第101回研究会

開催日：

2025年9月19日(金) 16:00-17:30

会場：

丸の内永楽ビルディング18階 東京都立大学 丸の内サテライトキャンパス
(Zoomでも同時配信します)

報告者：

クリストファー・ヒアン・アン・ティン 氏（Christopher Hian Ann Ting）
広島大学大学院先進理工系科学研究科（情報科学・データ科学分野）教授 (Professor at the School of Informatics and Data Science, Hiroshima University)

タイトル：

マルコウィッツと等ウェイトの邂逅：ポートフォリオ選択およびロボアドバイザーのための最適手法
Markowitz Meets Equal Weight: An Optimal Method for Portfolio Selection and Robo-Advisor

概要Overview

本研究は、現代ポートフォリオ理論のパラダイムに基づき、等ウェイト戦略（equal-weight strategy）の最適性に関する理論的基盤を構築することを目的とする。具体的には、固有値解析に基づく数学的証明を提示するとともに、機械学習における正則化項を最適化問題へ組み込む新たな枠組みを提案する。理論的検討に続き、統計的検定および実証的評価を実施する予定である。多数銘柄を対象とし、サンプル外においても良好なパフォーマンスを示す最適共分散行列の推定は、依然として資産運用研究における重要かつ困難な課題の一つである。本研究では、米国市場に関しては Center for Research in Securities (CRSP)を利用する。また、日本株式市場に関しても同様の分析を行い、等ウェイト戦略の有効性を検証する。
加えて、等ウェイト・ポートフォリオのリバランス過程において発生する取引コストの詳細なミクロ分析を行い、新たな取引コスト評価手法を提示する。さらに、最大ドローダウン、条件付きバリュー・アット・リスク（Conditional Value at Risk）等のリスク指標を用い、提案ポートフォリオのリスク特性を多角的に評価する。本研究の最終的成果として、投資家が自身のリスク許容度に応じて動的にポートフォリオを調整可能とする、新規性の高い投資戦略の提示を目指す。

Using the paradigm of modern portfolio theory, we seek to provide a theoretical foundation to the equal-weight strategy in terms of its optimality. We shall construct mathematical proofs based on eigenvalue analysis. Our main idea is to incorporate a regularization term of machine learning to the optimization problem. Statistical tests and evaluations follow after the theoretical study. Estimation of an optimal covariance matrix that performs well out of sample for a large number (N) of selected stocks is one of the major research challenges. We shall use the Center for Research in Securities (CRSP) database for the United States market. We shall also study the equity market of Japan to examine whether the equal-weight strategy also works superbly. Another effort is to perform a micro accounting of the costs incurred during the re-balancing of an equal-weight portfolio. A new method to evaluate the trading cost will be provided. We shall also study the risk of our portfolio by using risk measures such as maximum draw down, conditional value at risk, and so on. Our research shall produce a novel investment strategy that allows investors to adjust their portfolios according to their risk appetites.

講師ご略歴Profile for speakers

クリストファー・ヒアン・アン・ティン氏は、東京大学大学院にて実験物理学の修士号を取得後、シンガポール国立大学大学院にて理論物理学の博士号を取得した。現在、広島大学大学院先進理工系科学研究科（情報科学・データ科学分野）教授を務める。これまでに専門書を2冊刊行するとともに、ニューラルネットワーク、自然言語処理、物理学、数理ファイナンスなど幅広い分野において学術論文を発表してきた。主な研究関心は、機械学習およびその多様な応用である。

Christopher Hian Ann Ting earned his master’s degree in experimental physics from the University of Tokyo and his PhD in theoretical physics from the National University of Singapore. He is a professor at the School of Informatics and Data Science, Hiroshima University. He has written two technical books and published papers in different fields, including neural network, natural language processing, physics, and quantitative finance. His research interests are machine learning and applications of data science.

お申込み方法Registration

第101回研究会へ参加される方は必ず事前登録をお願いいたします。
参加登録の締切は9月17日(水)です。
下記のいずれかの方法で「お名前・所属機関・電子メールアドレス」をご連絡ください。
開催日当日の午前までにご参加のために必要なURLを記載したメールをお送りします。
※参加費は無料です。

WEBからの登録
本ページにあります「REGISTER HERE」ボタンをクリックいただき、お申し込みフォームよりご登録ください。

電子メールでの登録
finance●tmu.ac.jpまで「お名前・所属機関・電子メールアドレス」をご連絡ください。
（※ご連絡時は●を@に置き換えてご使用下さい。）

ご参加情報は、東京都立大学金融工学研究センター、講演者により共有され、当セミナーの円滑な運営のために利用します。