BOOK JOURNAL: 5月 2012

ヒストリカルボラティリティ（HV）を計算できるプログラムをRで書いていました．

20日間で計測することが多いようなので、計算式は以下のようにしています．

HV = 20日間の対数収益率の標準偏差 × 250の平方根

HVは過去の株価の変動が大きくなれば大きくなり、一定の割合ならば小さくなります．

HV導出に用いたデータはyahoo! financeから取得しています．
データ：Nikkei 225

サンプル期間：2012年1月4日〜5月14日

Rスクリプト

	#20日間のHVをまとめて表示
	#yahoo! Financeから情報取得

	test2 <- read.csv("table.csv", header = T)
	attach(test2)

	#標本分散
	variance <- function(xx){
	(var(xx, na.rm = T) * length(xx - 1)) / length(xx)
	}

	#対数収益率を計算
	rat <- c()
	for(ii in 2:length(Date)){
	rat[ii] <- log(Close[ii]/Close[ii - 1]) * 100
	}

	#HVを20日間計算
	dd <- c()
	for(ii in 1:length(Date)){
	diff <- length(Date) - 19
	cc <- c()
	cc <- rat[(ii+1):(ii+20)]
	if(ii <= diff){
	dd[ii] <- sqrt(variance(cc)) * sqrt(250)
	}
	else {
	break
	}
	}

	#作成した対数収益率とHVをデータフレームに追加
	temp <- rev(dd)
	temp <- c(temp, rep(NA, 19))
	temp <- rev(temp)
	test2 <- transform(test2, "Return"=rat ,"HV"=temp)

	#対数収益率とHVをプロット
	par(mar=c(5, 5, 4, 5) + 0.1)
	plot(test2$Return, type="l", ylim=c(-4,4), xlab="", ylab="", col="red")
	par(new=T)
	plot(test2$HV, type="l", axes=F, xlab="", ylab="", col="blue")
	axis(4)
	mtext("HV", side=4, line=3)
	title("Rate of Log Return and HV", xlab="Time", ylab="Return")

図

赤線が対数収益率、青線がHVを表しています．4月の半ば頃からHVが高くなっている様子が伺えます．

参考書

「R言語逆引きハンドブック」はRコードを書くときにお世話になりました．

応援よろしくです．

ツイッターから感情を抽出し、ダウ工業平均の変動を予測した論文Twitter mood predicts the stock market.
ツイートから社会全体の雰囲気を表す感情指標を作成し、それを使って株式市場を予測しようという論文．

【概要】

【解析の流れ】

【OFとGPOMS】

センチメント分析のフリーソフトで、文章の感情を特定できる．
2718個のpositive語と4912個のnegetive語からなるOF辞書を使って、ある日のツイートの感情をpositiveとnegativeに分類し、それぞれの感情が投稿されるとそれぞれに1だけ増やし、その比率を計算する．
p/nの2つだけであるので、人間の複雑な感情を把握できているとは言い難い．

【グレンジャー因果性】

【SOFNN】

OFのp/nは予測精度を向上させることはない．
Calmがもっとも高い予測精度（株価の上下変動の予測）を記録した（86.7¥%）．
CalmとSureやCalmとVitalを組み合わせたものは、将来のDJIAの情報を含まない．CalmとHappyの組み合わせは、MAPEをもっとも下げ、株価の上限変動の予測に関していい結果を残した（80.0¥%）．Happyはグレンジャー因果性のテストでは、DJIAの予測には役立たないという結果であったが、Calmと組み合わせるとDJIAの予測に役立つ．Fテストをすると、CalmとHappyを線形結合するとCalmだけの場合に比べて結果がよくないので、異なった感情因子には非線形の関係があることが確認される．

【感想】

グレンジャー因果性を経済学の文脈で用いるとき、次数は1にすることが多いが、本論文では、7までテストしている．
収集したツイートは必ずしも市場の情報を含んでいるものとは言えない．社会全体の感情や気分が株式市場を予測できるかどうかが本論文の目的であるが、マーケットに関連する、あるいは投資家のクラスタの中で同様の分析をすると予測精度がさらに上昇しそう．
FRBがBail-outのアナウンスをしたときには、感情データは株式市場を予測できていない．このあたりは経済学的な考え方で株価上昇の説明ができる．
感情データと株式市場には相関がありそうだが、因果関係があるかは分からない．
パフォーマンスは？

応援よろしくです．

BOOK JOURNAL