![1
人工市場シミュレーションによる
値幅制限とサーキットブレイカーの効果比較
スパークス?アセット?マネジメント株式会社
水田 孝信
2023年3月18日?19日
第27回 進化経済学会 東京大会
本資料は，スパークス?アセット?マネジメント株式会社の公式見解を表すものではありません．すべては個人的見解であります．
こちらのスライドは以下からダウンロードできます
https://mizutatakanobu.com/2023JAFEE.pdf
https://sites.google.com/rikkyo.ac.jp/jafee2022/
mizutata[at]gmail.com https://mizutatakanobu.com
工学院大学
八木 勲](https://image.slidesharecdn.com/2023jafee-230318121314-2f331665/85/-1-320.jpg)
![ただ時間が経過したことによる効果のモデル化に成功
9
[水田 2014],[Mizuta 2016]
値幅制限を分析した研究
値幅制限が有効であるためのパラメータの条件を見つけた
値幅制限とサーキットブレイカーの両方を同じ条件で比較するにはモデルに工夫が必要
ただ時間が経過したことによる効果をモデル化するためには工夫が必要
注文が１つ出されると時間が1進むモデルになっており，サーキットブレイカーの発動時のように，
注文は出せないが時間が経過する効果をモデル化できていない
そこで本研究は、
[水田 2014],[Mizuta 2016] + 誤発注＆損切り
各エージェントは適正な価格を予想
誤発注により適正な価格とは関係なく大幅に下落
予想が正しいか調べ直すのに時間がかかる
調査が終わるまでは損切り
値幅制限とサーキットブレイカーの両方を
同じ条件で比較した](https://image.slidesharecdn.com/2023jafee-230318121314-2f331665/85/-9-320.jpg)
![ファンダメンタル
予想リターン
予想価格
現在の取引価格
ファンダメンタル価格
正規乱数
平均0
σ=3%
テクニカル(順張り)
ノイズ
一様乱数で決定
途中で変わらない
エージェントの
パラメータ
10000 =定数
j: エージェント番号(順番に注文)
t: 時刻
??,?
?
=
1
σ? ??,?
?1,? log
??
???1
+ ?2,? log
???1
?????
+ ?3,???
?
??
??
??,? ??
??,?
??
??
?
??
?,? = ?? exp( ??
?,?)
12
1000体
i=1,3: 0～1
i=2: 0～10
0～1000
エージェント
取引価格帯を定めるために
便宜上加えた項
統計的性質を再現するために
最小限必要な項
エージェントの多様性確保と
シミュレーションの安定性のため
t=10000経過した注文はキャンセルする
[Chiarella2002]を発展
↑ ザラバかつstylized factを再現する中で
可能な限りシンプルなエージェントモデル](https://image.slidesharecdn.com/2023jafee-230318121314-2f331665/85/-12-320.jpg)
![制限時間 制限時間
1000 2000 5000 10000 20000 1000 2000 5000 10000 20000
制限値幅
10 298 157 73 45 33
制限値幅
10 152 103 57 34 22
20 577 302 134 79 52 20 297 207 107 58 43
50 1227 721 313 167 110 50 702 487 266 163 105
100 2000 1296 612 315 209 100 1222 869 520 315 208
200 2194 2111 1140 615 408 200 1954 1522 821 614 407
500 2054 2054 2053 1419 906 500 2054 2054 2038 1061 503
1000 2054 2054 2054 2054 1433 1000 2054 2054 2054 2054 1006
値幅制限 サーキットブレイカー
さまざまにパラメータを変えた時の下落幅の比較
[水田 2014], [Mizuta 2016]より、値幅制限が有効であるためには
制限値幅/制限時間<下落速度
であることが必要。黄色はそれを満たさない領域
19
tr≧10000：同じくらいの効果
tr<10000：値幅制限のほうが効果が低い](https://image.slidesharecdn.com/2023jafee-230318121314-2f331665/85/-19-320.jpg)
![まとめと課題
? 本研究では， [水田 2014],[Mizuta 2016]の人工市場モデルに，エージェントの損切り
行動とサーキットブレイカーを追加に実装し，同じパラメータを持つ値幅制限とサーキットブレイ
カーの効果の比較を行った．その結果，値幅制限とサーキットブレイカーは制限値幅や制限
