![mizutata[at]gmail.com
@takanobu_mizuta (twitter)
本発表資料はスパークス・アセット・マネジメント株式会社の公式見解を表すものではありません．
すべては個人的見解であります．
1
この資料は以下のサイトで閲覧、ダウンロードできます:
1
Slide Share
.pdf
マーケットマイクロストラクチャーの分析における
AI：その効用と限界
http://www.slideshare.net/mizutata/20170720x
http://www.mizutatakanobu.com/20170720x.pdf
http://www.mizutatakanobu.com/
スパークス・アセット・マネジメント株式会社
運用調査本部
ファンドマネージャー 兼 上席研究員
水田孝信
2017/7/20
人工市場を用いた金融市場の制度・規制の議論](https://image.slidesharecdn.com/20170720x-170714053605/85/2017-7-20-AI-1-320.jpg)
2017/7/20 マーケットマイクロストラクチャーの分析におけるAI：その効用と限界 人工市場を用いた金融市場の制度・規制の議論 スパークス・アセット・マネジメント株式会社 運用調査本部 ファンドマネージャー 兼 上席研究員 水田孝信
- 1. mizutata[at]gmail.com @takanobu_mizuta (twitter) 本発表資料はスパークス・アセット・マネジメント株式会社の公式見解を表すものではありません． すべては個人的見解であります． 1 この資料は以下のサイトで閲覧、ダウンロードできます: 1 Slide Share .pdf マーケットマイクロストラクチャーの分析における AI：その効用と限界 http://www.slideshare.net/mizutata/20170720x http://www.mizutatakanobu.com/20170720x.pdf http://www.mizutatakanobu.com/ スパークス・アセット・マネジメント株式会社 運用調査本部 ファンドマネージャー 兼 上席研究員 水田孝信 2017/7/20 人工市場を用いた金融市場の制度・規制の議論
- 2. 22 2000年 気象大学校卒業 2002年 東京大学大学院理学系研究科地球惑星科学専攻修士課程修了 研究内容：宇宙空間プラズマのコンピュータシミュレーション 2004年 同専攻博士課程を中退 同年 スパークス・アセット・マネジメントに入社： バックオフィス業務 2005年 ボトムアップ・リサーチ・アナリスト 2006年 クオンツ・アナリスト → 2010年より ファンド・マネージャー 2009年 人工知能学会などで研究発表を始める 2011年 東京大学大学院工学系研究科システム創成学専攻博士課程 社会人をしながら在籍 指導教官：和泉潔先生 研究内容：人工市場を用いた金融規制のシミュレーション 2014年9月修了： 博士（工学） 2017年度より 上席研究員兼務 現在 金融市場全般の調査、株式市場やポートフォリの定量的分析、 学術研究も継続 2007年 日本証券アナリスト協会検定会員 2009年 中小企業診断士 2014年より 東京大学公共政策大学院 非常勤講師 2016年度より 人工知能学会 金融情報学研究会幹事 2017・18年度 人工知能学会 代議員 自己紹介 2
- 3. 3 2017/8/4 「金融ビッグデータと人工知能III 人工市場による市場制度の設計」 東京大学公共政策大学院経済物理学講義資料 Slide Share .pdf http://www.slideshare.net/mizutata/20170804x http://www.mizutatakanobu.com/20170804x.pdf * 水田孝信 (2014) 人工市場シミュレーションを用いた金融市場の規制・制度の分析, 東京大学大学院工学系研究科システム創成学専攻 2014年9月26日 博士（工学） （博工 第8404号） http://www.mizutatakanobu.com/jphd.htm * Mizuta (2016) A Brief Review of Recent Artificial Market Simulation Studies for Financial Market Regulations And/Or Rules, SSRN Working Paper Series http://ssrn.com/abstract=2710495 本日のお話、より詳しくは
