講演情報
[1Yin-A-02]XGBoostを用いた国別株価指数の期待リターン予測とポートフォリオ最適化への応用機械学習による期待リターン推定と平均分散・CVaR最適化の実証分析
〇木村 郷志1 (1. 三菱UFJアセットマネジメント株式会社)
キーワード：
XGBoost、ポートフォリオ最適化
本研究では、主要先進国の株価指数を対象に、機械学習手法である XGBoost を用いて1か月先の期待リターンを推定し、その予測値をポートフォリオ最適化に統合する統合する枠組みの有効性を実証的に検証した。各国ごとに独立したモデルを構築し、Fama–French 系のスタイルファクターおよびそのラグを特徴量として、120か月のローリングウィンドウに基づき、各時点で再学習を行った。推定された期待リターンを平均分散法および CVaR 最小化に投入し、最小分散、等リスク寄与、単純平均とアウト・オブ・サンプルで比較した。その結果、XGBoost による期待リターンを平均分散最適化に組み込んだ戦略が、年率リターンおよび Sharpe 比の両面で最も高いパフォーマンスを示した。一方、CVaR 最小化は最大ドローダウンの抑制に有効であるものの、リターンは相対的に低下する傾向が確認された。