実務で使われる金融工学の基礎

【ご参考：前回（2024春季日程）の開講時の内容です】

日時	2024年 3月15日（金）　10:00～17:00　（お昼休憩 13:00～14:00）
プログラム 概要	金融工学・ファイナンス理論は運用業務のベースとして広く使われていますが、一般的にわかりにくい印象をもたれています。本講義では、金融工学を基礎の基礎から実際の運用へ到るロードマップを示した上で、確率・統計が苦手な方にも直感的に理解できるように、エクセル・スプレッドシートのデモによりわかりやすく説明します。 　特に、マルチファクターモデルについて、本格的な学習用モデルを通じ、動作原理から利用方法に到るまで詳細に紹介します。講義で用いたツール類はダウンロードできますので、後日の復習に活用できます。運用業務に直接関わる方の他、ミドル部門や商品企画、マーケティング部門の方にもお勧めできるプログラムです。
講師	外尾 光法（元 大和アセットマネジメント クオンツ運用部長）
会場	早稲田大学日本橋キャンパス 東京都中央区日本橋1-4-1　日本橋一丁目三井ビルディング（コレド日本橋）5F
受講料	48,000円（税込）
お問合せ先	wasedafmib@nikkeimm.co.jp

• 1. 導入 ～ リターンとリスク
  • ・ リターンの不確実性とは ～ 不確実な資産価値の変化をどう捉えるか
  • ・ リスクをどうやって定量的に表すか ～ リターンの２乗平均の意味
  • ・ リスクの大きさと資産変動 ～ 標準偏差の大きさによる違いをシミュレーション
• 2. リターンの確率分布とリスクの関係 ～ ランダムの中の規則性
  • ・ リターンの分布 ～ グラフにすると分かりやすい
  • ・ リスクと確率分布 ～ リスクを定量化するとはどういうことか？
  • ・ リターンの確率分布の比較 ～ TOPIXと国債インデックスの違いを数値で表す
  • ・ 確率分布の特徴 ～ 性質をおおまかに特徴づける
  • ・ 正規分布の性質を理解する ～ ポートフォリオのリスクも個別銘柄と同様
  • ・ リターンの正規分布仮定 ～ 確率変動の扱いを楽にする
• 3. リスク推定方法 ～ 理屈より目的
  • ・ 実際の資産のリターン分布と性質 ～ 標準偏差だけでは計測できないリスクの存在
  • ・ 分散・共分散の推定方法 ～ オプションのIV or ヒストリカルデータ
  • ・ 実用的なリスク推定方法 ～ 単純法と指数減衰法
• 4. 相関係数と回帰分析 ～ ポートフォリオ理論への導入
  • ・ ２つの確率変数 ～ 株式の日次リターンを確率変数と考える
  • ・ 相関係数 ～ 確率変数の動きから相関関係を捉える
  • ・ 回帰分析 ～ 標準偏差を等しくする

• 1. ポートフォリオ理論 ～ よい投資とは何なのか
  • ・ ポートフォリオ理論の基本的な考え方 ～ ポートフォリオの期待リターンとは？
  • ・ ポートフォリオのリスク ～ ３資産で効率的フロンティアを描くとどうなる？
  • ・ ロボアドバイザーの裏側 ～ 基本原理は極めてシンプル？
• 2. アクティブ ～ ウェイト・リターン・リスク
  • ・ アクティブ運用とパッシブ運用 ～ ファンドマネジャーは何をコントロールしているのか
  • ・ ウェイトとリスク・リターン ～ アクティブウェイトとベンチマークウェイト
  • ・ アクティブリスク（トラッキングエラー）の推定 ～ 原理はトータルリスク推定と同じ