- 4. 4 その他の話題：もしご興味あればご覧下さい 2016/10/29 「証券取引所の高速化による情報技術の導入」 第26回先端的データベースとWeb技術動向講演会 Slide Share .pdf http://www.slideshare.net/mizutata/20161029x http://www.mizutatakanobu.com/20161029x.pdf URL 2017/2/28 第18回日本国際金融システムフォーラム2017 金融市場とAI(人工知能)活用 パネルディスカッションメモ 2016/10/5 「金融の役割と機関投資家の株式投資実務」 東京大学工学部システム創成学科「金融市場の数理と情報」講義資料 Slide Share .pdf http://www.slideshare.net/mizutata/20161005x http://www.mizutatakanobu.com/20161005x.pdf http://blogs.yahoo.co.jp/mizuta_ta/28581614.html 2017/5/11 「資産運用業界が期待する人工知能 ～調査活動の効率化と市場 をより公正な場へ～」MPTフォーラム Slide Share .pdf http://www.slideshare.net/mizutata/20170511x http://www.mizutatakanobu.com/20170511x.pdf
- 9. 人工市場：できること（得意なこと）・できないこと（他手法がよいこと） ●特定のミクロ環境変化がどのような変化が起こりえるか？ ★ミクロ環境変化の例 新しい種類の投資家が参加 * 他資産とのヘッジ取引、高頻度取引、心理バイアスのある人 取引所の制度・規制の変更 → 歴史上ない変更も取り扱える → その変更の純粋な効果を取り出せる ★”起こりえる” 起きるとは限らないが、可能性のある変化、思わぬ副作用を 拾い出すのが得意 → 変化の是非の議論の幅を広げる、視点を加える 確実にこう変化するとは、人工市場単独では言えない 複雑系内のミクロ・マクロ相互作用のメカニズムの分析ができる → 知識発見できる、マクロ現象を意味づけできる できること（得意なこと） 個人的意見 9
- 10. ●特定事象に関して”こうなる”といった未来予測はできない 例）アベノミクスはうまくいくか？ 過去の特定事象のメカニズム分析はできる ●株価予測みたいなことはできない → 起こりえる現象を拾い上げてもそれが具体的に いつ起こるかなどはわからない 例）来月バブルがスタートするか？ ⇔バブルはこんな感じで起きている、ということは扱える ●現実にはありえない設定であるかどうか ↑ 他の手法との比較でしか議論できない ●定量的に正確な議論 例）金融危機時はボラティリティは１５％から２５％へ上昇する → ボラティリティが上昇することは議論できる できないこと（他手法がよいこと） 個人的意見 10
- 11. あのSCIENCEに，人工市場に期待をかける記事 銀行間ネットワークやエージェント・ベースド・モデル（人工市場の広い意味）の 研究を複雑系モデルとして紹介。金融の応用研究の分野では、複雑系モデルを 使った研究は、まだ初期段階だがとても期待される分野。 エージェント・ベースド・モデルは、金融の複雑系に潜む正のフィードバック現象を 弱くし金融システムの安定化させるような、政策や規制はどのようなものかの知見 を得られる。 世界の金融システム全体をリアルタイムに監視する技術へつなげたいと、抱負。 Battiston et al. (2016) Complexity theory and financial regulation-Economic policy needs interdisciplinary network analysis and behavioral modeling-, Science 19 Feb 2016, Vol. 351, Issue 6275, pp. 818-819. http://science.sciencemag.org/content/351/6275/818 11
- 12. エージェント・ベースド・モデルを使った債券市場の分析 エージェント・ベースド・モデルを用いて債券市場のショック時の分析。順張りトレーダー、 マーケットメーカー、パッシブファンドが市場に与える影響を調べている。 イングランド銀行職員のワーキング・ペーパー Braun-Munzinger et. al. Staff working paper no. 592 an agent-based model of dynamics in corporate bond trading http://www.bankofengland.co.uk/research/Pages/workingpapers/2016/swp592.aspx 12