時間といったパラメータを同じにすれば，同じ程度に急変動をおさえる効果があることが分かっ
た．しかし，投資家が注文をキャンセルする時間スケールより値幅制限が短いパラメータを持
つ場合，制限価格に付近に注文がたまってしまい，その注文が急変を緩和する方向への価
格変動を妨げてしまい，サーキットブレイカーよりも効果は劣ってしまうことも分かった．
? 今回の結果は非常に限定的な状況下のことしか示していないことに注意が必要である．今回
の結果だけを見れば，値幅制限よりもサーキットブレイカーの方が優れているように見える．し
かし今回の結果は，誤発注による下落であり，かつ，いずれの規制も個別銘柄に導入され
た場合のみを分析している．すなわち，価格急変動の原因が誤発注ではない場合，例えば
ファンダメンタル価格の急変時などや，個別銘柄ではなく株価指数に導入されている場合など
は，結果が異なる可能性がある．実際，現実の市場においては，価格急変動の要因は誤
発注以外の場合もとても多く，また，値幅制限は個別銘柄に，サーキットブレイカーは株価
指数に導入されることが多い．これらの検討はすべて今後の課題である．
26
こちらのスライドは以下からダウンロードできます
https://mizutatakanobu.com/2023JAFEE.pdf](https://image.slidesharecdn.com/2023jafee-230318121314-2f331665/85/-26-320.jpg)
![27
参考文献
? [Mizuta 2016] Mizuta, T., Kosugi, S., Kusumoto, T., Matsumoto, W., Izumi, K., Yagi, I., and
Yoshimura, S., “Effects of Price Regulations and Dark Pools on Financial Market Stability: An
Investigation by Multiagent Simulations”, Intelligent Systems in Accounting, Finance and
Management, Vol. 23, No. 1-2, pp. 97-120, 2016, https://doi.org/10.1002/isaf.1374
? [水田 2014] 水田孝信, ”人工市場シミュレーションを用いた金融市場の規制?制度の分析”, 博士論文，東京大大
学大学院工学系研究科, 2014, https://doi.org/10.15083/00007779
(モデル構築の詳細などが書かれています)
こちらのスライドは以下からダウンロードできます
https://mizutatakanobu.com/2023JAFEE.pdf](https://image.slidesharecdn.com/2023jafee-230318121314-2f331665/85/-27-320.jpg)
人工市場シミュレーションによる 値幅制限とサーキットブレイカーの効果比較
- 1. 1 人工市場シミュレーションによる 値幅制限とサーキットブレイカーの効果比較 スパークス?アセット?マネジメント株式会社 水田 孝信 2023年3月18日?19日 第27回 進化経済学会 東京大会 本資料は，スパークス?アセット?マネジメント株式会社の公式見解を表すものではありません．すべては個人的見解であります． こちらのスライドは以下からダウンロードできます https://mizutatakanobu.com/2023JAFEE.pdf https://sites.google.com/rikkyo.ac.jp/jafee2022/ mizutata[at]gmail.com https://mizutatakanobu.com 工学院大学 八木 勲
- 2. (1) はじめに (2) モデル (3) シミュレーション結果 (4) まとめ 2 こちらのスライドは以下からダウンロードできます https://mizutatakanobu.com/2023JAFEE.pdf
- 3. (1) はじめに (2) モデル (3) シミュレーション結果 (4) まとめ 3 こちらのスライドは以下からダウンロードできます https://mizutatakanobu.com/2023JAFEE.pdf
- 8. 8 その他に調べられたこと 水田孝信 「金融市場の制度設計に使われ始めた人工市場」, 2021, スパークス?アセット?マネジメント https://www.sparx.co.jp/report/special/3215.html 空売り規制と値幅制限 空売りが完全に禁止された場合だけでなく、日本では2013年に廃止に なった空売りの際の価格規制も、市場を非効率なものとし、価格を引き上 げ、場合によってはバブルを誘発することが分かりました。 ダークプール ダークプールは市場を安定化させ、マーケットインパクトを低減させる効果を もつことが示唆示されました。しかし、ダークプールでの取引が多くなりすぎる と、つまり普及しすぎると市場の効率性が著しく低下することを示しました。 