• 1. ファクターモデル ～ リターン相関の構造
  • ・ ファクターモデルの位置付けと考え方 ～ 複数の銘柄を共通に動かす要因を探る
  • ・ なぜ銘柄間に相関があるのか
  • ・ ファクターモデルと共通要因 ～ 銘柄間の相関構造を明らかにする
  • ・ ファクターモデルの構造と用途 ～ どんな時に利用するのか
  • ・ ファクターモデルと銘柄情報
  • ・ 情報の集約 ～ ファクターモデルは大量の情報を集約するための有用なツール
  • ・ ファクターモデルによる分析例 ～ リスクインデックス・エクスポージャー
• 2. シングルファクターモデル ～ マーケットが相関の源
  • ・ β（ベータ）の求め方 ～ β値の特性を理解する
  • ・ シングルファクターモデルと銘柄間相関 ～ ファクターに対するβ値から相関を求める
  • ・ 期待リターンとリスク ～ 銘柄のリターンとリスクはどこからくるのか？
  • ・ リターンとリスクを分解する仕組み ～ リターンもリスクもファクターモデルで分解できる
  • ・ シングルファクターモデルの活用と応用範囲
  • ・ ２銘柄で考えよう ～ 個別銘柄の具体例と各種数値の前提
  • ・ β（ベータ）の合成
  • ・ ポートフォリオのリターン分解とリスク分解　⇒　アクティブリターン・リスク分解
  • ・ シングルファクターモデルとアクティブ運用
  • ・ アクティブポートフォリオ構築（Excelによる最適化デモ）
• 3. マルチファクターモデル ～ 複数の相関の源
  • ・ マルチファクターモデルの基本構造 ～ モデル形式と銘柄相関
  • ・ ファンダメンタルズベータ ～ マルチファクターモデルからの計算方法
  • ・ 実務で多く使われるモデル ～ Barraのスタイルファクターと業種ファクター
  • ・ 感応度先決め型（１）～ ファクターリターンとファクター感応度
  • ・ 感応度先決め型（２）～ ファクター標準化とファクター共分散
  • ・ 感応度先決め型（３）～ スペシフィックリスク推定モデル
  • ・ マルチファクターモデルの活用 ～ 理論から実務へ
  • ・ トータル分解とアクティブ分解
  • ・ アクティブリターン分解とアクティブリスク分解
  • ・ ファクターモデルによるアクティブリスク計算 ～ ポートフォリオのリスクは計算で求まる
  • ・ マルチファクターモデルとアクティブ運用（学習用ツールを用いたデモ）～ マトリョーシカ
  • ・ アクティブエクスポージャー ～ アクティブ感応度を変化させる
  • ・ ポートフォリオの設計（Plan）⇒　最適化とアクティブリスク分解（Do）⇒　ポートフォリオのチェック（See）～ アクティブリターンの要因分解

• 1. クオンツ運用 ～ 一番わかりやすい運用
  • ・ ポートフォリオ構築プロセスの全体像
  • ・ アノマリー ～ 存在理由を知ることによる効果的な活用
  • ・ アルファの合成 ～ アノマリーをアルファへ変換する
  • ・ アルファ構築の流れ ～ AI運用？
  • ・ クオンツファンド ～ 決められている条件と決めるべき条件
  • ・ ポートフォリオ構築へ ～ 取るべきリスクと取ってはいけないリスク
  • ・ ポートフォリオ最適化とシミュレーション ～ 幻想ではなく現実を見るために
• 2. インフラ ～ 大変です
  • ・ データベースの構築と求められるもの
  • ・ 考慮すべき点 ～ 高速性と網羅性と正確性のトレードオフ
  • ・ 社内分析環境 ～ 原データ → クリーニングデータ → 加工データ → ツール
  • ・ 各種ツール ～ 目的別に要求されること

38,000円（税込）
※記載の受講料は、日本国内からのお申し込みに限ります。海外からお申し込みをされる場合は、別途事務局へご相談ください。

早稲田大学FM&IB講座事務局（TEL.03-4232-7463／wasedafmib@nikkeimm.co.jp）の営業時間は、休日を除く月曜日～金曜日の10時～17時です。日程・講師・内容・時間割等は、都合により変更させていただく場合がございます。