- 13. 13 日本銀行職員のワーキング・ペーパー 13 Toshiyuki Sakiyama and Tetsuya Yamada Market Liquidity and Systemic Risk in Government Bond Markets: A Network Analysis and Agent-Based Model Approach http://www.imes.boj.or.jp/research/abstracts/english/16-E-13.html (日本語要約版) https://www.boj.or.jp/research/wps_rev/lab/lab16j09.htm/ 国債市場のデータ分析と銀行ネットワークシミュレーションを比較 人工市場は学術界のみならず実務界で注目 規制当局（金融庁）、中央銀行（日本銀行）、証券取引所（東証，JPX）
- 14. 1414 エージェント 発注量 発注価格 架空 取引所 価格決定 メカニズム 取引価格の 決定 規制・制度研究に用いる人工市場の具体的例：我々のモデル エージェント ごく一般的な投資家を再現 特定環境のみに存在する特殊な投資家は再現しない ↑ 過去の特定事象の再現でなく、 規制・制度の一般的なメカニズムの理解が目的 一般的な投資家をモデル化 価格決定メカニズム 調査対象の制度・規制を再現する必要がある 調査対象の制度・規制を 正確にモデル化 Chiarella et. al. 2002をベースにしてモデルを構築 14
- 15. continuous double auction（ザラ場）： 注文が入るごとに価格を決定 売り 注文株数 注文 価格 買い 注文株数 10 103 30 102 101 50 100 130 99 ←ここに注文を入れるとすぐに取引成立 ここも同様⇒ 98 150 97 96 70 対等する注文があるとすぐに成立 ザラバ 価格決定メカニズム:現実と同じように複雑 調査対象の制度・規制が再現する必要がある 正確なモデル化 価格変化 ∝ （買い注文量ー売り注文量）⇔簡略なモデル 15
- 16. ファンダメンタル 予想リターン 予想価格 現在の取引価格 ファンダメンタル価格 正規乱数 平均0 σ=3% テクニカル 過去リターン ノイズ 一様乱数で決定 途中で変わらない エージェントの パラメータ 10000 =定数 j: エージェント番号 (1000体,順番に注文) t: 時刻(ティック時刻) 0～10000 i=1,3: 0～1 i=2: 0～10 エージェントモデル t jj t jhjt f j i ji t je wrw P P w w r ,3,,2,1 , , log 1 jtt jh t PPr /log, t P fP jiw , j jiw , j j t )exp( ,, je tt je t rPP 16
- 18. JPXワーキング・ペーパー http://www.jpx.co.jp/corporate/research-study/working-paper/ 18 JPXワーキング・ペーパー Vol.2 (2013年1月30日) 赤の四角 人工市場シミュレーションを用いた取引市場間におけるティックサイズと取引量の関係性分析 http://www.jpx.co.jp/english/corporate/research-study/working-paper/ 日本語 English
- 19. エージェント （投資家） 成行注文（即座に成立する注文）： 有利な価格で 売買できる市場を選択 指値注文（即座には成立しない注文）： 各市場の過去の取引量シェアに 比例して配分 市場A 市場B 価格の刻み（ティック・サイズ）のみ異なる市場Ａ、Ｂで どのように出来高シェアが移り変わるかを分析 市場Ａ： 初期の取引量シェア ９０％、ティック・サイズ大きい 市場Ｂ： 初期の取引量シェア １０％、ティック・サイズ小さい 人工市場のモデル 19
- 20. ティックサイズの差が大きいほどシェアが早く移り変わる 横軸は２年間 ⇔ 米国で起きた時間スケールに近い 取引市場Ａの出来高シェア推移 tAB=5日，⊿PB=0.01%の場合 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 0 25 50 75 100 125 150 175 200 225 250 275 300 325 350 375 400 425 450 475 500 経過営業日 取引市場Ａの出来高シェア ⊿PA=0.01% ⊿PA=0.05% ⊿PA=0.1% ⊿PA=0.2% ティックサイズが大きい場合 20
