2023 年 2023 巻 FIN-030 号 p. 32-39
ファンド(投資信託)の中には目論見書に記された運用方針と実際の運用方針が異なる場合がある。先行研究では実際の運用方針に基づくファンドのグループ分けを目的に、月次リターンの時系列に対してk-meansとUMAPを組み合わせた手法を用いてファンドをクラスタリングする方法が提案された。しかし、k-meansによるクラスタリングではラベル情報を一切使用しないという問題がある。本論文では、インデックスファンドのラベルは正しいと仮定し、ラベル情報を使用可能な手法であるOne-class SVMを導入する。ところが、通常のOne-class SVMでは、ラベルが付与されたインデックスファンドだけをインデックスと判別するモデルを作成するため、インデックスに類似した隠れインデックスファンドをインデックスと判別することができない。この問題を解決するために、本論文ではOne-class SVMモデルの出力値に着目し、One-class SVMの出力を校正する新しい方法を提案する。提案手法を同一の指標をベンチマークとするファンド群に対して適用することで隠れインデックスファンドを見つけることができた。