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.
この資料はこちらにあります: https://mizutatakanobu.com/2023r.pdf
https://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
人工市場による市場制度の設計
1
2023年度 金融レジリエンス情報学 第2回
2023年4月13日
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
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:上記の学術研究、資産運用業界全般の調査・レポート、ファンドの管理的なマネージャー、
株式市場やポートフォリの定量的分析(のためのシステム開発・運用)
2007年 日本証券アナリスト協会検定会員
2014年度から2022年度まで 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 → 2022年度より 主査
2017・18年度 人工知能学会 代議員
2019年より Computational Finance and Economics Technical Committee Member on IEEE CIS
自己紹介
2
著作物や資料:もしご興味あればご覧下さい
https://www.sparx.co.jp/report/special/
3
本業の調査:高速取引や資産運用業界についてのレポート
2022/12/15 新技術の悪い影響とそれを乗り越えてきた金融市場
2022/10/7 学術研究力に直結する大学の資産運用
2022/6/28 ROEと資本コスト:その企業の価値はいくらか
2022/4/7 世界的な株式の決済期間短縮化:T+1への統一が進むか?
2021/11/15 金融市場の制度設計に使われ始めた人工市場
2021/9/8 金融市場で使われている人工知能
2021/8/16 続・市場は効率的なのか?実験市場や人工市場での検討
2021/4/12 "フラッシュ・クラッシュ・トレーダー"と呼ばれた男はフラッシュ・クラッシュとは
あまり関係なかった:高頻度取引との知られざる戦い
2020/12/22 市場は効率的なのか?検証できない仮説の検証に費やした50年
2020/9/15 なぜそれらは不公正取引として禁止されたのか?
2020/8/4 人工知能が不公正取引を行ったら誰の責任か?
2020/7/3 お金とは何か?-古代の石貨から暗号資産まで-
2020/1/24 国際資本の舵を取ってしまったグローバルインデックス算出会社
2019/9/18 アセット・オーナーが行っている投資:"悪環境期に耐える"と"ユニバーサル・オーナー"
2019/7/8 社会の役にたっている"空売り“
2019/6/13 高頻度取引(3回シリーズ第3回):高頻度取引ではないアルゴリズム取引と
不公正取引の取り締まり高度化
2019/5/8 高頻度取引(3回シリーズ第2回):高頻度取引業界-競争激化と
制度・規制の整備-
2019/4/3 高頻度取引(3回シリーズ第1回):高頻度取引とは何か?
2019/3/11 あの日から8年~自然災害と取引所~
2018/11/7 信託報酬ゼロの出現~コスト以上に重要なこと
2018/8/17 上場銘柄数が減少し小型株が冴えない米国
2018/5/21 なぜ株式市場は存在するのか?
2018/4/23 水平株式保有は経済発展をとめるのか?
2018/3/2 パッシブファンドの新たなる論点「水平株式保有」
2018/2/16 優れたアクティブファンドはいろいろな忍耐強さを持っている
2018/2/16 アクティブファンドが超えてはいけない規模
2016/12/2 良いアクティブ運用とは? -対ベンチマーク運用の衰退とハイリーアクティブ運用の再起- 3
教科書的な本
高安美佐子ほか,マルチエージェントによる金融市場のシミュレーション,
コロナ社, 2020,和泉潔,水田孝信,第5章「エージェントモデルによ
る金融市場の制度設計」
https://www.coronasha.co.jp/np/isbn/9784339028225/
人工知能学会誌の特集記事
水田孝信,八木勲 (2021) 「人工市場による金融市場の設計と広
がる活用分野」 人工知能学会誌 人工知能 2021年5月号
https://doi.org/10.11517/jjsai.36.3_262
説明資料 https://mizutatakanobu.com/2023k.pdf
その他
金融業界における人工知能と高速取引 https://mizutatakanobu.com/2023k.pdf
金融の役割と機関投資家の株式投資実務 https://mizutatakanobu.com/20161005x.pdf
学術研究:人工市場による市場制度の設計
Youtube https://youtu.be/Dl5Q-Ub4WCk
4
レビュー論文英語版
Mizuta (2019) An agent-based model for designing a financial market that works well,
査読付き国際会議論文 https://doi.org/10.1109/SSCI47803.2020.9308376
先行研究をひたすら紹介した英文レビュー論文
Mizuta (2016) A Brief Review of Recent Artificial Market Simulation Studies
for Financial Market Regulations And/Or Rules, SSRN Working Paper Series
https://ssrn.com/abstract=2710495
博士論文(モデル構築の詳細などが書かれています)
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)
https://mizutatakanobu.com/jphd.htm
YouTube: https://youtu.be/rmlb72ykmlE
Slide: https://mizutatakanobu.com/2021kyushu.pdf
人工市場による市場制度の設計:学術的に詳細なもの
arXiv https://arxiv.org/abs/1906.06000
聴講:学者よりも実務家が多い
https://sigfin.org
メーリングリスト登録ページ https://groups.google.com/g/jsai-fin/about
5
✓ 機械学習やテキストマイニングの技術を金融実務に応用する研究多い
✓ 人工市場シミュレーションの研究もよく発表されている
人工知能学会 金融情報学研究会 (SIG-FIN)
【宣伝】
和泉先生のブックマーク(人工知能学会誌):人工知能の金融応用に関する研究会、国際的な学会、ツール類やデータなど
https://www.ai-gakkai.or.jp/resource/my-bookmark/my-bookmark_vol37-no1/
年2回(10月ごろと3月ごろ)東京都内&オンラインで開催
誰でも聴講可 ← 人工知能学会の会員でなくてもよい
参加費:1,000円
私が主査
まとめ
6
2008年の金融危機以降、伝統的な経済学では複雑系であったこの金融危機を分析できてい
ないと批判し、金融・経済分野におけるエージェントシミュレーションである人工市場や人工経済な
どの複雑系科学をもっと活用すべきだという主張があらわれた。人工市場をもっと活用し伝統的な
経済学の弱点を補完すべきであることは確かだと思われる。
今回は、人工市場研究を簡単にレビューしたあと、人工市場による市場制度の設計の研究を
呼値変更という実際に行われた制度変更の事例を交えながら紹介する。金融市場は人類の発
展に必要不可欠な道具である。McMillan[2002]が述べたように、「物理学者や生物学者が研
究してきたシステムと同じくらい複雑で高度なもの」であるうえに、「うまく設計されたときのみ、うまく
機能する」、まさに複雑系である。人工市場は、これまでにない制度によってどういうことが”起こりえ
るか”を調べ“あり得る”メカニズムを見つけておく、”あり得る”副作用を見つけておく、という貢献がで
きる。特に、喫緊の課題として規制やルールを議論している実務家からの注目が高い。
人工市場の貢献はまだ始まったばかりで、研究者が全然足りていない。この分野は社会への重
要な貢献ができることは間違いないので、啓蒙活動を続けていきたい。今後、もっと多くの金融市
場の規制やルールが人工市場や人工社会で扱えるようになり、うまく金融市場を設計することに貢
献し、社会の発展につながっていけばと願っています。
具体例:実際に制度・規制変更
実務・社会の動きも交えて
7
(1)他分野で活躍するエージェントシミュレーション
(2-1) 金融市場の基本性質の分析
(2)金融・経済におけるエージェントシミュレーション:人工市場
(2-2) 金融市場の制度設計 本題
(2-3) 自動取引の実験場
(2-4) 社会経済全体のシミュレーション
(3)人工市場による市場制度の設計事例:呼値の縮小
(4)市場制度設計における適切な人工市場モデル
8
理論モデル
研究
コンピュータの中に仮想の社会を構築。ミクロなエージェント(人間)を多数投入。
エージェントは比較的シンプルなモデルでお互いに相互作用する。それらが集積して複雑なマクロの挙動がみれる。
実証
研究
ミクロ的
現象
シミュレー
ション
マクロ的
現象
第3の視点
橋渡し
・複雑系である社会において、制度・規制の変更が与える副作用や想定外の効果を
コロンブスのたまご的に発見
・理論や実証で調べるべきテーマの発見、メカニズムの知識発見
・既存の手法を補完する手法として他分野では定着
自動車道の整備が交通渋滞へ与える影響分析、
テロや火災・伝染病が発生した場合の避難の方法、など
さまざまな分野で活躍するエージェント・シミュレーション
9
エージェント・シミュレーションの類型、位置づけはいろいろ提案されている
エージェント・シミュレーション(社会シミュレーション)の類型
寺野隆雄, 「社会シミュレーションの類型」,数理社会学事典, 2022
