが教師の意図とズレていないか確認します。
この「正解→作り物→正解」の挟み込み学習のおかげで、少ないデータでも AI は賢く成長できました。

🎲 3. 最大の発見：「ベイズの生徒」の不思議な力

この研究で最も面白い発見は、**「ベイズの生徒」**が持っていた 2 つの魔法のような能力です。

① 「無駄な取引」を自然に減らす（ターンオーバーの抑制）

普通の AI（決定論的モデル）は、市場が少し動いただけで「あ、これだ！」と判断して、頻繁に資産を入れ替えてしまいます。これは**「取引手数料」**というコストを大きく増やしてしまいます。

一方、ベイズの生徒は**「ちょっと待てよ、このデータは少し怪しいかも？確信が持てないから、大きな変更はしないでおこう」**と考えます。

• 例え話： 普通の生徒は「天気予報が少し変わったから、傘を捨てて帽子に変えよう！」と毎日持ち物を替えちゃいます。ベイズの生徒は「まあ、雨になる可能性は 30% くらいか。今の傘で様子見しよう」と考えます。
• 結果： 取引回数が約半分になり、手数料が大幅に節約されました。これは**「明示的な命令（手数料を減らせ！）を与えなくても、AI 自身が賢く判断した」**という驚くべき成果です。

② 「混乱の時代」に強くなる（HIGHVOL パラドックス）

通常、AI は「見たことのない新しい資産（D2A）」に当てはめると失敗するはずです。しかし、**「市場が荒れて暴動状態（高ボラティリティ）」**になると、不思議なことが起きました。

• 現象： 訓練に使った資産とは全く異なる新しい資産でテストしたところ、**「荒れた市場ほど、成績が劇的に向上した」**のです。
• 理由： 教師から学んだのは「特定の銘柄の動き」ではなく、「暴風雨の時は安全な場所（債券や防衛的セクター）に逃げよう」という**「本質的な生存戦略」**でした。新しい市場には、その戦略を実行するための「より良い武器（防衛的な ETF など）」があったため、逆に成績が伸びたのです。
• 例え話： 山で遭難した経験（訓練）から、「嵐の時は低地に逃げろ」という原則を学んだ登山家。新しい山（新しい資産）で嵐が来ても、その原則が活きて、むしろ安全に生き延びられた、という感じです。

🏆 4. 結論：なぜこれが重要なのか？

この論文は、**「少ないデータでも、AI に『リスク管理の直感』と『自信のなさ（不確実性）』を教え込めば、人間以上の安定した投資ができる」**ことを証明しました。

• 従来の方法： 数学的な計算で最適解を出そうとするが、データが少なかったり市場が変わったりすると破綻する。
• この研究の方法： 「教師」の考え方を「生徒」に継承させ、AI 自身が「わからないときは慎重になる」ように設計した。

【一言で言うと】
「市場という荒海を渡る船を作る時、単に『最も速いルート』を計算するだけでなく、『嵐が来たらどうするか』を直感的に理解し、無駄な舵取りをしない『賢い船長（AI）』を作ることができた」という画期的な成果です。

これは、個人投資家でも、限られた資金とデータで、プロ並みのリスク管理を実現できる可能性を示唆しています。

技術概要

この論文「Portfolio Optimization Proxies under Label Scarcity and Regime Shifts — Bayesian and Deterministic Students under Semi-Supervised Sandwich Training（ラベル不足とレジームシフト下でのポートフォリオ最適化プロキシ：半教師ありサンドイッチ訓練におけるベイズおよび決定論的生徒モデル）」の技術的な要約を以下に示します。

1. 研究の背景と課題 (Problem Statement)

従来のポートフォリオ最適化（マーコウィッツの平均分散モデルや CVaR 最適化など）は、以下の実務上の課題に直面しています。

• データ不足と過学習: 金融市場データはノイズが多く、ラベル付きデータ（最適化された重み）が限られているため、機械学習モデルは過学習しやすい。
• レジームシフトへの脆弱性: 市場の構造変化（レジームシフト）や肥満尾部（fat tails）を仮定したモデルは、実際の市場ストレス下で破綻する。
• 制約の扱いの難しさ: 取引コスト、ターンオーバー（入れ替え率）制限、ポジション制限などの実務的な制約を、凸最適化問題として解析的に扱うことが困難。
• 不確実性の欠如: 決定論的な深層学習モデルは、予測の不確実性を定量化できず、市場環境が変化しても警告を発しない。

本研究は、**「ラベルが極めて少ない環境（104 件の実データ）」と「市場のレジーム変化」**という厳しい条件下で、ロバストかつ効率的なポートフォリオ構築を行うための新しい機械学習フレームワークを提案するものです。

2. 提案手法 (Methodology)

本研究は、**「半教師ありサンドイッチ訓練（Semi-Supervised Sandwich Training）」と「ベイズ知識蒸留（Bayesian Knowledge Distillation）」**を組み合わせた教師 - 生徒学習パイプラインを構築しています。

2.1. 教師モデル (Teacher)

• CVaR 最適化器: 条件付きバリュー・アット・リスク（CVaR）を最小化する古典的な最適化問題を教師モデルとして使用します。
• 役割: 限られた実データ（104 週）に対して、尾部リスクを考慮した最適ポートフォリオ重み（ラベル）を生成します。

