トレーディング

日次リターンはボラティリティ予測に依然として重要である理由

公開日 2026年7月7日

著者

Jonathan Schramm

定量的トレーダーにとって、将来の市場動向を予測するために適切なデータセットを選択することは、ほぼ最も重要な決定と言えます。歴史的に、特定の株式や商品の終値または始値は、その証券の取引パターンを分析するための良い出発点でした。

しかし現在では、取引が高度なITシステムによってマイクロ秒単位で決済され、多くの取引量が高頻度「ボット」によって生成されるため、こうした市場活動のデータがしばしば好まれます。

新しい研究は、高頻度市場データが日次リターンを時代遅れにしたわけではないことを示唆しています。新しい実現ボラティリティモデルを使用し、両方のシグナルを組み合わせることで、原油のボラティリティ予測、リスク上限、ヘッジ判断を実質的に改善できることが明らかになりました。

この研究は、インド工科大学グワーハティ校の3人の研究者によって行われ、Finance Research Open¹に掲載され、タイトルは「Do returns still matter? A complete asymmetric volatility model with realized measures in financial markets」です。

リスクモデルの概要

1980年代から、経済学者やトレーダーは、市場行動を予測するために使用するリスクモデルに新たな指標、すなわち資産リターンの時間変動ボラティリティを組み込むようになりました。これにより、資産リスクが時間とともに変動し、高い乱流と低い乱流の期間が一緒に集まるという、実際の市場をより正確に反映できるようになり、従来のモデルのように一定である必要がなくなりました。

その後、このようなモデルには高頻度データが好まれるようになり、これはこの用途において優れたデータセットと見なされました。

“高頻度データはより細かな粒度を可能にし、ジャンプ成分と連続成分の分離を容易にし、ボラティリティの動態をより詳細に把握できます。”

これにより、GARCHモデル（Generalized Autoregressive Conditional Heteroscedasticity）が作成され、後に正と負のショックの異なる影響やその他のデータポイントなどの追加要素を組み込んだ高度なモデルへと改良されました。

時間が経つにつれ、GARCH系モデルは大幅に拡大し、株式、商品、暗号通貨、デリバティブ市場など、複数の資産クラスにわたって応用されています。

これらの更新されたモデルの一つがGJR-GARCHで、悪材料（負のリターン）に好材料よりも大きな重みを与えることで金融ボラティリティを考慮し、株式市場の「レバレッジ効果」を捉えるモデルです。

高頻度データとGARCHの組み合わせ

本研究は、高頻度の分単位データ、特に「実現分散」をGJR-GARCHモデルと組み合わせ、RGJR-GARCHを作成することを提案しています。

実現分散は、高頻度の昼間価格リターンを合計することで、特定の時間窓における金融資産の実際のボラティリティを測定する指標です。

これは、価格の終点が開始点と同じであっても、日中のボラティリティが高くても変化がゼロになる従来のデイリーバリアンスとは異なります。

このようにすることで、新しいモデルは詳細な高頻度データとGJR-GARCHモデルの精度の両方を統合できます。

原油取引でのモデルテスト

ボラティリティの高い市場でのテスト

モデルを検証するために、研究者はUSO (USO )、2006年からWTI（West Texas Intermediate）軽質甘口原油の価格変動を追跡するETFであるUnited States Oil Fundを使用してテストしました。

原油市場は、マクロ経済の発表、在庫ショック、地政学的な出来事によって引き起こされる顕著な週内ボラティリティが特徴であるため、これが選ばれました。最近のロシア・ウクライナ戦争や米国・イラン戦争は、取引リターンと金融モデルの効率性に影響を与える予期せぬボラティリティの追加事例となっています。

より「通常」の市場と比較するために、研究者はS&P500指数を追跡する最も取引量の多いETFであるSPYでもモデルをテストしました。

両ケースとも、2010年1月1日から2020年4月30日までのデータを収集しました。

研究者は、金や為替市場など他の興味深い市場は長期にわたって信頼できるティック単位データを提供しないこと、暗号通貨の価格データは通常1分間隔でしか入手できず、モデルが正しく機能するために必要な高頻度データが利用できないことも指摘しました。

モデル比較

研究者はデータを使用して、35の1日先予測を異なるモデルでテストし、これらを週次の予測へと集計しました。

彼らは、RGJR-GRCHモデルがテストされたすべての週数（最大7週間先）において、最も高い予測精度を示すことを発見しました。

出典: Finance Research Open

さらに重要なのは、このパフォーマンスの差により、RGARCHは3週目の予測でパフォーマンスが低下し、4週目でマイナスの結果となったのに対し、RGJR-GRCHは最大6週先まで正確な予測を続け、7週目でもごく僅かな誤差にとどまりました。

“RGJR-GARCHモデルがGARCHおよびGJR-GARCHモデルに対して優れたパフォーマンスを示すのは、ボラティリティ動態のモデリングに高頻度データを効果的に使用したことによります。”

この効果は、USOのような原油関連資産で特に顕著で、ボラティリティが明確な週次規則性を示します。これは実務上重要で、正確な週次ボラティリティ予測は、商品トレーダーや生産者などエネルギーセクターの参加者に対し、動的ヘッジや契約価格設定に役立ちます。

これは、ボラティリティ予測において、日次リターンも高頻度データと同様に重要であることを意味します。両方のデータセットは混合され、一つとして処理すべきです。

高頻度取引への投資

CME Group Inc.

(CME )

より優れた予測が改良された金融モデルによって実現されるにつれ、正確で長期的かつ高頻度のデータセットの価値はそれに比例して高まります。これは、原油のような高ボラティリティで地政学的に敏感な証券や資産に特に当てはまります。したがって、プラットフォームはこれらの高頻度データと、学術研究の恩恵を受けやすい実用的な取引証券を提供できるようになります。

CMEのNYMEX市場はWTI原油の価格形成、先物取引、ヘッジの中心です。同社は農産物、エネルギー、金属などすべてのコモディティ取引、さらにカーボンクレジット、国債、為替、指数、株式、暗号通貨など幅広く取引を行っています。

同社は2015年の約30億ドルの収益から、2026年には約70億ドルに急速に成長すると予測されています。

また、米国外での活動は年平均成長率10％で拡大し、12か国で販売拠点を持ち、世界約13,000社の顧客をカバーしています。全体として、この成長パターンは継続すると見込まれ、ブロックチェーンからカーボントレーディング、米国モーゲージ先物に至るまで多くの金融イノベーションの恩恵を受けるでしょう。