Forward-Looking Stress Testing Under Macro Scenarios: Stable SVaR Estimation Using a Hybrid GPR-HS Framework with SACS

技術要約：マクロシナリオ下におけるフォワードルッキング・ストレス・テスト

問題提起
CCAR（包括的資本分析およびレビュー）やICAEP（内部資本充足度評価プロセス）といった規制枠組みは、フォワードルッキングなマクロ経済シナリオ下でのストレスVaR（SVaR）およびストレス期待ショートフォール（SES）の推定を義務付けている。これらの推定値を計算・算出するにあたり、重大な技術的課題が存在する。すなわち、従来のパラメトリックモデル（例：GARCHファミリー、EWMA）は、極端な負のリターン経路に条件付けられた際、数値的不安定性やモデルの崩壊を頻繁に引き起こす。この不安定性は、資本投影の信頼性と規制上の正当性を損なうものである。さらに、動的に推定された相関構造は、極端な条件下では不安定になりやすく、ストレス時におけるクロスアセット間の依存関係を堅牢に表現できない。

手法
本論文は、Vadrevu (2026) によって既に導入されたハイブリッド・ガウス過程回帰・ヒストリカル・シミュレーション（GPR-HS）フレームワークを、フォワードルッキングなストレス・テストの領域へと拡張するものである。本手法は、以下の3つのコア・コンポーネントで構成される。

1. 積極的ノイズ初期化（ANI）を用いたストレス特化型GPR:
   各7つのグローバル株式指数に対して、専用の単変量GPRモデルを252日間のフォワードルッキングなストレス経路に対して適合させる。数値的安定性と保守的なボラティリティ推定を確保するため、本論文ではANI戦略を適応させる。ベースケースの適合とは異なり、ホワイトノイズ・カーネルの分散（$\sigma_n^2$）を、ストレス下の収益率シリーズの全経験的分散に初期化する。これにより、ベイズ最適化が、極端なショックを一時的なノイズと解釈して低ボラティリティの事前分布へ回帰することを防ぎ、高い不確実性を反映した領域から開始することを強制する。

2. シナリオ構築:
   3つの異なるシステム的リスク・シナリオを、1年間のホライゾンにおけるICAAP型の累積収益ショックとして定式化する。

• 西アジア紛争: サプライチェーンの混乱とスタグフレーションを引き起こす地政学的紛争。
• 気候リスク: 農業やインフラに影響を与える物理的な気候被害（洪水、熱波）。
• AIバブル／規制負担: テクノロジーセクターのバブル崩壊と、それに続く厳格なグローバル規制。
  日次のストレス下収益経路は、決定論的な線形ドリフト成分（252日目までに特定の累積ショックに到達するように較正）と、現実的なイントラデイ・ボラティリティのダイナミクスを保持するためのヒストリカルな確率論的ノイズを組み合わせて生成される。

3. シナリオ平均共分散安定化（SACS）:
   ストレス下で動的に推定された相関の不安定性に対処するため、本論文はSACSを導入する。ストレス期間の共分散行列（$\Sigma_{SACS}$）を、ストレス経路のみから推定するのではなく、過去の危機レジーム（例：2008年金融危機、COVID-19）において観察された共分散構造の加重集計として構築する。対角要素にはGPRによる条件付き分散を用い、非対角要素にはSACS由来の共分散を用いる。

4. リスク計算および安定性評価:
   ターミナル・デー（T=252）のSVaRおよびSESは、スチューデントのt分布（$\nu=5$）の仮定の下、得られた条件付き分布から解析的に算出される。フォワードルッキングなシナリオには伝統的なバックテストのための実現データが存在しないため、モデルの安定性は対数周辺尤度（LML）を通じて評価される。すべての適合において一貫したLMLの収束が、数値的整合性の主要な診断指標となる。

主な貢献
本論文は、以下の4つの主要な貢献を特定している。

• ハイブリッドGPR-HSのストレス拡張: ANIによって安定化されたGPRアーキテクチャが、3つの異なる極端なマクロシナリオ下でも数値的安定性を維持し、規制に準拠したSVaRおよびSESの投影を実現することを実証した。
• シナリオ設計手法: 決定論的ドリフトと確率論的ノイズを組み合わせ、経路が不連続ではなく妥当なものとなることを保証する、ICAAPに整合したフォワードルッキングなシナリオ構築フレームワークを開発した。
• シナリオ平均共分散安定化（SACS）: 経験的に観察された危機レジームを集計することにより、ストレス期間の共分散構築のための安定したフレームワークを導入し、動的な相関推定の不安定性の問題を解決した。
• 実世界での検証: モデル化されたシナリオと進行中の世界的動向（特に西アジア紛争およびAI規制の執行）との同時並行的な整合性を強調し、ストレス較正の妥当性に対する外部的な文脈を提供した。

結果
本フレームワークは、7つのグローバル株式指数のポートフォリオに対し、3つのシナリオに適用された。

• 数値的安定性: 21件の全ストレス適合（7指数 $\times$ 3シナリオ）において、LMLの収束に成功した。発散または極端なLMLスコアは観察されず、極端な入力に対するGPRフレームワークの安定性が確認された。複雑なダイナミクスで知られるハンセン指数は、すべてのシナリオにおいて安定した適合を達成した。
• SVaRおよびSES投影: ターミナル・デーのSVaR推定値は、$-2.1020\%$（気候リスク）から $-2.2231\%$（西アジア紛争）の範囲であった。西アジア紛争シナリオは、適用されたショックの深さを反映し、最も高い資本インパクトを生み出した。
• 一貫性: 基本的なコヒーレント・リスク尺度としての性質 $|SES| > |SVaR|$ がすべてのシナリオで保持されており、Artznerら(1999)への準拠が確認された。
• モデルの挙動: 結果はショックの大きさと一致する単調なリスク・ランキングを示し、保守的なフロアを維持することで、モデルが非現実的に低いリスク推定へと崩壊することを防いだ。

意義および主張
本論文は、SACSおよびANIによって拡張されたハイブリッドGPR-HSフレームワークが、フォワードルッキングなSVaRおよびSES推定のための、安定、解釈可能、かつ規制に整合したエンジンとして機能すると主張している。その主要な意義は、ストレス・テストに求められる「数値的安定性」「保守性」「透明性」という3つの要件を同時に満たす能力にある。

著者らは、ANI戦略が重要な規制上の設計上の選択であり、モデルの失敗が運用上許容されない環境（CCARやICAEPなど）におけるモデルの発散を防ぐものであると断言している。SACSを通じて相関推定を歴史的な危機レジームに固定することで、本フレームワークは、不安定な動的精緻化よりも安定性を優先した、ストレス下の依存関係の堅牢な近似を提供する。本論文は、このアーキテクチャが、CCARで求められる9四半期の投影や、より長期のICAEPアセスメントに適しており、極端な条件付けの下で失敗する従来のパラメトリックモデルに代わる実行可能な選択肢を提供すると結論付けている。