本研究は、機械学習(ML)手法と因果推論を組み合わせた新しいアプローチを用いて、マクロ経済政策が金融市場に及ぼす影響を分析している。1986年1月から2021年12月までの期間における、米国連邦準備制度(FRS)の金利変化が、固定収益ファンドと株式ファンドのリターンに及ぼす影響に焦点を当てている。
分析では、積極的に運用されるファンドと受動的に運用されるファンドを区別し、後者がより金利変化の影響を受けにくいという仮説を立てている。ダブルマシンラーニング(DML)フレームワークを使用し、勾配ブースティングと線形回帰モデルを対比させている。
結果として、勾配ブースティングモデルが基金リターンの予測に有用であることが示された。例えば、金利が1%上昇すると、積極的に運用されるファンドのリターンが-11.97%減少することが明らかになった。この金利とファンドパフォーマンスの関係性の理解は、さらなる研究や、ファンドマネージャーや投資家への有益なデータ駆動型のアドバイスにつながる可能性がある。
一方で、受動的に運用されるファンドについては、一貫した関係性が見出せなかった。これは、「受動的」運用の定義が曖昧であり、さらなる研究が必要であることを示唆している。
また、DMLモデルの過剰適合の可能性も指摘されており、結果の慎重な解釈が求められる。金融データの複雑性を考慮し、より洗練された分析手法の開発が今後の課題として挙げられる。
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문