2.2. データ拡張と合成データ

• 合成データ生成: 実データ（104 件）だけでは学習が不十分なため、因子モデル（Fama-French 5 ファクター＋モーメンタム）とt-コピュラを用いた残差モデルに基づき、1,400 週分の合成市場シナリオを生成しました。
• これにより、実データ 104 件＋合成データ 323 件（ラベル付き）の計 427 件の学習セットを構築し、小標本・高次元（small-n, high-p）の問題を緩和しました。

2.3. 生徒モデル (Student) とサンドイッチ訓練

4 つの生徒モデル（決定論的 DNN とベイズ BNN のそれぞれに、教師ありのみと半教師ありの 2 パターン）を比較評価しました。

• 半教師ありサンドイッチ訓練:
  1. 教師ありウォームアップ: 実データと合成データのラベル付き部分で、CVaR 教師の重みを模倣（MSE 損失）して学習。
  2. 交互学習サイクル: 教師あり学習（ラベル付きデータ）と、**教師なし構造学習（ラベルなし合成データ）**を交互に行う。
     • 教師なし損失には、合成シナリオ上の CVaR 最小化と、ポートフォリオ分散を促すエントロピー正則化を使用。
  3. 教師ありアンカリング: 最終的に教師のリスク選好に再整合させる。
• ベイズニューラルネットワーク (BNN): 重みを点推定ではなく事後分布として学習。これにより、予測の不確実性を直接取得し、過剰な重み調整を抑制する「暗黙的な正則化」を実現します。

2.4. 評価プロトコル

• GRID_3×5: 合成データ上での訓練安定性を評価（3 つの世界シード × 5 つのモデルシード）。
• C2A (In-Distribution): 学習と同じ資産群（36 資産）を用いた実市場評価（2022-2026 年）。制約感応度とストレス耐性を測定。
• D2A (Out-of-Universe): 学習とは異なる 36 資産（ETF やセクター別など）への一般化能力を評価。

3. 主な貢献 (Key Contributions)

1. ポートフォリオ最適化のための教師 - 生徒学習フレームワーク:
   CVaR 最適化器を教師とし、ニューラルネットワークがそのリスク管理構造を学習するアプローチを金融分野で初めて適用。ラベル不足下でも有効であることを実証。
2. 不確実性認識型 BNN パイプライン:
   因子ベースの合成データと BNN を組み合わせ、データが限定的な場合やレジーム変化時にモデルが過剰にコミットするのを防ぎ、較正された不確実性推定を提供。
3. 明示的な制約なしでのターンオーバー削減（暗黙的正則化）:
   学習目的関数にターンオーバーペナルティを設けていないにもかかわらず、BNN モデルは週次ターンオーバーを約 11-14% に自己調整しました。これは決定論的モデル（約 24%）の半分程度であり、取引コストを大幅に削減します。これは事後分布の不確実性が重み調整を抑制する「暗黙的な慣性」によるものです。
4. 階層的汎化と「HIGHVOL パラドックス」:
   学習用集約指数から学んだリスク削減ヒューリスティクスが、評価用の因子分解された資産群（D2A）へ転移し、特に**高ボラティリティ局面でパフォーマンスが劇的に向上（シャープレシオ +140%〜+276%）**するという逆説的な結果を発見しました。防御的因子への回転が可能な資産構成が、レジーム変化下での強靭性を生み出しました。

4. 実験結果 (Results)

• 性能: 実市場データ（C2A）において、BNN-S（ベイズ＋サンドイッチ）はシャープレシオ 2.44 を達成し、教師モデル（CVaR）や平均分散モデルを上回りました。
• リスク管理: 平均分散モデルと比較して、CVaR（95%）が約 2.4 倍 改善され、尾部リスクが大幅に抑制されました。
• ターンオーバー: BNN-S は週次ターンオーバーを約 12% に抑え、決定論的モデル（DNN-S）の約 24% に比べて取引コストを半減させました。
• 一般化能力 (D2A): 学習と異なる資産群への適用において、高ボラティリティ局面でシャープレシオが 140% 以上 向上しました。これは、学習した「リスク回避の構造」が、より詳細な防御的ツールの利用を通じて強化されたことを示唆しています。
• レジーム依存性: 単一のアーキテクチャがすべての市場環境で優位であるわけではなく、強気相場では決定論的モデルが、ストレス下ではベイズモデルが優位でした。

5. 意義と結論 (Significance and Conclusion)

本研究は、以下の点で金融工学と機械学習の分野に重要な意義を持ちます。

• 最適化プロキシのパラダイムシフト: 最適化問題を解く代わりに、その「構造」を学習するアプローチが、非定常で肥満尾部を持つ金融データにおいて有効であることを実証しました。
• 実用的な利点: 明示的な制約を課さずに、ベイズ推論の特性を利用して取引コスト（ターンオーバー）を自然に削減できることは、実運用（特に小口投資家向け）において極めて重要です。
• 転移学習の新たな知見: 学習環境（集約指数）と評価環境（因子別 ETF）が異なる場合でも、高ボラティリティ下でパフォーマンスが向上する「階層的汎化」のメカニズムを明らかにしました。
• 将来展望: レジーム検出とモデルの動的なアンサンブル化、自然言語による制約指定への対応など、実運用への展開が期待されます。

総じて、このフレームワークは、データ制約と市場の不確実性という二重の課題に対し、ベイズ知識蒸留と半教師あり学習を組み合わせることで、ロバストでコスト効率の高いポートフォリオ構築を実現する実用的な解決策を提供しています。