https://www.maruzen-publishing.co.jp/item/?book_no=304405
理論研究
シミュレーション研究
物理シミュレーション
物理科学
情報科学
社会シミュレーション
物質エネルギーと法則
記号情報とプログラム
Axtell, 2000 吉田, 1999
シミュレーション
理論 実験
塩沢, 2006
シミュレーション
演繹 帰納
Axelrod, 1997
寺野隆雄, 「なぜ社会システム分析にエージェント・ベース・モデリングが必要か」, 2010
https://doi.org/10.11487/trafst.4.2_56
学生(#)と教授(@)が参加する立食パーティー
10
トーマス・シェリング「ミクロ動機とマクロ行動」, 2016年
http://www.keisoshobo.co.jp/book/b251669.html
ルール:
・ 自分の周り(8マス)に自分の同類が1/3より
多ければよい
・ 他方に囲まれた場合 どこかに移動
繰り返していくと、、、
修正ルール:
#:要求同類の人数1人増
@:1人減、繰り返していくと、、、
# # @ # @
# # # @ @ # @
# @ # @ #
@ # @ # @ # @
@ @ @ # @ @ @
# # # # @
# @ # @ # @
@ @ #
# # @ # #
# # # @ @ @ # #
# # @ @ @ #
# @ @ @ @ @
@ @ @ # @ @ @
@ # # # @ @ @
# # # #
@ @ #
# # # # @ @
# # # # @ @ @
# # # # @
@ # @ @ @ @
@ @ @ # @ @ @
# # @
@ # # # @
@ @ # # #
分離されてしまう
#の場所が狭くなる
「自分があまりにも少数派になりたくない」だけで
分離が起きる。積極的に「嫌い」なわけじゃない
この理由が分かることがシミュレーションの目的
現実の会場の最終配置を予測することは目的でない
配膳テーブルの位置とか、個々人の食べる量の違いとか、准教授は?とか、現実にこんな会場
ないとか、こんな単純な人いないとか、「この調査目的において」はどうでもよい。
むしろ「理由の理解」には邪魔になるだけ。
「知りたいこと」に応じてモデルを簡略化・複雑化することが大事
解説記事「多角形のたとえ話」
https://ncase.me/polygons-ja/
簡単な具体例:初期のエージェントシミュレーション(後ほど再掲)
活躍するエージェントシミュレーション
https://mainichi.jp/articles/20180402/ddl/k33/010/298000c
https://www.city.okayama.jp/0000006104.html
キューバ危機時の米政府の会議をシミュレーション
出欠状況次第で結論が変わりえたことを示す
役所の意思決定にも使われている
NHKにも取り上げられる注目度(筑波大 倉橋先生)
https://www3.nhk.or.jp/news/html/20200220/k10012294081000.html
11
注:COVID-19ではエージェントではないシミュレーションのほうが多い
例) 西浦モデル、東京大学藤井・仲田モデル
(内閣官房新型コロナウイルス感染症等対策推進室の資料↓に詳しい)
https://www.covid19-ai.jp/ja-jp/presentation/advisory-board/covid-19-ai/
https://doi.org/10.1527/tjsai.D-K28
(和文速報論文)
https://archive.md/uUuwa
https://jww.iss.u-tokyo.ac.jp/publishments/books/2012/hoshiro_2012_03.html
COVID-19対応でも
http://www.mlit.go.jp/toshi/toshi_gairo_tk_000052.html
https://www.washingtonpost.com/graphics/2020/world/corona-simulator/
https://www.washingtonpost.com/graphics/2020/health/corona-simulation-japanese/
(日本語版)
新聞記者自らがシミュレーション
↑ ステイホームの必要性の解説に必要だった
モデルは単純であり得ない設定だが、
だからこそ本質的なプロセスが理解できる
想定された津波からの避難:シミュレーションを見て議論、避難をあきらめていた人をやる気に
予測精度を追求するのではなく、
プロセスを見せて議論を提供する
シミュレーションのプロセスを見ることにより
議論が深まり、新たな助かる方法を生み出す
https://news.yahoo.co.jp/articles/07955a2e9dbae92849c8c43b9f1b56e0bd10c529
12
(論文)http://id.nii.ac.jp/1001/00101155/
https://www.nhk-book.co.jp/detail/000000885122017.html
第2章に住民たちとシミュレーションを使った
議論の推移などが書かれています
高知県黒潮町は予想される南海トラフの地震で
最も高い津波が想定されている(34.4m)
これが発表された2012年当時、多くのメディアが殺到
当時の住民のアンケートからシミュレーションした結果、多
くの人が助からないことが分かった
しかし、ある交差点で地震発生から10分経っていなけれ
ば山へ、経っていればタワーに逃げると多くの人が助かるこ
とが分かった → 住民はあきらめなくなった
山に行く途中の道が危険であるという発見
(今では避難タワーが増えたようなのでもっと良い避難計
画になっていると思います)
(2017年完成のタワー)
http://yama-ken.jp/日本一の津波避難タワー完成!/
具体例:実際に制度・規制変更
実務・社会の動きも交えて
13
(1)他分野で活躍するエージェントシミュレーション
(2-1) 金融市場の基本性質の分析
(2)金融・経済におけるエージェントシミュレーション:人工市場
(2-2) 金融市場の制度設計 本題
(2-3) 自動取引の実験場
(2-4) 社会経済全体のシミュレーション
(3)人工市場による市場制度の設計事例:呼値の縮小
(4)市場制度設計における適切な人工市場モデル
エージェント
(投資家)
注文
価格決定
メカニズム
(取引所)
取引価格の
決定
人工市場モデルを用いたシミュレーションとは?
(金融市場のエージェントシミュレーション)
エージェント(架空の投資家)
+
価格決定メカニズム(架空の取引所)
実データが全く必要ない完全なコンピュータシミュレーション
計算機上に人工的に作られた架空の市場
これまでに導入されたことがない金融市場の制度やルールも議論できる
その純粋な影響を抽出できる
14
Multi-Agent Simulation (マルチ・エージェント・シミュレーション)
⇒ Agentがとても多くheterogeneous
Agent-Based Model (エージェント・ベースド・モデル)
⇒ Agentが数個程度でhomogeneousの場合も含む
→ 英語論文を探すときはこの単語が一番よさそう
Artificial Market: 人工市場
⇒ Agent-Based Modelで金融市場をシミュレーション
Agent-Based Model, Multi-Agent Simulation, Artificial Market
各種言葉が表す領域(人によってけっこう使い方が違うが、、)
15
複雑系の勃興時に研究が始まった
16
Takayasu, H., Miura, H., Hirabayashi, T., and Hamada, K.: Statistical properties of deterministic threshold elements
- the case of market price, Physica A: Statistical Mechanics and its Applications, Vol. 184, No. 1, pp. 127, 1992
スタイライズドファクトを再現
恐らく1990年代から行われている
価格の騰落(リターン)の頻度分布は正規分布をしたおらず、裾が厚い
リターンの2乗の自己相関はゼロではない、ラグが大きくなるとゼロに近づく
バブルの発生メカニズム
Lux, T. and Marchesi, M.: Scaling and criticality in a stochastic multi-agent model of a financial market,
Nature, Vol. 397, No. February, pp. 498, 1999
実証研究で知られているスタイライズドファクトを再現するための最小限の
エージェント(投資家)の特徴は何か?追求する
いずれも、効率的市場仮説が否定するテクニカル戦略のエージェントが必要との結論
Izumi, K. and Okatsu, T.: An artificial market analysis of exchange rate dynamics, Evolutionary Programming V, pp. 27, 1996
どういうときにバブルが発生するのか?メカニズム、エージェントの特徴
Arthur, W., Durlauf, S., Lane, D., and Program, S. E.: Asset pricing under endogenous expectations in an artificial stock
market, The economy as an evolving complex system II, pp. 15, Addison-Wesley Reading, MA, 1997
歴史あるテーマだが、これらは今でも重要なテーマ いずれも、予測や細かい再現を目的としていない
プラットフォームモデル
PlhamJ: 和泉研作成: https://github.com/plham/plhamJ
例えば、
U-Mart: Kita, et al. : Realistic Simulation of Financial Markets, Springer, 2016
人工市場*2
Stylized Factsを再現