暴落後の反発やボラティリティクラスタリングのメカニズムの解明 ファンダメンタルが急激に悪化してその企業の株価が暴落した直後に、反 発がよくあることが知られています。これはオーバリアクションのためだと考えら れていることもありますが、人工市場で分析すると、投資家の予想株価にば らつきがあり、需給に偏りがあれば、この反発は起こることが分かりました。 高速取引の影響 高速取引の多くはマーケットメイク戦略と言われていますが、このマーケット メイク戦略が存在する取引所と存在しない取引所を人工市場内に用意し て取引量の変化を調べました。その結果、この戦略が存在する取引所の取 引が増えました。 取引所の高速化 どれくらいレイテンシーが短ければ良いのかを人工市場を用いて調べました。 その結果、平均的な注文の到着間隔よりもレイテンシーが短ければ、市場 効率性やボラティリティなどに影響を与えないことが分かりました。 バッチオークション ザラバとバッチオークションのどちらが売買量が多くなるか調べたところ、ザラバ の方が売買量が多くなりました。 忍耐強いアクティブ運用の市場効率化への貢献 忍耐強いアクティブ運用はまれに起こる、市場価格が企業価値に即した 適正な価格から大きく乖離して市場が不安定になり、市場がさらに非効率 になりそうなときのみに多く売買を行い、市場を効率化することに寄与してい ることが示されました。 水平株式保有 パッシブ運用の増加が企業間競争と市場価格へ与える影響を分析しまし た。その結果、パッシブ運用の割合がさほど大きくなくても、競争を阻害する 可能性を示しました。 見せ玉 板上に平均的に存在する最良気配付近の指値注文数より多くの株数の 見せ玉を見せれば、不公正な利益が得られるだけでなく、価格形成に悪影 響を与え、株価変動が大きくなり、市場が非効率となることが分かりました。 新しい投資戦略が既存の投資戦略の利益を奪い取るか？ CTA?短期順張りともに、お互いがいたほうが戦略を実行するチャンスが多 くなり、むしろ利益を獲得していることが分かりました。 分散投資規制 何らかの理由でファンダメンタル価格が急上昇した銘柄を投資信託が上限 近くまで持っていた場合に、時価の上昇で上限を越さないように売る必要が 生じ、ファンダメンタル価格への収束を妨げる場合があることを示しました。 レバレッジドETF リバランス取引の市場価格へ与える影響を調べました。その結果、レバレッ ジドETFの規模が大きいほど影響は大きく、通常時のボラティリティよりも大 きいマーケットインパクトを与えるまでになると、市場価格への影響が特に顕 著になることが分かりました。 流動性への影響 取引量と板の厚さは関係のない指標であり、流動性の量を示す取引量、 質を示す板の厚さといった、流動性にもいくつか種類があることが示されまし た。 取引手数料のメイカー?テイカー制(リベート制) メイカーとなるマーケットメイク戦略が注文する指値の売り買い価格差が、 平均的な最良売り?買い気配の差より小さくできるくらいリベートを提供すれ ば、テイカーの執行コストは低下する一方、それ以下のリベートの場合はか えって執行コストは上昇してしまうことが分かりました。
- 9. ただ時間が経過したことによる効果のモデル化に成功 9 [水田 2014],[Mizuta 2016] 値幅制限を分析した研究 値幅制限が有効であるためのパラメータの条件を見つけた 値幅制限とサーキットブレイカーの両方を同じ条件で比較するにはモデルに工夫が必要 ただ時間が経過したことによる効果をモデル化するためには工夫が必要 注文が１つ出されると時間が1進むモデルになっており，サーキットブレイカーの発動時のように， 注文は出せないが時間が経過する効果をモデル化できていない そこで本研究は、 [水田 2014],[Mizuta 2016] + 誤発注＆損切り 各エージェントは適正な価格を予想 誤発注により適正な価格とは関係なく大幅に下落 予想が正しいか調べ直すのに時間がかかる 調査が終わるまでは損切り 値幅制限とサーキットブレイカーの両方を 同じ条件で比較した
- 10. (1) はじめに (2) モデル (3) シミュレーション結果 (4) まとめ 10 こちらのスライドは以下からダウンロードできます https://mizutatakanobu.com/2023JAFEE.pdf
- 11. 取引所 continuous double auction（ザラバ） 売り 注文 買い 注文数量 価格 注文数量 10 103 30 102 101 50 100 130 99 98 150 97 96 70 ザラバ 対当する注文があると即座に売買成立 ここに買い注文を入れると 即座に売買成立 ここに売り注文を入れると 即座に売買成立 11