- 22. 22 時間 取引市場A で取引でき ない領域 取引 価格 取引市場Aの出番がない → 取引市場Ｂの高い約定率 ⇒ 素早く取引市場Ｂがシェアを奪う 時間 取引 価格取引市場B の必要性 が薄い ⇒ シェアが動かない 取引市場A ティック サイズ 取引市場A ティック サイズ < ⊿PAt > ⊿PAt 22
- 23. 23 ティック・サイズと価格の変動幅 ⊿PA，σ t と取引市場Ａ 500営業日後シェアの関係 ⊿PB=0.0001%の場合 0.01% 0.10% 1.00% 0.0001% 0.0010% 0.0100% 0.1000% 1.0000% ⊿PA σt 0% 20% 40% 60% 80% 100% 取引市場Ａ 500営業日後シェア σ t (左軸) 取引市場Ａ 500営業日後シェア (右軸) 0.0500% 0.0050% ティックサイズが大きすぎると価格の変動幅が大きくなる ↑ 取引所の制度で価格の変動幅に影響を与えるべきでない 23
- 24. 24 ・ ティック・サイズが大きいままだとPTSに売買代金シェアを 奪われる可能性があり、価格期間は２年程度 ・ あまりにも小さいティック・サイズの競争は意味がない可能性 ・ ティック・サイズが大きすぎると価格の変動幅が大きくなる可能性 ↑ 取引所の制度で価格の変動幅に影響を与えるべきでない ⇒ ティック・サイズ引き下げの大きな理由に ・ 大きすぎる、小さすぎる、の具体的な水準（数値）を示唆 現実の金融市場制度への示唆 24
- 26. 26262626 ダーク・プールは金融市場を安定化し マーケット・インパクトを低減させるか？ ～ 人工市場シミュレーションを用いた検証 ～ スパークス・アセット・マネジメント株式会社 東京大学大学院工学系研究科 野村證券株式会社 東京大学大学院工学系研究科 科学技術新興機構 CREST 東京大学大学院工学系研究科 和泉 潔 水田 孝信 吉村 忍 小杉 信太郎 楠本 拓矢 松本 渉 http://sigfin.org/SIG-FIN-012-14/日本語論文 English Paper http://dx.doi.org/10.1109/CIFEr.2014.6924056(If you want the paper, please send me e-mail.) English Slide http://www.mizutatakanobu.com/cifer2014b.pdf 2014年1月発表
- 27. 2727 ノーマル エージェント dn=30% リット 市場 ダーク プール アルゴリズム エージェント da：横軸 dn=30%: ダーク・プール普及率 （ノーマル・エージェントがダークプールに注文する率） da: (a) アルゴリズム・エージェントがダーク・プールに注文する率 sa： (b) アルゴリズム・エージェントがリット市場に指値する率 (a) リット市場への成行と ダーク・プール (b)リット市場への成行と リット市場への指値 (6) ダーク・プールの使用によるマーケット・インパクトの低減 ダーク・プールとアルゴリズム・エージェントの両方をいれ ダーク・プールのマーケット・インパクト（縦軸）低減効果を見る リット 市場 ダーク プール ノーマル エージェント アルゴリズム エージェント dn=30% sa：横軸
- 30. 30303030 人工市場を用いた 大規模誤発注による市場混乱を 防ぐ制度・規制の検証 ～ トリガー式アップティック・ルールを中心に ～ スパークス・アセット・マネジメント（株） 東京大学大学院工学系研究科 東京大学大学院工学系研究科 科学技術新興機構 CREST 神奈川工科大学情報学部 東京大学大学院工学系研究科 和泉 潔 水田 孝信* 吉村 忍 八木 勲 2013年10月発表 http://sigfin.org/SIG-FIN-011-01/日本語論文 English Paper http://dx.doi.org/10.1109/CIFEr.2014.6924065 http://www.slideshare.net/mizutata/sigfin11Slide Share .pdf http://www.mizutatakanobu.com/sigfin11.pdf English Slide http://www.mizutatakanobu.com/cifer2014a.pdf (If you want the paper, please send me e-mail.)