テクニカル(順張り)
エージェント
必要
ファンダメンタル
エージェント
アンケート調査や
実証研究*1
ファンダメンタル戦略・テクニカル戦略の2つに集約された
不要
主要な
戦略
効率的市場仮説
行動経済学
人への実験
人間の
基本特性
株式の定義
全部買えば利益は
全て自分のもの
いない
ハズ
これのみ
いるハズ
不要な場合も 絶対必要
幅はあるが
存在
17
*1 Menkhoff, L. and Taylor, M. P. (2007): The Obstinate Passion of Foreign Exchange Professionals: Technical Analysis, Journal of Economic Literature
Yamamoto, R. (2021): Predictor Choice, Investor Types, and the Price Impact of Trades on the Tokyo Stock Exchange, Computational Economics
https://arxiv.org/abs/1906.06000
*2 Lux, T. and Marchesi, M.(1999) Scaling and criticality in a stochastic multi-agent model of a financial market, Nature
被験者を使った実験市場でもエージェントモデルの妥当性が
確認されている
18
https://www.coronasha.co.jp/np/isbn/9784339028164/
被験者を使った実験市場の結果にあうような人工市場シミュレーションを試みた
ファンダメンタル戦略、順張り戦略をモデルに用いて、パラメータ調整すると、
実験市場の結果とよくあった
実験市場についてよくまとまった本
Haruvy and Noussair (2006): The Effect of Short Selling on Bubbles and Crashes in Experimental Spot Asset Markets
https://doi.org/10.1111/j.1540-6261.2006.00868.x
上記は数少ない常に成立するもの
ただし、定量的には時により差がある
実証研究との一致はいろいろ議論があるものの、、、
★金融市場においてどのような状況でも存在
(1)ファットテール
価格の騰落率の分布が正規分布に比べ裾が厚い
→ 暴騰・暴落が正規分布で予想されるより多い
(Mandelbrot 1963等多数)
尖度: 1~100程度と値には幅がある
(2)ボラティリティ・クラスタリング
価格の騰落率の2乗が大きなラグでも自己相関をもつ
→ 市場が荒れだすと持続する
(Mandelbrot 1972等多数)
短いラグで0.1~0.2程度、ラグが長くなると急激に減少
ゼロに近づくもののマイナスにはならない(プラスを維持)
値には幅あり
⇒
19
(Sewell 2011)
http://finance.martinsewell.com/stylized-facts/
特定の法則が維持される”斉一性原理”(せいいつせい)が、
長い時間スケールであるほど成り立っていない
これ以上あわせに行っても意味がない
投資戦略の最適化の不安定性による金融市場の不安定性
20
投資家自身の売買によって価格を変化さ
せてしまうこと(マーケットインパクト)をバック
テストを用いたパラメータ最適化時に考慮
できないため、パラメータが定まらないことを
議論
→ 自身の売買のインパクトのせいで
自身の最適な戦略が定まらない
https://doi.org/10.11517/jsaisigtwo.2022.FIN-029_01
金融市場は本質的に,合理的に投資戦略を選定する場合でも,特定の投資戦略のパラメータには達することができ
ない性質をもっている.そのときは合理的な投資戦略を選択したとしても,その投資戦略が価格時系列を変更し,合
理的な投資戦略が変わり,と繰り返されるから.
このような予測不能な動きとなるパラメータに基づいた投資戦略によって生み出された市場価格の時系列が,予測可
能であったり規則性が安定的に存在したりするとは考えにくい.規則性の不安定性は,価格時系列を数理モデル化する
際の大前提である斉一性原理をも疑わせ,価格時系列の数理モデル化の難しさを示すものであると考えられる.
最適な投資戦略を
過去の価格時系列上で
探す
投資戦略の
実行
最適な
投資戦略が
変わる
特定の投資戦略に到達しない
投資戦略の最適化は安定しない
価格時系列が
変わる
金融市場は投資家が全員合理的
だったとしても本質的に不安定
2022年の私の研究
具体例:実際に制度・規制変更
実務・社会の動きも交えて
21
(1)他分野で活躍するエージェントシミュレーション
(2-1) 金融市場の基本性質の分析
(2)金融・経済におけるエージェントシミュレーション:人工市場
(2-2) 金融市場の制度設計 本題
(2-3) 自動取引の実験場
(2-4) 社会経済全体のシミュレーション
(3)人工市場による市場制度の設計事例:呼値の縮小
(4)市場制度設計における適切な人工市場モデル
差し迫った課題を議論しなければならない実務家に浸透
東京証券取引所の親会社、日本取引所グループ(JPX)が発行
40本中、実に12本が人工市場を用いた研究(2022年末現在)
呼値(後ほど紹介)、高速取引の影響、取引所の高速化、バッチオークション、
自己資本規制やVaRの影響など
https://www.jpx.co.jp/corporate/research-study/working-paper/index.html
JPXワーキングペーパー
規制当局(金融庁)、中央銀行(日本銀行)、証券取引所(東証,JPX)
22
その他にも、空売り規制、値幅制限、ダークプール、信用分散規制、水平株式保有、などが調べられている
金融市場の制度設計に使われ始めた人工市場, スパークスレポート https://www.sparx.co.jp/report/special/3215.html
私の専門分野
呼値の事例を後ほど紹介
これまでにない制度によってどういうことが”起こりえるか”を調べる
“あり得る”メカニズムを見つけておく、”あり得る”副作用を見つけておく
予測や細かい再現を目的としていない
23
その他に調べられたこと 水田孝信 「金融市場の制度設計に使われ始めた人工市場」, 2021, スパークス・アセット・マネジメント
https://www.sparx.co.jp/report/special/3215.html
空売り規制と値幅制限
空売りが完全に禁止された場合だけでなく、日本では2013年に廃止に
なった空売りの際の価格規制も、市場を非効率なものとし、価格を引き上
げ、場合によってはバブルを誘発することが分かりました。
ダークプール
ダークプールは市場を安定化させ、マーケットインパクトを低減させる効果を
もつことが示唆示されました。しかし、ダークプールでの取引が多くなりすぎる
と、つまり普及しすぎると市場の効率性が著しく低下することを示しました。
暴落後の反発やボラティリティクラスタリングのメカニズムの解明
ファンダメンタルが急激に悪化してその企業の株価が暴落した直後に、反
発がよくあることが知られています。これはオーバリアクションのためだと考えら
れていることもありますが、人工市場で分析すると、投資家の予想株価にば
らつきがあり、需給に偏りがあれば、この反発は起こることが分かりました。
高速取引の影響
高速取引の多くはマーケットメイク戦略と言われていますが、このマーケット
メイク戦略が存在する取引所と存在しない取引所を人工市場内に用意し
て取引量の変化を調べました。その結果、この戦略が存在する取引所の取
引が増えました。
取引所の高速化
どれくらいレイテンシーが短ければ良いのかを人工市場を用いて調べました。
その結果、平均的な注文の到着間隔よりもレイテンシーが短ければ、市場
効率性やボラティリティなどに影響を与えないことが分かりました。
バッチオークション
ザラバとバッチオークションのどちらが売買量が多くなるか調べたところ、ザラバ
の方が売買量が多くなりました。
忍耐強いアクティブ運用の市場効率化への貢献
忍耐強いアクティブ運用はまれに起こる、市場価格が企業価値に即した
適正な価格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
ることが示されました。
水平株式保有
パッシブ運用の増加が企業間競争と市場価格へ与える影響を分析しまし
た。その結果、パッシブ運用の割合がさほど大きくなくても、競争を阻害する
可能性を示しました。
見せ玉
板上に平均的に存在する最良気配付近の指値注文数より多くの株数の
見せ玉を見せれば、不公正な利益が得られるだけでなく、価格形成に悪影
響を与え、株価変動が大きくなり、市場が非効率となることが分かりました。
新しい投資戦略が既存の投資戦略の利益を奪い取るか?
CTA・短期順張りともに、お互いがいたほうが戦略を実行するチャンスが多
くなり、むしろ利益を獲得していることが分かりました。
分散投資規制
何らかの理由でファンダメンタル価格が急上昇した銘柄を投資信託が上限
近くまで持っていた場合に、時価の上昇で上限を越さないように売る必要が
生じ、ファンダメンタル価格への収束を妨げる場合があることを示しました。
レバレッジドETF
リバランス取引の市場価格へ与える影響を調べました。その結果、レバレッ
ジドETFの規模が大きいほど影響は大きく、通常時のボラティリティよりも大
きいマーケットインパクトを与えるまでになると、市場価格への影響が特に顕
著になることが分かりました。
流動性への影響
取引量と板の厚さは関係のない指標であり、流動性の量を示す取引量、
質を示す板の厚さといった、流動性にもいくつか種類があることが示されまし
た。
取引手数料のメイカー・テイカー制(リベート制)
メイカーとなるマーケットメイク戦略が注文する指値の売り買い価格差が、
平均的な最良売り・買い気配の差より小さくできるくらいリベートを提供すれ
ば、テイカーの執行コストは低下する一方、それ以下のリベートの場合はか
えって執行コストは上昇してしまうことが分かりました。
高度なお金と物の交換で協力しあう
他の動物を凌駕する文明
協力 & 競争
人類
社会を破壊?
