An outlier-robust dynamic semiparametric model for jointly forecasting value-at-risk and expected shortfall

あなたは、その年最悪の嵐を予測しようとしている気象予報士だと想像してください。単にいつ雨が降り始めるかを知りたいだけでなく、もし堤防が決壊した場合、洪水がどこまで深くなるのかを知る必要があります。金融の世界において、これこそがリスク管理者がしていることです。彼らは、金融市場が暴落する危険性を測定するために、2つの特別なツールを使用します。第一のツールである**バリュー・アット・リスク（VaR）は、99%の確率でこれを超えないと断言できる水位を示す「洪水計」のようなものです。これは人気のある「境界線」です。第二のツールである期待ショートフォール（ES）**は、さらに重要です。それは、「よし、水がこの線を越える可能性はある。しかし、もし越えたとしたら、実際にはどの程度の深さになるのか？」と問いかけます。これは、最悪のシナリオにおける平均的な深さです。

何十年もの間、数学者たちはこれらのレベルを予測するための複雑なモデルを構築してきました。しかし、これらのモデルには、ある「奇妙な」データポイントを目にしたときにパニックに陥るという、隠れた弱点があります。金融における「奇妙な」ポイントとは、外れ値、つまり通常のパターンに適合しない突然の劇的な価格変動や暴落のことです。まるで穏やかな湖に隕石が衝突したようなものです。標準的なモデルは、これらの隕石を、単に少し大きな雨粒であるかのように扱い、将来の予測全体を歪めてしまいます。Jie WangとBuyun Xuによるこの論文は、こうした現象に対する「ショックアブソーバー（緩衝装置）」として機能する、新しいモデルの構築方法を紹介しています。単一の隕石がシステム全体を崩壊させるのではなく、この新しいモデルは極端なスパイクを無視することを学習し、天候が混沌とした状況でも洪水計の精度を維持します。

---

問題点：一つの「腐ったリンゴ」が予測を台無しにする時

金融市場は決して穏やかではありません。常に驚きに満ちています。突然のスキャンダルによって株価が1日で10%下落したり、サプライズの決算報告によって15%上昇したりすることもあります。統計学の言葉で言えば、これらは外れ値です。

VaRとESを予測するために使用される標準的なモデルは、非常に敏感でハイテクなサーモスタットのようなものです。もしそこにバケツ一杯の氷水を浴びせたら、サーモスタットは単に温度を調整するだけでなく、パニックになり、家全体が凍りついていると思い込み、ヒーターを完全にオフにしてしまいます。現実世界では、これは単一の巨大な市場ショックがモデルに過剰反応を引き起こし、決して起こらないかもしれない災厄を予測させたり、さらに悪いことに、直前の事象への対応に追われるあまり、次の真の危険を見逃したりすることを意味します。

著者たちは、これらのモデルが通常の市場の「天候」を扱うのには優れているものの、「天候」が極端になると破綻することに気づきました。彼らは、「確かに大きなスパイクがあったが、それを市場の振る舞いの歴史全体を書き換えるような出来事として扱わない」と言えるモデルを構築したいと考えました。

解決策：ショックアブソーバーとしての「有界イノベーション伝播（BIP）」

これを修正するために、研究者たちは**有界イノベーション伝波（Bounded Innovation Propagation: BIP）と呼ばれる概念を導入しました。これは、モデルの脳におけるショックアブソーバー（緩衝装置）**と考えてください。

あなたが凸凹道で車を運転していると想像してください。標準的なモデルはサスペンションのない車のようなもので、段差（外れ値）に当たるたびに車全体が激しく揺れ、ドライバーは制御を失います。新しいBIPモデルは、強力なサスペンションを備えた車のようなものです。巨大な段差に当たったとき、サスペンションが圧縮されて衝撃を吸収します。車は衝撃を感じますが、横転することはありません。