- 31. 3131 実験 1： 誤発注による市場混乱 誤発注のモデル化 取引市場 （連続ダブルオークション） １株売買 １株売買 確率pg １株成行 売り １株売買 pg : 誤発注確率 tg ： 誤発注期間２つのパラメータ この状態がtg期間続く
- 34. 時間解除方式： 誤発注期間に似た解除時間である必要 3434 解除方式をいろいろ試す(2/2) 3434 時間解除方式： ある一定の時間がたつと解除 騰落率解除方式： ある一定のところまで価格が戻ると解除 5,000 10,000 20,000 30,000 40,000 50,000 60,000 70,000 80,000 100,000 最大価格 14,626 13,337 10,653 10,653 10,683 10,788 11,220 11,884 12,774 14,654 最小価格 5,540 6,315 8,396 8,412 8,419 8,422 8,417 8,418 8,417 8,332 時間解除方式 アップティック・ルール 9,000 9,500 10,000 最大価格 15,251 35,955 10,694 10,793 11,027 最小価格 5,104 8,418 8,419 8,409 8,426 規制なし 解除なし 騰落率解除方式 アップティック・ルール 緑： 市場混乱を防げている 騰落率解除方式： どんな期間の誤発注も対応可能な可能性
- 36. 36363636 売買が少ないにもかかわらず なぜ長期投資は市場を効率的にするのか？ ---人工市場によるシミュレーション分析--- スパークス・アセット・マネジメント株式会社 株式会社 野村総合研究所 水田 孝信 堀江 貞之 2017年7月28-29日 第47回 日本金融・証券計量・工学学会 大会 本資料は，スパークス・アセット・マネジメント株式会社および株式会社野村総合研究所の公式 見解を表すものではありません．すべては個人的見解であります． こちらのスライドは以下からダウンロードできます http://www.slideshare.net/mizutata/2017072829ｘSlide Share .pdf http://www.mizutatakanobu.com/2017072829ｘ.pdf
- 37. 37 優れたアクティブ運用とその機能 売買量が少ないなら市場価格に影響与えない？ ☆企業に本源的に存在する価値（ファンダメンタル価格）を発見 ☆ ファンダメンタル価格付近に市場価格を近づける （市場を効率的にする） ☆資本主義の重要な機能である投資資本の適切な配分を担う 真のファンダメンタル投資 ☆ ファンダメンタル価格に基づいて取引 ☆ 投資した銘柄の保有期間が長い，つまり売買量が少ない 優れたアクティブ運用 アクティブ運用の社会的な機能 ＝ ［Cremers 16］ ［Wurgler 10］ 矛盾？ 減少は社会的損失＝ ［Suominen 11］
- 38. 38 価格帯別ファンダメメンタルエージェント取引量 発生頻度が低い、ファンダメンタルから大きく下がったところで 多く取引を行っている → 全体として取引少なくても市場を効率化 ファンダメンタル 価格
- 39. 39393939 まとめ 優れたアクティブ運用（真のファンダメンタル投資）の特徴を反映し た投資家を導入した人工市場モデルを構築 このような売買量が少ない投資家が市場価格に影響を与え市場 を効率的にするのかを議論 真のファンダメンタル投資はまれに起こる，市場価格が市場価値 から大きく乖離して市場が不安定になり，市場がさらに非効率にな りそうなときのみに多く売買を行い，市場を効率化することに寄与 している可能性を示唆 つまり，全体を通しては売買シェアが低くても，市場が非効率化し そうなときのみ売買シェアが増えて，市場効率化に大きく関与して いる可能性を示唆
- 40. 40 その他の事例 適切な値幅制限の制限時間や値幅、 バッチオークションの副作用、ＨＦＴが市場間競争に与える影響、 証券取引所システムの適切な速さ、レバレッジドETFの影響、 信用分散規制の影響、自己資本規制やVaRの効果、 銀行の連鎖倒産、クラッシュの伝播・それをおさえる制度・規制 * 水田孝信 (2014) 人工市場シミュレーションを用いた金融市場の規制・制度の分析, 東京大学大学院工学系研究科システム創成学専攻 2014年9月26日 博士（工学） （博工 第8404号） http://www.mizutatakanobu.com/jphd.htm * Mizuta (2016) A Brief Review of Recent Artificial Market Simulation Studies for Financial Market Regulations And/Or Rules, SSRN Working Paper Series http://ssrn.com/abstract=2710495 Slide Share .pdf http://www.slideshare.net/mizutata/20170720x http://www.mizutatakanobu.com/20170720x.pdf 2017/8/4 「金融ビッグデータと人工知能III 人工市場による市場制度の設計」 東京大学公共政策大学院経済物理学講義資料 Slide Share .pdf http://www.slideshare.net/mizutata/20170804x http://www.mizutatakanobu.com/20170804x.pdf