うまく設計されたときのみ、うまく機能する
金融
市場
人類発展に
必要不可欠な道具
よい物・よいサービス
規制の無い
自由な競争が良い?
市場の設計をうまく行う = 難しいけど社会発展に非常に重要
物理学者や生物学者が研究してきた
システムと同じくらい複雑で高度
そうではなくて
24
複雑系をなす、まさにシミュレーションを必要とする分野
金融市場の制度設計の重要性
ジョン・マクミラン「市場を創る」, 2002年(原著) https://www.keio-up.co.jp/np/isbn/9784766427837/
神は細部に宿る
神は細部に宿る
タイタニック号沈没の3年後*、乗客分の救命ボートを備えることを求める国際
海洋救命条約が成立して、米国は同基準を国内航路にも適用したが、五
大湖の遊覧船(イーストランド号*)が救命ボートの重みで沈没し、多くの*犠
牲者が出た
規制を作った当初、予想していなかった副作用
森信親 金融庁長官(当時), 2015年、香港での講演より
(金融規制を強化する欧米を批判)
複雑系:予期せぬ結果を招く
25
複雑系である金融市場の制度設計の難しさを示す例え話
森信親 金融庁長官(当時), 2015, “Rethinking Regulatory Reforms”, the 6th Annual Pan Asian Regulatory Summit, Hong Kong
https://www.fsa.go.jp/common/conference/danwa/20151013/01.pdf
(当会の他の方の講演の模様)
140名の医者が患者を取り囲み、症状ごとに別の強い薬を注射したら、
患者はどうなるだろうか
https://commons.wikimedia.org/wiki/
File:Eastland_disaster_port_side.jpg#/
media/File:Eastland_disaster_port_side.jpg
*水田修正
金融安定理事会など国際機関に計140の部会が設けられ、それぞれ新規
制を設計したり、実施状況を監視したりしていることの比喩
部分最適でも全体にどういう影響を及ぼすか分からない
複雑系:部分の単純な足し算が全体とはならない
和訳の参照:永見野良蔵 金融国際審議官(当時), 2018, 日本金融学会
https://www.fsa.go.jp/common/conference/danwa/2018/20180526.pdf
世界を救うかもしれない金融市場のうまい設計:レバレッジ規制
26
遠因・根本原因
1939年 第二次世界大戦
1929年 世界大恐慌
レバレッジ10倍
(借金して元手の10倍の株を買う)の
個人投資家の取引
うまくない設計
遠因・根本原因 もし禁止していたら?
????
神は細部に宿る
金融の失敗は実社会に大きな影響を与える
金融危機は、財政危機、実経済の危機などよりも深刻
金融市場のうまい設計こそが世界を救うという気持ちで研究してます
もし恐慌がもっと弱かったら
?????
27
よく分からないので
とりあえず売却
30%超の下落
ヨーロッパのA銀行
信用不安が広がる
うまくない設計?
売りたくても売れない
10%程度の下落で済む
神は細部に宿る 金融危機の始まりを防げるかもしれない
何事もなく信用不安が回復
世界を救うかもしれない金融市場のうまい設計:値幅制限
現実:値幅制限(ストップ安)なし もし値幅制限(ストップ安)があれば
もう売っちゃったし
買い戻すほどでもない
政府より救済の用意あるとアナウンス
ならば売らないという判断
株価下落による信用不安の拡散
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
制度設計に用いる人工市場モデル
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・ルールを再現する必要がある
調査対象の制度を
正確にモデル化
28
具体例:実際に制度・規制変更
実務・社会の動きも交えて
29
(1)他分野で活躍するエージェントシミュレーション
(2-1) 金融市場の基本性質の分析
(2)金融・経済におけるエージェントシミュレーション:人工市場
(2-2) 金融市場の制度設計 本題
(2-3) 自動取引の実験場
(2-4) 社会経済全体のシミュレーション
(3)人工市場による市場制度の設計事例:呼値の縮小
(4)市場制度設計における適切な人工市場モデル
現在の注文環境であり得そうな注文を生成する
→ 全く経験のない環境は不得 → 制度設計には向かない
→ 投資家種別ごとの相互作用によるメカニズムなどは分析できない
自動取引の実験場:AIが注文データを生成(Synthetic Data for AI in Finance)
世界的な銀行大手 JP Morganがスポンサーの国際学術会議 https://ai-finance.org/
ACM International Conference on AI in Finance(ICAIF) で多く発表されている
30
World Agent :データの学習を行い現実的な注文データを生成
Experimental Agent:実験したい投資戦略をのせる
この2体だけ:Experimentalがどのような成績になるか実験する
アルゴリズム取引の戦略評価に使おうとしている
短い時間スケール(秒以下)なら注文状況(板の状況)に再現性ある
↑ 人間の手で行えないので機械化されている時間スケール
・ 高速取引:高速であることを生かして利益を狙う(高速化のため戦略は単純化)
・ 執行アルゴリズム取引:手の内を知られないように注文を自動的に小口に分ける
良くも悪くもエージェントに全く前提を置かず
大量のデータから現実的な注文を推定して生成
2022年は”Synthetic Data for AI in Finance”というワークショップもあった
https://sites.google.com/view/icaif-synthetic/home
Coletta 2022 https://doi.org/10.1145/3533271.3561753
Coletta 2021 https://doi.org/10.1145/3490354.3494411
まだまだ実用化までは遠い感じも進歩は早い
31
Coletta 2022 https://doi.org/10.1145/3533271.3561753
2021では再現できていなかった
恒久的なマーケットインパクトも平均的には再現
ただブレが大きく、平均回帰が行き過ぎて下落に転じるケースも
執行アルゴリズム(大口の注文を自動的に小分けにして発注)の
シミュレーション:灰色の部分が買い注文を出した領域
とはいえ何が正解かわからない問題のため
精度向上は簡単ではない
執行アルゴリズム取引を実験する
同様な生成器
Li 2020, AAAI https://doi.org/10.1609/aaai.v34i01.5415
その他にも、
HFTのマーケットメイカー戦略に焦点をあてた生成器
Hirano 2021, https://doi.org/10.1007/978-3-030-69322-0_1
執行アルゴ(買い)
発動期間
ICAIF 2022(2022年11月にニューヨークとオンラインで開催)で
発表された最新の研究
リターンを狙うアルゴを人工市場で実験
Nagy 2023, https://arxiv.org/abs/2301.08688
32
第4回金融資本市場のあり方に関する産官学フォーラム
(2019/2/22)基調報告(3)
http://www.pp.u-tokyo.ac.jp/CMPP/forum/2019-02-22/
人工知能が勝手に不正取引をしたら法的責任は?
日本銀行金融研究所「アルゴリズム・AIの利用を巡る法律問題研究会」報告書 (2018/9/11)
https://www.boj.or.jp/announcements/release_2018/rel180911a.htm/
(参考文献)
水田孝信 「人工知能が不公正取引を行ったら誰の責任か?」, 2020
スパークス・アセット・マネジメント
https://www.sparx.co.jp/report/special/3071.html
人工知能は相場操縦という不正な取引を勝手に行うか?
―遺伝的アルゴリズムが人工市場シミュレーションで学習する場合―
○AIトレーダーが勝手に相場操縦をするかどうかをコンピュータシ
ミュレーションで実験 → する場合があることが分かった
○ここでいう”勝手に”とは、AIトレーダーの作成者・使用者が、相
場操縦するつもりがなかったとしても、AIトレーダーが学習の中で、
相場操縦を最適な取引戦略として見つけ出し、実行すること
○現在の日本の法律では(アメリカでも同様)、AIトレーダーの
作成者・使用者が相場操縦を意図していない場合、刑事責任を問
えない
○このままだと、「AIが勝手にやった」と言い逃れする人が現れる
ため、規制を強化する必要がある、と結論付けた
予稿 https://doi.org/10.11517/pjsai.JSAI2020.0_2L5GS1305
プレゼン資料 https://mizutatakanobu.com/202006.pdf
プレゼン動画 https://youtu.be/tqaeTA2MfDg
AIを使った自動取引は自律性を持ち得るのか、市場にどんな問題が発生し
うるのか、現在の法体系の問題点などを論じた論文
Azzutti et al., Machine Learning, Market Manipulation and Collusion on
Capital Markets: Why the 'Black Box' matters
https://doi.org/10.2139/ssrn.3788872
具体例:実際に制度・規制変更
実務・社会の動きも交えて
33
(1)他分野で活躍するエージェントシミュレーション
(2-1) 金融市場の基本性質の分析
(2)金融・経済におけるエージェントシミュレーション:人工市場
(2-2) 金融市場の制度設計 本題
(2-3) 自動取引の実験場
(2-4) 社会経済全体のシミュレーション
(3)人工市場による市場制度の設計事例:呼値の縮小
(4)市場制度設計における適切な人工市場モデル
Farmer and Foley (2009), Nature https://www.nature.com/articles/460685a
NATUREやSCIENCEに,人工市場に期待をかける記事
Battiston et al. (2016), Science https://science.sciencemag.org/content/351/6275/818
経済理論の終焉 金融危機はこうして起こる, 2019/1
https://www.panrolling.com/books/wb/wb273.html
標準的な経済学を否定し、
人工市場を絶賛
金融危機は人工市場でしか扱えない!
