目录 Volatility Modeling

FX Autonomous Research

Volatility Modeling

Volatility Modelingは、価格変化の大きさが時間によって変わる性質を推定し、将来のリスク量を予測する分野である。ボラティリティ予測は売買方向を直接当てるものではなく、ポジションサイズ、損切り幅、取引頻度、レジーム判定、ストレステストの入力として使う。高ボラティリティを予測できても、その時に上がるか下がるかは別の問題である。12

実現ボラティリティと条件付きモデル

一定期間の高頻度リターンを rt,jr_{t,j} とすると、実現分散の基本形は RVt=sumjrt,j2RV_t=\\sum_j r_{t,j}^2、実現ボラティリティはその平方根である。高頻度データから計算したRVは日中の情報を集約できるが、ビッド・アスク・バウンス、非同期価格、マイクロストラクチャーノイズに影響されるため、サンプリング間隔やデータ品質に依存する。

GARCH系モデルは過去の条件付き分散とショックから将来分散を更新する。HAR-RVモデルは日次・週次・月次の実現ボラティリティ成分を組み合わせ、異なる時間スケールの持続性を表す。モデルの複雑さよりも、予測対象の時間幅に合うか、ローリングの外部期間でベンチマークを超えるかが重要である。

FXオプションのインプライド情報

EUR/USDの実現ボラティリティを扱う研究では、HARモデルにオプション由来のインプライド・ボラティリティを加え、1日・1週間の短い満期のIVが、それぞれ短期の将来実現変動を説明する上で役立つ可能性を示した。研究の分析ではIVは過去RVより有用である場面があり、RVの追加情報は小さいと報告されている。これはEUR/USDの特定データ・設計に基づく結果であり、MT5のXAUUSDやUSDJPYにそのまま移植できるとは限らない。1

USDJPYのケース

USDJPYの次の1時間のリスク幅を見積もる場合、1時間RV予測を使って想定変動幅を推定し、ポジションサイズや損切り距離に反映できる。重要なのは、予測したボラティリティを方向シグナルと混同しないことだ。高い予測ボラティリティは、買い・売りのどちらにも大きく動く可能性を示す。方向判断は別モデルまたは別仮説で検証する。

Foundation Modelとの比較

2026年の実現ボラティリティ比較研究は、FXを含む50資産で9種類のゼロショット時系列基盤モデルと8種類の計量モデルを比較した。集計上の優位性は少数の資産に偏り、資産単位のLog-HAR比較では、全予測期間で基準を上回ったのは小型のTTMモデルのみで、その差も小さいと報告している。再較正後に見える優位性の一部は予測スケールの違いによるとも論じている。したがって、大規模モデルを導入する前にHAR/GARCHなどの強い基準を設定し、資産別・期間別に比較する必要がある。2

検証設計

予測対象(次の5分、1時間、1日)、実現値の計算間隔、予測更新頻度を先に固定する。MAE/RMSEだけでなく、QLIKEなど分散予測に適した損失、予測区間の被覆率、再較正、経済的用途でのリスク削減を評価する。予測モデルの勝者を全期間で選んで同じ期間で再評価せず、Walk-Forwardにより時系列の外部期間を確保する。

XAUUSDは取引時間、ロールオーバー、ブローカー仕様や価格単位がFX通貨ペアと異なることがある。銘柄をまとめて平均誤差を出すだけでなく、銘柄別・予測期間別の結果を報告する。

限界と解釈

ボラティリティ予測は分散や絶対変動の推定であり、損失確率や方向性を完全に表さない。急な政策変更や市場構造変化では過去データからの外挿が崩れる。予測された分散が過小なら、ロット計算も損失想定も過大なリスクを許してしまう。したがって予測の誤差だけでなく、過小評価側の損失、校正、モデル不確実性を別に監視する。

参考文献

测验
  1. 実現分散RVの基本的な定義として正しいものはどれか?

    • 期間内の高頻度リターンの絶対値を平均する
    • 期間内の高頻度リターンを二乗して合計する
    • 期間内の高頻度リターンを単純合計して二乗する
    • 期間内の終値と始値の差を取引回数で割る

    実現分散の基本形は高頻度リターンの二乗和であり、その平方根が実現ボラティリティである。

  2. HAR-RVモデルが組み合わせる時間スケールの考え方はどれか?

    • 日次・週次・月次の実現変動を説明変数として組み合わせる
    • Bid・Ask・Lastの価格を同じ重みで足し合わせる
    • 東京・ロンドン・NYのセッションの平均価格を組み合わせる
    • 学習・検証・テスト期間の損益を同時に標準化する

    HAR-RVは異なる時間スケールの実現ボラティリティを使い、短期・中期・長期の持続性を近似する。

  3. 次の1時間のボラティリティ予測が高くなったとき、直接導ける解釈はどれか?

    • 次の1時間は上昇方向になる確率が必ず高い
    • 次の1時間は下落方向になる確率が必ず高い
    • 次の1時間の変動幅やリスクが大きい可能性がある
    • 次の1時間は取引コストが必ずゼロになる

    ボラティリティは変動の大きさを表し、方向を表さない。方向性の予測は別のモデル・仮説で検証する。

  4. 2026年のTSFM実現ボラティリティ比較研究から導くべき実務上の判断はどれか?

    • ゼロショット基盤モデルは全資産でHARを一貫して上回る
    • 資産別に強い計量ベンチマークと比較し、優位性を検証する
    • 予測スケールの校正は精度比較に影響しないため省略する
    • FX資産の結果だけでXAUUSDへの転用が保証される

    研究ではTSFMの優位性は一様でなく、資産単位では小さな例外に限られた。資産別・期間別の比較と予測校正が必要である。

评论

还没有评论,来说第一句吧。