- 12. ファンダメンタル 予想リターン 予想価格 現在の取引価格 ファンダメンタル価格 正規乱数 平均0 σ=3% テクニカル(順張り) ノイズ 一様乱数で決定 途中で変わらない エージェントの パラメータ 10000 =定数 j: エージェント番号(順番に注文) t: 時刻 ??,? ? = 1 σ? ??,? ?1,? log ?? ???1 + ?2,? log ???1 ????? + ?3,??? ? ?? ?? ??,? ?? ??,? ?? ?? ? ?? ?,? = ?? exp( ?? ?,?) 12 1000体 i=1,3: 0～1 i=2: 0～10 0～1000 エージェント 取引価格帯を定めるために 便宜上加えた項 統計的性質を再現するために 最小限必要な項 エージェントの多様性確保と シミュレーションの安定性のため t=10000経過した注文はキャンセルする [Chiarella2002]を発展 ↑ ザラバかつstylized factを再現する中で 可能な限りシンプルなエージェントモデル
- 13. ファンダメンタル戦略 ファンダメンタル価格 ＞ 市場価格 ? 上がると予想 ファンダメンタル価格 ＜ 市場価格 ? 下がると予想 テクニカル戦略 過去リターン ＞ 0 ? 上がると予想 過去リターン ＜ 0 ? 下がると予想 テクニカル ファンダメンタル ファンダメンタル 価格 市場 価格 13 エージェントのファンダメンタル戦略とテクニカル戦略
- 16. これより安い 売り注文 ????? ????? + ?? ????? ? ?? これより高い 買い注文 ?? ?? 注文?キャンセルを停止 ????? ????? + ?? ????? ? ?? ?? ?? ?? 値幅制限 サーキットブレイカー 値幅制限とサーキットブレイカー tr前の価格から上下Prを超えたら制限 値幅制限：値幅からでた注文を値幅ギリギリの注文にする サーキットブレイカー：そこからtrの間、注文?キャンセルを停止 値幅制限(改)：値幅からでた注文はなかったことにする：(現実的でないが比較用) 16 trとPrをさまざまに変えて、値幅制限とサーキットブレイカーの効果を比較する
- 17. (1) はじめに (2) モデル (3) シミュレーション結果 (4) まとめ 17 こちらのスライドは以下からダウンロードできます https://mizutatakanobu.com/2023JAFEE.pdf
- 19. 制限時間 制限時間 1000 2000 5000 10000 20000 1000 2000 5000 10000 20000 制限値幅 10 298 157 73 45 33 制限値幅 10 152 103 57 34 22 20 577 302 134 79 52 20 297 207 107 58 43 50 1227 721 313 167 110 50 702 487 266 163 105 100 2000 1296 612 315 209 100 1222 869 520 315 208 200 2194 2111 1140 615 408 200 1954 1522 821 614 407 500 2054 2054 2053 1419 906 500 2054 2054 2038 1061 503 1000 2054 2054 2054 2054 1433 1000 2054 2054 2054 2054 1006 値幅制限 サーキットブレイカー さまざまにパラメータを変えた時の下落幅の比較 [水田 2014], [Mizuta 2016]より、値幅制限が有効であるためには 制限値幅/制限時間<下落速度 であることが必要。黄色はそれを満たさない領域 19 tr≧10000：同じくらいの効果 tr<10000：値幅制限のほうが効果が低い
- 20. 値幅制限ーサーキットブレイカー 制限時間 1000 2000 5000 10000 20000 制限値幅 10 146 54 16 12 11 20 280 95 27 21 9 50 525 234 47 4 5 100 778 427 92 0 1 200 240 589 319 1 1 500 0 0 15 359 403 1000 0 0 0 0 427 20 差を取るとよくわかる
- 22. 値幅制限(改)ーサーキットブレイカー 値幅制限(改)だと制限時間によらず、 サーキットブレイカーと同等の効果を得る 制限時間 1000 2000 5000 10000 20000 制限値幅 10 -8 -17 -13 -5 -1 20 56 3 -4 2 -3 50 212 83 16 -14 -6 100 418 247 38 -17 -10 200 69 413 231 -23 -10 500 0 0 15 318 392 1000 0 0 0 0 417 22
- 23. ????? ? ?? 売り 注文 買い 注文 値幅制限と値幅制限(改)の違い この売り注文が壁となり買い注文が多少入っても、まったく上昇しなくなる ? 下落をおさえにくくなる (改)ではこの注文がないため壁が作られない 23 t=10000はエージェントが注文をキャンセルする期間と同じ 注文がキャンセルされる前にPrが変わっていき制限値に多くの売り注文がたまる
- 25. (1) はじめに (2) モデル (3) シミュレーション結果 (4) まとめ 25 こちらのスライドは以下からダウンロードできます https://mizutatakanobu.com/2023JAFEE.pdf