という勢いだが、ちょっと言いすぎ
リチャード・ブックステーバー
投資銀行や大手ヘッジファンドでリスク管理の責任
者を務めたのち、米国財務省を経て、現在はカリ
フォルニア大学で教鞭をとっている。『市場リスク
――暴落は必然か』の著者。
34
ECB総裁講演でも取り上げられる
https://www.ecb.europa.eu/press/key/date/2010/html/sp101118.en.html
ヨーロッパ中央銀行(ECB)総裁だったトリシェが効率的市場仮説に基づく
金融理論が、金融危機中の政策決定に関してほとんど役に立たなったと述
べ、エージェントシミュレーション(広い意味で人工市場)などが金融政策に
貢献することを期待していると述べた講演
これまでの経済学ではリーマンショックを分析・対応できなかったという批判
→ 人工市場(エージェント・ベースド・モデル)ならできることある・期待
大きな期待!!
投資家だけでなく、企業、銀行、中央銀行、政府、労働市場など、さまざまな市場をモデル化し、
結合することで、財政政策、金融政策、経済・金融危機などの分析を行うことを目標
前述までの金融市場だけのモデルに比べ需要はさらに大きいものの、困難も大きい
モデルの規模が大きくなり、実務家が試したいことを試せるようになるまでの道のりが、さらに長い
まだまだ研究者が少ない
社会経済全体をモデル化した人工市場、人工社会
35
財政政策や金融政策、金融危機のメカニズムなどを
議論するため、社会経済全体をモデル化した人工
市場、人工社会、マクロ経済シミュレーターとも
例えば、この研究は、政府や企業、銀行などの各経
済主体の財務諸表の動きを簿記の仕訳から実装
これらの研究の発展により、金融政策がシミュレー
ション結果を参考にしながら決められたり、国政選挙
では各政党が財政政策のシミュレーション結果を出
し合って論争をしたりする日は近いかもしれない
最近の研究として、
Guerini et. al., “Unconventional monetary policies in an agent-based model
with mark-to-market standards”, Review of Evolutionary Political Economy, 2022,
https://doi.org/10.1007/s43253-022-00065-8
レビューとして、
Gallegati et. al., “Introduction to Agent-Based Economics”, Elsevier, 2017,
https://doi.org/10.1016/C2015-0-00736-5
Ogibayashi, “Model Structure of Agent-Based Artificial Economic
System Responsible for Reproducing Fundamental Economic Behavior
of Goods Market”, Springer Nature, 2022,
https://doi.org/10.1007/978-981-19-0937-5_4
高島幸成、“ABMによるマクロ経済基本挙動再現の為のモデル構造に関する研究”、
博士論文、千葉工業大学大学院社会システム科学研究科、2013
http://id.nii.ac.jp/1196/00000044/
モデルの例
具体例:実際に制度・規制変更
実務・社会の動きも交えて
36
(1)他分野で活躍するエージェントシミュレーション
(2-1) 金融市場の基本性質の分析
(2)金融・経済におけるエージェントシミュレーション:人工市場
(2-2) 金融市場の制度設計 本題
(2-3) 自動取引の実験場
(2-4) 社会経済全体のシミュレーション
(3)人工市場による市場制度の設計事例:呼値の縮小
(4)市場制度設計における適切な人工市場モデル
PTSとの競争は“呼値”が重要な要素の1つ
証券会社などが独自運営する私設取引所(PTS):ジャパンネクスト証券、Cboeジャパン、大阪デジタルエクスチェンジ
→ 東証の経営にとっても無視できない売買代金シェア
↑東証もPTSも売買代金に比例した手数料が主な売上
伝統的取引所と私設取引所(PTS)の競争
37
呼値が大きすぎると騰落率が比較的大きい
⇒ 投資家が困る ⇒ 他の取引所で取引 ⇒ 取引量シェアが移る
マルチエージェントによる金融市場のシミュレーション, 2020/9
https://www.coronasha.co.jp/np/isbn/9784339028225/
2011年ころからPTSがシェアを奪ってきた
89
90
91
92
93
94
95
9:00
10:00
11:00
13:00
14:00
15:00
取引価格
時刻 (時:分)
呼値1円
呼値0.1円(10銭)
2011~2012 東京証券取引所の一部の方々が
人工知能学会ファイナンスにおける人工知能応用研究会(SIG-FIN)に出入り
2012/12 東京証券取引所と東京大学工学系研究科が共同研究開始を発表
2013/1/30 JPX(日本取引所グループ)ワーキングペーパー Vol.2 (2013年1月30日)
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
共同研究第一弾として社長記者会見でも触れられる
2013/3/19 人工知能学会ファイナンスにおける人工知能応用研究会
東京証券取引所で開催、招待講演にて上記研究を発表
2013/3/29 JPX社長記者会見:呼値を細かくすることを発表
日経新聞朝刊の一面記事に
2014/7/22 一部の銘柄で10銭(0.1円)刻みの注文が可能に
2015/9/24 ごく一部の銘柄で呼値を拡大
呼値縮小に関する共同研究の推移
https://www.jpx.co.jp/corporate/research-study/working-paper/index.html
38
continuous double auction(ザラバ)
価格決定メカニズム:現実と同じように複雑
調査対象の制度やルール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
39
売り 注文 買い
注文数量 価格 注文数量
10 103
30 102
101
50 100
130 99
98 150
97
96 70
対当する注文があると即座に売買成立
ここに買い注文を入れると
即座に売買成立
ここに売り注文を入れると
即座に売買成立
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
取引所A 取引所B
呼値のみ異なる取引所A、Bで
どのように出来高シェアが移り変わるかを分析
取引所A: 初期の取引量シェア 90%、呼値大きい
取引所B: 初期の取引量シェア 10%、呼値小さい
人工市場のモデル
40
どちらの取引所に注文をだすか?
