非同期時系列のLead-Lag効果推定のための新しい推定量

抄録

リードラグ効果は、金融市場のいたるところで観察され、特に高頻度データを用いた投資戦略を策定する上で重要な要因である。一方で、Lead-Lag 効果を推定するために、次の3 つの課題が存在する。(1) 高頻度データにおいては、2 つの時系列が常に同時に観測できるとは限らない(非同期)。(2) 高頻度データのサイズは大きく、応用のためには短期間で推定を完了する必要がある。(3)Lead-Lag 効果は時変的であり、かつ短期間しか持続せず、しばしば外部要因の影響を受ける。本研究では、これらの課題をすべて解決する、新しいLead-Lag 効果の推定量(NAPLES:Negative AndPositive lead-lag EStimator) を提案する。人工データセットと実際の金融市場のデータセットを用いた実験の結果、NAPLES は、重要なマクロ経済のアナウンス(外部要因) によって引き起こされたものを含め、Lead-Lag 効果と強い相関関係が確認できた。