- 26. まとめと課題 ? 本研究では， [水田 2014],[Mizuta 2016]の人工市場モデルに，エージェントの損切り 行動とサーキットブレイカーを追加に実装し，同じパラメータを持つ値幅制限とサーキットブレイ カーの効果の比較を行った．その結果，値幅制限とサーキットブレイカーは制限値幅や制限 時間といったパラメータを同じにすれば，同じ程度に急変動をおさえる効果があることが分かっ た．しかし，投資家が注文をキャンセルする時間スケールより値幅制限が短いパラメータを持 つ場合，制限価格に付近に注文がたまってしまい，その注文が急変を緩和する方向への価 格変動を妨げてしまい，サーキットブレイカーよりも効果は劣ってしまうことも分かった． ? 今回の結果は非常に限定的な状況下のことしか示していないことに注意が必要である．今回 の結果だけを見れば，値幅制限よりもサーキットブレイカーの方が優れているように見える．し かし今回の結果は，誤発注による下落であり，かつ，いずれの規制も個別銘柄に導入され た場合のみを分析している．すなわち，価格急変動の原因が誤発注ではない場合，例えば ファンダメンタル価格の急変時などや，個別銘柄ではなく株価指数に導入されている場合など は，結果が異なる可能性がある．実際，現実の市場においては，価格急変動の要因は誤 発注以外の場合もとても多く，また，値幅制限は個別銘柄に，サーキットブレイカーは株価 指数に導入されることが多い．これらの検討はすべて今後の課題である． 26 こちらのスライドは以下からダウンロードできます https://mizutatakanobu.com/2023JAFEE.pdf
- 27. 27 参考文献 ? [Mizuta 2016] Mizuta, T., Kosugi, S., Kusumoto, T., Matsumoto, W., Izumi, K., Yagi, I., and Yoshimura, S., “Effects of Price Regulations and Dark Pools on Financial Market Stability: An Investigation by Multiagent Simulations”, Intelligent Systems in Accounting, Finance and Management, Vol. 23, No. 1-2, pp. 97-120, 2016, https://doi.org/10.1002/isaf.1374 ? [水田 2014] 水田孝信, ”人工市場シミュレーションを用いた金融市場の規制?制度の分析”, 博士論文，東京大大 学大学院工学系研究科, 2014, https://doi.org/10.15083/00007779 (モデル構築の詳細などが書かれています) こちらのスライドは以下からダウンロードできます https://mizutatakanobu.com/2023JAFEE.pdf
- 28. 28 教科書的な本 高安美佐子ほか，マルチエージェントによる金融市場のシミュレーション, コロナ社, 2020， 和泉潔，水田孝信，第５章「エージェントモデルによる金融市場の制度設計」 https://www.coronasha.co.jp/np/isbn/9784339028225/ 人工知能学会誌の特集記事 水田孝信，八木勲 「人工市場による金融市場の設計と広がる活用分野」 人工知能学会誌 人工知能 2021年5月号 https://doi.org/10.11517/jjsai.36.3_262 その他文献(人工市場全般) 一般向け解説記事 水田孝信 「金融市場の制度設計に使われ始めた人工市場」, 2021, スパークス?アセット?マネジメント https://www.sparx.co.jp/report/special/3215.html 解説資料(人工市場は後半から) 水田孝信，「金融業界における人工知能、高速取引、人工市場による市場制度の設計」 https://mizutatakanobu.com/2023k.pdf 解説動画 YouTube: https://youtu.be/Dl5Q-Ub4WCk
- 29. 29 レビュー論文英語版 Mizuta (2019) An agent-based model for designing a financial market that works well, 査読付き国際会議論文 https://doi.org/10.1109/SSCI47803.2020.9308376 先行研究をひたすら紹介した英文レビュー論文 Mizuta (2016) A Brief Review of Recent Artificial Market Simulation Studies for Financial Market Regulations And/Or Rules, SSRN Working Paper Series https://ssrn.com/abstract=2710495 YouTube: https://youtu.be/rmlb72ykmlE 狠狠撸: https://mizutatakanobu.com/2021kyushu.pdf arXiv https://arxiv.org/abs/1906.06000