取引所
A
売り 価格 買い
84 101
176 100
99 204
98 77
取引所
B
売り 価格 買い
1 99.2
2 99.1
99.0 3
98.8 1
(1) 98円の買い: 取引量シェアに応じた確率でAかBを決める
(2) 99.1円の買い: 取引所B ← 99.1円で即座に買えるため
(3) 100円の買い: 取引所B ← 99.1円で即座に買えるため
(2)、(3)によりシェアを伸ばすことが可能
41
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(順張り)
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(順番に注文)
t: 時刻(ティック時刻)
𝑟𝑒,𝑗
𝑡
=
1
σ𝑖 𝑤𝑖,𝑗
𝑤1,𝑗 log
𝑃𝑓
𝑃𝑡−1
+ 𝑤2,𝑗 log
𝑃𝑡−1
𝑃𝑡−𝜏𝑗
+ 𝑤3,𝑗𝜀𝑗
𝑡
𝑃𝑡
𝑃𝑓
𝑤𝑖,𝑗 𝜏𝑗
𝑤𝑖,𝑗
𝜏𝑗
𝜀𝑡
𝑗
𝑃𝑡
𝑒,𝑗 = 𝑃𝑡 exp( 𝑟𝑡
𝑒,𝑗)
42
1000体
i=1,3: 0~1
i=2: 0~10
0~1000
エージェント
取引価格帯を定めるために
便宜上加えた項
統計的性質を再現するために
最小限必要な項
エージェントの多様性確保と
シミュレーションの安定性のため
[Chiarella2002]を発展
↑ ザラバかつstylized factを再現する中で
可能な限りシンプルなエージェントモデル
ファンダメンタル戦略
ファンダメンタル価格 > 市場価格 ⇒ 上がると予想
ファンダメンタル価格 < 市場価格 ⇒ 下がると予想
テクニカル戦略
過去リターン > 0 ⇒ 上がると予想
過去リターン < 0 ⇒ 下がると予想
テクニカル
ファンダメンタル
ファンダメンタル
価格
市場
価格
43
ノーマルエージェントのファンダメンタル戦略とテクニカル戦略
注文価格 正規分布
乱数で決定
価格
売り(1単位)
買い(1単位)
実際のザラバの注文状況を再現するため
⇒ 多くの待機している注文(指値注文)が存在
↑高い価格で多くの売り注文、安い価格で多くの買い注文
売り買いの決定
注文価格の散らばせ方
𝑃𝑡
𝑒,𝑗 = 𝑃𝑡
exp( 𝑟𝑡
𝑒,𝑗)
𝑃𝑡
𝑃𝑡
𝑜,𝑗
𝑃𝑡
𝑒,𝑗 + 𝑃𝑑
𝑃𝑡
𝑒,𝑗 − 𝑃𝑑
44
呼値に差があるとシェアが移り変わる
横軸は2年間 ⇔ 米国で起きた時間スケールに近い
ただし、呼値の絶対水準が小さいと、呼値に差があってもシェアを奪えない
呼値に差がある時:通常の絶対水準の場合と、小さすぎる場合
45
2年程度で支配的地位から陥落
米国におけるニューヨーク証券取引所のシェア
https://www.fsa.go.jp/frtc/seika/discussion/2013/01.pdf
清水葉子, 金融庁金融研究センター ディスカッションペーパー 2013年5月
46
500営業日後の取引所Aの取引量シェア
取引所A
500営業日後シェア
取引所B 呼値 ⊿PB
0.0001% 0.0002% 0.0005% 0.001% 0.002% 0.005% 0.01% 0.02% 0.05% 0.1% 0.2%
取引所A
呼値⊿PA
0.0001% 90% 90% 91% 91% 92% 94% 97% 99% 100% 100% 100%
0.0002% 90% 90% 90% 91% 91% 94% 97% 99% 100% 100% 100%
0.0005% 89% 90% 91% 91% 92% 94% 96% 99% 100% 100% 100%
0.001% 89% 89% 90% 90% 92% 94% 97% 99% 100% 100% 100%
0.002% 87% 88% 89% 89% 91% 93% 97% 99% 100% 100% 100%
0.005% 84% 85% 85% 84% 87% 92% 96% 99% 100% 100% 100%
0.01% 75% 76% 76% 77% 78% 83% 92% 98% 100% 100% 100%
0.02% 53% 52% 53% 54% 54% 59% 70% 93% 100% 100% 100%
0.05% 5% 5% 4% 5% 5% 5% 6% 23% 93% 100% 100%
0.1% 0% 0% 0% 0% 0% 0% 0% 0% 0% 94% 100%
0.2% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 96%
> ⊿PA
t

or
取引場間シェアが
移り変わらない条件
⊿PB>⊿PA
%
05
.
0
=
t
 騰落率の標準偏差:ボラティリティ
キーパラメーター
47
48
⊿PA,σt とPTSの出来高シェアの関係
2012年の実証データ
0.01%
0.10%
1.00%
10.00%
100.00%
0.01%
0.10%
1.00%
10.00%
⊿P
σt
0%
3%
6%
9%
12%
PTS
出来高シェア
σt (左軸)
σt=0.05%
PTS出来高シェア (右軸)
0.05%
実際のデータ
呼値により価格形成が阻害されている領域の発見
↑取引所制定の制度で価格形成を規定しているという問題発見
価格形成の阻害と出来高シェアの関係性を発見 48
時間
取引場A
で取引でき
ない領域
取引
価格
取引所Aの出番がない → 取引所Bの高い約定率
⇒ 取引所Bがシェアを奪う
時間
取引
価格
取引所B
の必要性
が薄い
⇒ シェアが動かない
取引所A
呼値
取引所A
呼値
< ⊿PA
t

> ⊿PA
t

49
・ 呼値が大きいままだとPTSに売買代金シェアを奪われる、その期間は2年程度
・ あまりにも小さい呼値の競争は意味がない可能性
・ 呼値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
・ 大きすぎる、小さすぎる、の具体的な水準(数値)を示唆
・ 取引所の制度設計に参考にされた(JPXワーキングペーパーとしても掲載)
現実の金融市場制度への示唆
2014年7月22日と18日(前営業日)
1円刻み 10銭刻み
50
その後、社会はどうなったか、、、、
さらに単純化したモデルにより解析的な分析がなされ、
整合的な結果が得られた
← 呼値の比ではなく差がシェアの
移る速さを決める
← 呼値の過当競争は意味がない
その後の研究の進展 • Nagumo, S. et. al.(2016), The effect of tick size on trading volume
share in three competing stock markets, Journal of Physics:
Conference Series, vol. 750,no.1.
https://doi.org/10.1088/1742-6596/750/1/012019
51
• Nagumo, S. et. al.(2017), The Effect of Tick Size on Trading Volume
Share in Two Competing Stock Markets, Journal of the Physical Society
of Japan, vol. 86,no.1. https://doi.org/10.7566/JPSJ.86.014801
https://www.nikkei.com/article/DGKKZO83727450W5A220C1DTA000/
株式の私設取引、売買シェア低下東証の刻み値縮小が響く
差別化難しく投資家離れ 2015/2/27 日本経済新聞
呼値が大きすぎる・小さすぎる
ティック・サイズ 0.01% ティック・サイズ 0.5%
0.3%
7.4%
0.5%
0.07%
株価
呼値の刻み
ティックサイズ
最小 最大 最小 最大
1 1,000 0.1 0.01% 10.00%
1,001 5,000 0.5 0.01% 0.05%
5,001 10,000 1 0.01% 0.02%
10,001 50,000 5 0.01% 0.05%
50,001 100,000 10 0.01% 0.02%
100,001 500,000 50 0.01% 0.05%
500,001 1,000,000 100 0.01% 0.02%
1,000,001 5,000,000 500 0.01% 0.05%
5,000,001 10,000,000 1,000 0.01% 0.02%
10,000,001 50,000,000 5,000 0.01% 0.05%
50,000,001 10,000 0.02%
52
一部の価格帯で戻すことに
米国:呼値拡大の議論があったが
新規上場企業が少ない原因のひとつ:呼値が小さすぎる?
拡大しないほうが良かった
53
実験してみることに、、、
https://www.jsri.or.jp/publish/report/pdf/1712/1712_02.pdf
具体例:実際に制度・規制変更
実務・社会の動きも交えて
54
(1)他分野で活躍するエージェントシミュレーション
(1-1) 金融市場の基本性質の分析
(2)金融・経済におけるエージェントシミュレーション:人工市場
(1-2) 金融市場の制度設計 本題
(1-3) 自動取引の実験場
(1-4) 社会経済全体のシミュレーション
(3)人工市場による市場制度の設計事例:呼値の縮小
(4)市場制度設計における適切な人工市場モデル
エージェントの振る舞い
ミクロプロセス
シミュレー
ション
価格時系列
マクロ現象
シンプルモデル
積み上げの結果
55
投資家の振る舞い
ミクロプロセス
価格時系列
マクロ現象
フィード
バック
精密な
モデリング
別々に
扱う
相互作用を
直接扱う
人工市場
金融市場は非常に複雑系のため、ミクロプロセス(投資家の行動)の
単純な足し算がマクロ現象(価格時系列)にならない
マクロとミクロの相互作用があるため、
マクロ現象とミクロプロセスをそれぞれ調べても
複雑系を理解できない。
相互作用を扱える!
相互作用を分析できる!