技術的な用語で言えば、このモデルは「有界関数」を使用しています。これは、「衝撃がいかに大きくても、将来の予測に与える影響は一定の限界を超えない」という数学的なルールです。もし株価が50%下落（巨大な外れ値）した場合、モデルは将来の予測を更新する目的において、それが例えば10%だけ下落したかのように扱います。これにより、ダメージを制限（キャップ）します。

この新しいモデルはBIP-CAViaR-FZと呼ばれます。これは以下の3つの要素を組み合わせています：

1. CAViaR: リスクが時間の経過とともにどのように変化するかを追跡する柔軟な手法。
2. FZ Loss: VaR（境界線）とES（深さ）の両方が同時に正しいかどうかをチェックする特別なスコアリングシステム。
3. BIP: 外れ値がスコアを台無しにするのを防ぐショックアブソーバー。

実験の結果

著者たちは、単にこれが機能すると推測したわけではありません。コンピュータ・シミュレーションと実世界のデータの2つの方法を用いて、厳格なテストを行いました。

1. シミュレーション・ラボ
まず、彼らはコンピュータ内に数千の架空の金融市場を作成しました。これらの市場には異なる種類の「天候」をプログラムしました。あるものは穏やか（正規分布）、あるものはヘビーテイル（頻繁に大きなショックが発生）、そしてあるものは歪んでいる（大きな下落が大きな上昇よりも多い）設定です。彼らはデータの中に特定の「隕石（外れ値）」さえも注入しました。

結果は明白でした：

• 穏やかな天候において: 新しいモデルは旧来のモデルと同等の性能を発揮しました。何も壊すことはありませんでした。
• 嵐の天候において: データに外れ値が満ちているとき、古いモデルは混乱して大きな間違いを犯しました。しかし、新しいBIPモデルは冷静さを保ちました。リスクレベルをより正確に予測しました。
• 「ヘビーテイル」効果: この優位性は、市場が「ヘビーテイル（通常のベルカーブが示唆するよりも極端な事象が頻繁に発生すること）」を持ち、非常に稀なイベント（暴落の確率1%など）を見ている場合に最も顕著でした。これらの困難なシナリオにおいて、新しいモデルは大幅に高い精度を示しました。

2. 実世界のテスト
次に、彼らは米国の主要なテクノロジー大手5社（アップル、アマゾン、アルファベット（グーグル）、インテル、マイクロソフト）の実データを用いてモデルをテストしました。彼らは2006年から2025日間の日次リターンを調査しました。

彼らは、これらの株価が外れ値に満ちていることを発見しました。例えば、アマゾンの株価の履歴には、隕石のように見えるいくつかの巨大なスパイクと下落が見られます。新しいBIPモデルを標準的なモデルと比較したところ、以下のことが分かりました：

• より滑らかな予測: 標準的なモデルはこれらのスパイクに対して激しく反応し、リスク予測が激しく上下しました。BIPモデルは、より滑らかで安定した予測を生み出しました。
• より高い精度: モデルが将来をどれだけうまく予測できたかをチェックしたところ、BIPモデルは間違いがより少なかったです。ノイズに惑わされることなく、真のリスクレベルを捉えることに長けていました。
• 二次モデル（Quadratic Models）: 改善は、より複雑な「二次モデル」において特に劇的でした。これらの複雑なモデルは外れ値に対して最も敏感であり、BIPのショックアブソーバーがそれらが崩壊するのを救ったのです。

結論

本論文は、金融リスクの計算方法に「ショックアブソーバー」を加えることで、市場の混乱期においても予測をより信頼できるものにできることを示唆しています。著者たちは、新しいBIP-CAViaR-FZモデルが、単に外れ値を生き延びるだけでなく、外れ値が存在する状況下でも機能し、「境界線（VaR）」と「洪水の深さ（ES）」の両方を予測するためのより堅牢な方法を提供することを明らかにしました。

標準的なモデルは穏やかな日には依然として有用ですが、著者たちは、金融市場が混沌とし、驚きに満ちている現実世界においては、この新しいアプローチの方がより賢明で安全な賭けであると主張しています。このモデルは、悪い日を無視するのではなく、ただ一つの悪い日が予測全体を台無しにしないようにしているのです。