The Illusion of Accuracy: Machine-Learning and GARCH Forecasts of UK Equity Index Prices
本研究は、高度な機械学習モデルやGARCHモデルは英国の株式指数価格を正確に予測する一方で、収益率の予測においては単純なベンチマークを上回ることができないことを明らかにしており、それゆえに、これらのモデルの真の価値は収益率の予測ではなくリスク測定にあることを示唆している。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
金融の世界には、巧妙なアルゴリズムが過去を見て未来を予見できるのではないかという、根強い期待が存在します。この期待は、株価は一見混沌としているように見えても、コンピュータが学習して利用できるパターンが隠されているのではないか、という考えに基づいています。ここでの中心的な概念は「ランダムウォーク」です。これは、既知の情報はすでに現在の価格に織り込まれているため、明日の価格に対する最善の予測は単に今日の価格であるとする単純なベンチマークです。もし洗練されたコンピュータモデルが、この単純な推測よりも一貫して価格変動を予測できないのであれば、市場は効率的に機能しており、予測による容易な利益の約束は幻想であるということになります。この問いは、貯蓄や年金を持つすべての人にとって極めて重要です。なぜなら、もし人工知能が真に市場を予測できるのであれば、富の管理のあり方を根本から変える可能性がある一方で、もし予測できないのであれば、これらのツールに頼ることは投資家を誤った道へと導くことになりかねないからです。
最近のある研究では、この約束を直接検証することを目的とし、英国の主要な2つの株式指数に焦点を当てました。研究者たちは、金利ショックや関税による売り浴びせといった重大な経済的混乱期を含む、2015年1月から2026年10月までの週次データを収集しました。彼らは8つの異なる予測手法を競わせました。一方の側には、単純なベンチマークとして、先週の価格をそのまま繰り返すモデルと、過去すべての週の平均リターンを用いるモデルを配置しました。もう一方の側には、現代金融の重量級たちが並びました。ボラティリティ（変動性）を追跡するように設計された伝統的な統計モデルと、意思決定ツリーを多数構築してパターンを見つけ出すランダムフォレストや、脳の情報処理プロセスを模倣したニューラルネットワークを含む、3つの異なるタイプの人工知能です。目標は、単にどのモデルがチャート上で最も良く見えるかを確認することではなく、どのモデルが偶然よりも優れた精度で市場の方向を予測できるのか、そしてそれらの予測が取引手数料を支払った後に実際の利益を生み出せるのかを判断することでした。
結果は、モデルがいかに正確に見えるかと、いかに有用であるかの間に、顕著な乖離があることを明らかにしました。研究者が予測価格と実際の価格を比較した際、すべてのモデルが非常に高い精度を示しました。平均誤差はわずか1.3〜1.6パーセントでした。グラフ上では、予測線は実際の線とほぼ完璧に重なっており、習熟しているという視覚的な印象を与えました。しかし、この正確さは、株価が前週の価格に近い位置に留まる傾向があるという性質が生み出した錯覚でした。価格の持続性が高いため、何も変化しないと仮定する最も単純なモデルでさえ、高度な人工知能システムとほぼ同等の精度を達成したのです。研究者が価格水準を取り除き、週ごとの価値の変化のみに注目すると、状況は一変しました。高度な機械学習システムを含む8つのモデルのうち、どれもが統計的に意味のある形でランダムウォークを打ち破ることはできませんでした。実際、より規模の大きい指数においては、ランダムフォレストや標準的な回帰予測は、単に市場が横ばいであると仮定する場合よりも大幅に劣る結果となりました。
また、本研究はこれらのモデルが投資家の利益に貢献できるかどうかも検証しました。研究者たちは、モデルが上昇を予測すれば指数を買い、下落を予測すれば現金を保有するという、取引コストを考慮したシミュレーション済みのトレーディング戦略を実施しました。上昇局面にあった大規模な指数においては、「バイ・アンド・ホールド（買って持ち続ける）」戦略、つまり何もし 않고投資を継続する戦略が、コスト控除後において、あらゆる予測ベースの戦略を上回りました。最も洗練された機械学習モデルは、単に株を保有していた場合と比較して、実際に損失を出しました。小規模な指数については、一部のモデルがバイ・アンド・ホールドよりもわずかに優れた結果を示しましたが、これは主に、急激な下落局面で市場から退避できたためであり、予測スキルの高さを示すものではなく、リスク軽減の一形態でした。研究者たちは、これらのモデルが価格の行方を予測することには失敗したものの、価格がどれほど変動するかを予測することには成功したと結論付けました。彼らは、特定の統計モデル、いわゆる非対称GARCHモデルが、方向ではなく、価格の振れ幅（ボラティリティ）の予測において極めて優れていることを発見しました。このモデルは、悪いニュースが投資家の心理に与える影響が、良いニュースよりも大きな衝撃をもたらすという現象（レバレッジ効果）を正しく予測しました。このモデルは、リスクの推定において最も正確であり、信頼できる「バリュー・アット・リスク（VaR）」の数値を提供しました。これは、投資家が最悪の週にどれほどの損失を被る可能性があるかを示すものです。この区別は極めて重要です。すなわち、ツールは市場の「危険度」を測るには優れていましたが、市場の「目的地」を予測するには無用であったということです。
著者らは、この発見は金融報道における一般的な罠を露呈していると主張しています。多くの研究や商業ツールは、予測価格が実際の価格と密接に一致しているチャートを提示することで、その威力を証明しようとします。しかし本論文は、価格は自然に連動する性質を持っているため、そのようなチャートは欺瞞的であることを示しています。予測ツールの真のテストとは、単純な推測よりも優れた価格変化を予測できるかどうかであり、この厳格なテストにおいて、人工知能モデルは失敗したのです。これらの定量的ツールの価値は、市場に勝つためにいつ売買すべきかを投資家に伝えることではなく、投資のリスクを理解し管理するのを助けることにあります。好奇心旺盛な投資家への教訓は明白です。市場に沿った線を引く能力は、次に市場がどこへ向かうかを見通す能力と同じではないのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。