数理モデル
実証研究
精密な
モデリング
単純な足し算には
なっていない
複雑系を扱える強み
過去起きた現象 これから起きる現象
実証分析
人工市場
人工市場の得意とする範囲
56
これから起きる現象を取り扱えるのが長所だが、
これからも起こらない現象を取り扱ってしまう可能性があるのが短所
今の価格より
高く買ってくれる人が
多いに違いない
株を買う
予想に
確信を持つ
株価上昇
予想が実現
人工市場の得意とすること: ポジティブ・フィードバック(複雑系)1/2
Positive Feedback
予言の自己成就(実現)
自己強化プロセス
57
人工市場の得意とすること: ポジティブ・フィードバック(複雑系)2/2
実体経済・雇用
悪化
延滞率の上昇
住宅価格下落
ネガティブ・エク
イティ発生
プライム危機
GSE危機
MBS危機
商業銀行危機
サブプライム危機
=ABS-CDO危機
WaMu→JPモルガン
ワコビア→ウェルズ・ファーゴ
その他の商業銀行
カントリーワイド→BAC
ファニーメイ+フレディマック→更正手続
2008年9月以降の金融危機の構図
投資銀行の危機 B/S調整
(ディレバレッジ)
スパイラル I
証券価格の
下落
評価損の発生
メリルリンチ→BAC
ゴールドマン・サックス→銀行持株会社
モルガン・スタンレー→銀行持株会社
→MUFJの出資受入
リーマン→更正手続
→野村(欧州・中東・アジア太平洋)
→バークレイズ(北米)
AIG→政府管理下
カウンターパーティ
リスクの上昇
スパイラル II
空売りヘッジ
の急増
決済システムへの負担増
流動性危機 I
=ABCP(SIV)
危機
流動性危機 II
=レポ・貸株危機
保険危機
=CDS危機
モノライン危機
(出所) 各種資料より野村資本市場研究所作成
ベア→JPモルガン
野村資本市場研究所:サブプライム問題に端を発する金融危機の全貌, 資本市場クォータリー秋号付属資料 (2008)
58
ミクロ現象
(投資家行動)
マクロ現象
(価格変動)
行動経済学
実験経済学
経済脳科学
etc
実証研究
金融工学
マクロモデル
etc
人工市場
ミクロ・マクロ
相互作用の
メカニズム解明
エージェント
モデルの
妥当性
価格変動
(結果)の
妥当性
モデルの
妥当性
未知の環境を実験
人工市場の得意とすること: ミクロ・マクロ相互作用
59
調査対象に応じたモデルに必要な要素の特定
⇒ 調査内容によって良いモデルは異なる
(不要な要素の実装は知識獲得の妨げ)
実際に議論されている規制・ルールを分析・設計
規制・制度の議論に実務的に使える
知識の獲得を目指す
実際の議論で参考にされることを目指す
コロンブスの
たまご的な
気づき
過去の特定事象の再現は目的でない
60
他の手法と協力して、「市場をうまく設計する」という目的を果たす
定量的に正確な議論は目指してない
61
複雑な社会現象の原理的な理解を目指す
(例)シェリングモデル、ここで紹介した人工市場
→ シンプルなモデル、だが、メカニズムの理解、知識獲得
KISS(Keep It Simple Stupid)の原理(Axelrod, 1997)
Gilber(2008)によるエージェント・モデルに必要な複雑さの分類
高橋慎吾, 「社会シミュレーションと数理社会学の連携」,数理社会学事典, 2022
https://www.maruzen-publishing.co.jp/item/?book_no=304405
Abstract Model
特定の状況に限定された特定の現象を限りなく忠実に表現
(例)ある特定のビルの避難経路の検討、アルゴリズムの実験場としての人工市場?
→ 複雑で予測精度がある、具体的な施策検討できる、
普遍性はなく、メカニズム理解や知識獲得は不得意
Facsimile Model
上記2つの中間
Middle Range Model
Gilbert, 2008
https://doi.org/10.4135/9781412983259
右の本は、“モデル”に関わっている
すべての人に読んでほしいと思う。
そもそも“モデル”とは何なのか
どういう役割があるのかを考察
シミュレーションモデルの役割
科学とモデル シミュレーションの哲学 入門, 2017年
https://www.unp.or.jp/ISBN/ISBN978-4-8158-0872-3.html
この理解が不足しているため、
不毛な議論が陥ることがしばしば
特に経済学の世界で、
「シミュレーションモデルと
数理モデルの役割の違い」
に関する理解の欠如が顕著
シミュレーションモデルがどう役に
立つのかほとんど理解されてない
62
どちらの地図が分かりやすいか?
63
現実とは大きく異なるが、理解しやすい
迷子にならない
現実に近いが分かりにくい
迷子になる
理解したいことの本質以外は削り落としてモデル化
理解したいことが異なれば削り落とす部分も異なる
マイケル・ワイスバーグ「科学とモデル シミュレーションの哲学入門」, 2017年
http://www.unp.or.jp/ISBN/ISBN978-4-8158-0872-3.html
(左)品川シーズンテラス公式ホームページ( https://shinagawa-st.jp/access/train.html )より,
(右)Google mapより(画像 © 2020, CNES/Airbus, Digital Earth Technology, Maxar Technologies, Planet.com, The Geoinformation Group, 地図データ © 2020 Google)
細胞の本質(核、細胞質、細胞膜等で構成)を
学ぶためのモデル。この細胞は実際には1つも無い
現実の再現が目的ではない:細胞の教科書モデル
64
いろいろな種類の細胞モデル
上のモデルを見た後なら、違いを理解しやすい
(例:核の大きさ、位置で分類できる)
解剖生理をおもしろく学ぶ, 2015年
https://www.kango-roo.com/sn/k/view/1554
看護師試験レベル←もっと深く知る必要が
ある人向けモデル。中学生には混乱招く
細胞膜詳細←上のモデルにこれを書かれるとか
えって分かりにくい
中学理科まとめ https://rikamato.com/2017/11/28/2_20/
モデルの役割
投資家
Aさん
投資家
Bさん
投資家
Cさん
投資家
モデル
注目している現象に対して、
本質的な性質(行動・手続き)のみ継承
本質的な性質(行動・手続き)が、注目している現象に対して、
どのような役割を果たし、どのようにマクロに影響を与えているか理解する
投資家を理解するための
世界に一人もいない投資家
例:ファッションモデル:服を理解
モデルルーム:部屋を理解
投資家Aさん、Bさん、、、の再現が目的ではない、
投資家の本質を理解することが目的
注目している現象が違えば、
本質的な性質も異なり
モデルも異なる
注目している現象ごとに良いモデルは異なる
65
学生(#)と教授(@)が参加する立食パーティー
簡単な具体例:初期のエージェントシミュレーション
66
トーマス・シェリング「ミクロ動機とマクロ行動」, 2016年
http://www.keisoshobo.co.jp/book/b251669.html
ルール:
・ 自分の周り(8マス)に自分の同類が1/3より
多ければよい
・ 他方に囲まれた場合 どこかに移動
繰り返していくと、、、
修正ルール:
#:要求同類の人数1人増
@:1人減、繰り返していくと、、、
# # @ # @
# # # @ @ # @
# @ # @ #
@ # @ # @ # @
@ @ @ # @ @ @
# # # # @
# @ # @ # @
@ @ #
# # @ # #
# # # @ @ @ # #
# # @ @ @ #
# @ @ @ @ @
@ @ @ # @ @ @
@ # # # @ @ @
# # # #
@ @ #
# # # # @ @
# # # # @ @ @
# # # # @
@ # @ @ @ @
@ @ @ # @ @ @
# # @
@ # # # @
@ @ # # #
分離されてしまう
#の場所が狭くなる
「自分があまりにも少数派になりたくない」だけで
分離が起きる。積極的に「嫌い」なわけじゃない
この理由が分かることがシミュレーションの目的
現実の会場の最終配置を予測することは目的でない
配膳テーブルの位置とか、個々人の食べる量の違いとか、准教授は?とか、現実にこんな会場
ないとか、こんな単純な人いないとか、「この調査目的において」はどうでもよい。
むしろ「理由の理解」には邪魔になるだけ。
「知りたいこと」に応じてモデルを簡略化・複雑化することが大事
解説記事「多角形のたとえ話」
https://ncase.me/polygons-ja/
シミュレーションモデルの役割
投資家
Aさん
投資家
Bさん
投資家
Cさん
投資家
モデル
本質的な性質のみ継承
A国
株式市場
A国
債券市場
B国
株式市場
本質的な性質のみ再現
価格形成
(シミュレーション結果)
数理モデル
マクロモデル
ここのみ扱える 投資行動
(アルゴリズム)
注文突合せ
(アルゴリズムの集積)
ルール
変更
取引所
モデル
これらの
関係が
知りたい!
ミクロプロセス:投資行動、取引所ルール
マクロ現象:価格形成
の関係が知りたい
67
最後に:大きな期待がある一方、研究者が少ない、この分野
68
金融・経済分野の他手法の研究者からの理解を得られにくい
・ 経済学やファイナンスの人たちの中には,シミュレーションというだけで受け入れない人がいるのは事実
・ 経済学ではかつて,ゲーム理論ですら受け入れるのに相当な時間がかかったらしく,
同分野の文化的な側面もあるかもしれない
金融・経済分野以外のエージェントシミュレーションの研究者たちからも理解を得られにくい傾向
・ 投資家は常に他の投資家を出し抜こうと考えており,モデル化に使える安定した行動パターンがない
例えば,自動車エージェントの安全運転のような,こうすればみんなハッピーになるという行動様式が存在しない
・ そのため,モデルを複雑にしても追加で分かることはほどんどなく,きわめて包括的でシンプルな行動だけを
含んだエージェントモデルにならざるを得ない.
・ そのようなモデルでも重要なメカニズムの知見が得られるのであるが,
金融・経済分野以外のエージェントシミュレーション研究者たちからは,モデルは単純すぎるように見え,
予測もできないことに物足りなさを感じるようだ.
