ポッドキャストPiterbargとNowaczykがより良いバックテストの実施について語ります。

クオンツは日常的にバックテストを実施し、モデルの品質を測定しています。精度を保証するためには、バックテストは独立したデータで実行されなければなりません。この条件はしばしば満たされません。

ほとんどのデータセットには、変数間の相関関係や、単一の変数における自己相関が見られます。その一例が前年比のインフレデータで、各月は前12ヶ月間の変化率を示しており、そのうちの11の入力は前月の数値の計算にも使用されているため、自己相関の高い時系列になります。

「バックテストのフレームワークでこれを無視すれば、結果は著しく不正確になります」と、ナットウエストのこの問題の解決を支援してきたリスク管理および人工知能コンサルタントのニコライ・ノヴァチクは言います。

最も簡単な解決策は、単純にサンプルを少なくすることです。例えば、インフレ率の印刷を12回ではなく、年に1回にすることです。そうすれば、独立したサンプルが生成されますが、その数は少なくなり、統計の威力は弱まります。

もう1つの方法は、テストするモデルを使用して多数のパスをシミュレートし、テスト統計量の経験的分布を構築し、その結果を目下のエクササイズに最も関連する五分位に分割することです。これは効果的な解決策ですが、シミュレーションの数が多いため、計算量が多くなります。

今回のQuantcastのエピソードでは、Natwest Marketsの定量分析責任者であるNowaczykとVladimir Piterbargが、サンプルを非相関化するという考えに基づき、この問題に対処するための別の方法論について議論します。これは検定統計量から相関効果を除去することを意味するのではなく、むしろ元のデータを非相関化し、そのプロセスを標準的な統計検定に還元することを意味します。

これを行うには、まず相関行列を導きます。相関行列は多くの場合、分析的に計算されるか、最悪の場合はシミュレーションされます。その後、相関行列の情報をサンプルから除去することで、バックテストに適したデータセットが得られます。

この手法は、データセットが小さく、観測ウィンドウが長くなりがちなカウンターパーティの信用リスクやイニシャル・マージン・モデルのバックテストに有用です。

「カウンターパーティの信用リスクに使っています。「この問題は最も顕著です。そのためにニコライを雇ったのですが、彼がこのアイデアを思いついたのです」。

ピターバーグ氏は、この手法が特に直感的なものではなく、説明が難しいことを認めています。この方法について考える最も簡単な方法は、分布の尾部の特徴を拡大することであり、これは当行がカウンターパーティーの信用モデルのバックテストを実行する際の鍵となるものです。

バックテストに加えて、ノヴァチクとピターバーグが現在取り組んでいる他の研究プロジェクトについても話してくれました。ノヴァチクは、セントラル・カウンターパーティの経済エコシステムのシミュレーションに取り組んでおり、セントラル・カウンターパーティがもたらすシステミック・リスクに関する新たな洞察を明らかにできると考えています。確率論におけるポール・レヴィ賞の創設に貢献したピターバーグ氏は、金利デリバティブに再び注目。彼は、金利デリバティブ市場を記述するファクター・モデルにおける平均回帰効果を捉えるモデルを開発しています。Quantcastの将来のエピソードで、これらのプロジェクトについてもっと聞けることを期待しています。

インデックス

00:00 相関がある場合のバックテスト

04:10 モンテカルロ・シミュレーションを使ったバックテスト

08:09 相関変数の相関除去

10:00 カウンターパーティーの信用リスクへの応用

15:51 なぜこの方法が有効なのか

19:35 デコリレーションは独立したサンプルを生成するか？

21:00 確率論におけるポール・レヴィ賞

25:25 今後の研究プロジェクト

インタビューの全文をお聞きになりたい方は、上のプレーヤーでお聞きになるか、ダウンロードしてください。 Quantcastシリーズの今後のポッドキャストは Risk.netにアップロードされる予定です。また 、Spotify、 Amazon Music 、 iTunes Storeでもお聴きいただけます。