どこの学会に属したらいいか分からない:よりどころがない
・ 金融市場の制度設計の場合は当局や取引所関係者から多くの研究ニーズが寄せられていて,
数少ない理解者となっている ← 私はここ
・ ごく短い時間スケール(秒以下)の再現性を利用した分野は最近開拓されてきており,
学術的にも実務的にも興味を持たれ始めている
・ 金融・財政政策を分析する人工市場は,実務家が求めている結果を出すまでにモデル自体の議論を
まだ多くする必要がある段階であり,道のりが長すぎてよりどころがない.
一体、何が難しいのか?
少しずつ地道な普及活動をするしかない
まとめ(再掲)
69
2008年の金融危機以降、伝統的な経済学では複雑系であったこの金融危機を分析できてい
ないと批判し、金融・経済分野におけるエージェントシミュレーションである人工市場や人工経済な
どの複雑系科学をもっと活用すべきだという主張があらわれた。人工市場をもっと活用し伝統的な
経済学の弱点を補完すべきであることは確かだと思われる。
今回は、人工市場研究を簡単にレビューしたあと、人工市場による市場制度の設計の研究を
呼値変更という実際に行われた制度変更の事例を交えながら紹介した。金融市場は人類の発
展に必要不可欠な道具である。McMillan[2002]が述べたように、「物理学者や生物学者が研
究してきたシステムと同じくらい複雑で高度なもの」であるうえに、「うまく設計されたときのみ、うまく
機能する」、まさに複雑系である。人工市場は、これまでにない制度によってどういうことが”起こりえ
るか”を調べ“あり得る”メカニズムを見つけておく、”あり得る”副作用を見つけておく、という貢献がで
きる。特に、喫緊の課題として規制やルールを議論している実務家からの注目が高い。
人工市場の貢献はまだ始まったばかりで、研究者が全然足りていない。この分野は社会への重
要な貢献ができることは間違いないので、啓蒙活動を続けていきたい。今後、もっと多くの金融市
場の規制やルールが人工市場や人工社会で扱えるようになり、うまく金融市場を設計することに貢
献し、社会の発展につながっていけばと願っています。

More Related Content

PDF
人工市場による市場制度の設計
PDF
2020年度 経済物理学 金融ビッグデータと人工知能II 人工市場による市場制度の設計 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...
PDF
人工市場による市場制度の設計
PDF
人工知能の可能性と限界 ーこの5年間の発展ー
PDF
金融業界における人工知能、高速取引、人工市場による市場制度の設計
PDF
人工知能の可能性と限界
PDF
株式の高速取引と取引所の高速化
PDF
20180830 東京都中小企業診断士協会 中央支部 AI・人工知能研究会 人工知能の可能性と限界
人工市場による市場制度の設計
2020年度 経済物理学 金融ビッグデータと人工知能II 人工市場による市場制度の設計 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...
人工市場による市場制度の設計
人工知能の可能性と限界 ーこの5年間の発展ー
金融業界における人工知能、高速取引、人工市場による市場制度の設計
人工知能の可能性と限界
株式の高速取引と取引所の高速化
20180830 東京都中小企業診断士協会 中央支部 AI・人工知能研究会 人工知能の可能性と限界

Similar to 人工市場による市場制度の設計 (13)

PDF
人工知能の可能性と限界
PDF
MPTフォーラム 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~
PDF
金融資本市場論 第7講 テクノロジーの進化と金融資本市場
PDF
20180803
PDF
人工知能が変える投資の世界 人工知能はすでにここまで身近になっている
PDF
金融業界における人工知能と人工市場シミュレーションによる規制やルールの議論
PDF
2019/1/22 資産運用業界における人工知能と 人工市場シミュレーションを用いた金融市場の制度の議論
PDF
2018/1/18 トーマツ金融セミナー 運用業界が期待する人工知能
PDF
2017/9/19 東京都中小企業診断士協会 コンピュータ研究会 金融業界(特に証券業界)が期待する人工知能 スパークス・アセット・マネジメント株式会社 ...
PDF
2018/6/14 日本CFA協会セミナー 資産運用業界が期待する人工知能~業務の効率化と公正な市場の構築~ スパークス・アセット・マネジメント株式会社 ...
PDF
株式の高速取引と取引所の高速化
PDF
日本テクニカルアナリスト協会 セミナー 資産運用業界が期待する人工知能(AI) ~テクニカル分析の活用も踏まえて~ スパークス・アセット・マネジメント株式...
PDF
Sakai 20111203
人工知能の可能性と限界
MPTフォーラム 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~
金融資本市場論 第7講 テクノロジーの進化と金融資本市場
20180803
人工知能が変える投資の世界 人工知能はすでにここまで身近になっている
金融業界における人工知能と人工市場シミュレーションによる規制やルールの議論
2019/1/22 資産運用業界における人工知能と 人工市場シミュレーションを用いた金融市場の制度の議論
2018/1/18 トーマツ金融セミナー 運用業界が期待する人工知能
2017/9/19 東京都中小企業診断士協会 コンピュータ研究会 金融業界(特に証券業界)が期待する人工知能 スパークス・アセット・マネジメント株式会社 ...
2018/6/14 日本CFA協会セミナー 資産運用業界が期待する人工知能~業務の効率化と公正な市場の構築~ スパークス・アセット・マネジメント株式会社 ...
株式の高速取引と取引所の高速化
日本テクニカルアナリスト協会 セミナー 資産運用業界が期待する人工知能(AI) ~テクニカル分析の活用も踏まえて~ スパークス・アセット・マネジメント株式...
Sakai 20111203
Ad

More from Takanobu Mizuta (20)

PDF
人工市場シミュレーションによる 値幅制限とサーキットブレイカーの効果比較
PPTX
日本CFA協会アドボカシーウェビナー 資産運用業界における人工知能
PDF
Chapter 13 Artificial Intelligence (AI) for Financial Markets: A Good AI for ...
PDF
投資戦略の最適化の不安定性による金融市場の不安定性 -人工市場を用いた分析-
PDF
投資戦略の最適化の不安定性による金融市場の不安定性 -人工市場を用いた分析-
PDF
2022CIFEr
PDF
L'intelligence artificielle utilisée sur les marchés financiers
PDF
Artificial Intelligence Used in Financial Markets
PDF
投資戦略の最適化の不安定性による金融市場の不安定性 -人工市場を用いた分析-
PDF
金融・経済分野におけるマルチエージェントシステム ~ 簡単なレビュー ~
PDF
Zoom上にタイマーを表示させる
PDF
金融業界における人工知能 2022/1/17
PDF
人工市場による市場制度の設計
PDF
What is a Hight-Speed Trade? Why does a Stock Exchange Speed-Up?
PDF
新しい株式投資戦略は既存の戦略からリターンを奪うのか? ―人工市場によるシミュレーション分析―
PDF
人工市場による市場制度の設計
PDF
人工知能が相場操縦を勝手に行う可能性の検討 --遺伝的アルゴリズムが人工市場で学習する場合--
PDF
金融業界における人工知能
PDF
How Many Orders does a Spoofer Need? - Investigation by Agent-Based Model -
PDF
人工知能は相場操縦という不正な取引を勝手に行うか? ―遺伝的アルゴリズムが人工市場シミュレーションで学習する場合―
人工市場シミュレーションによる 値幅制限とサーキットブレイカーの効果比較
日本CFA協会アドボカシーウェビナー 資産運用業界における人工知能
Chapter 13 Artificial Intelligence (AI) for Financial Markets: A Good AI for ...
投資戦略の最適化の不安定性による金融市場の不安定性 -人工市場を用いた分析-
投資戦略の最適化の不安定性による金融市場の不安定性 -人工市場を用いた分析-
2022CIFEr
L'intelligence artificielle utilisée sur les marchés financiers
Artificial Intelligence Used in Financial Markets
投資戦略の最適化の不安定性による金融市場の不安定性 -人工市場を用いた分析-
金融・経済分野におけるマルチエージェントシステム ~ 簡単なレビュー ~
Zoom上にタイマーを表示させる
金融業界における人工知能 2022/1/17
人工市場による市場制度の設計
What is a Hight-Speed Trade? Why does a Stock Exchange Speed-Up?
新しい株式投資戦略は既存の戦略からリターンを奪うのか? ―人工市場によるシミュレーション分析―
人工市場による市場制度の設計
人工知能が相場操縦を勝手に行う可能性の検討 --遺伝的アルゴリズムが人工市場で学習する場合--
金融業界における人工知能
How Many Orders does a Spoofer Need? - Investigation by Agent-Based Model -
人工知能は相場操縦という不正な取引を勝手に行うか? ―遺伝的アルゴリズムが人工市場シミュレーションで学習する場合―
Ad

人工市場による市場制度の設計