Site Overlay

サラリーマンが勝手に解説する記事:情報幾何から相対裁定へ

こんにちは。今回は、情報幾何の基礎から出発して、株式のリバランスにどうつながるのかを、勝手に解説していきます。

株価を予測せずに市場平均を上回るには、どんな配分ルールが考えられるのでしょうか。 この問いを手がかりに、Soumik PalとTing-Kam Leonard Wongの論文『The Geometry of Relative Arbitrage』を読んでみます。

たとえば、二つの株が途中で値動きしたあと、両方とも元の価格に戻ったとします。途中で保有比率を調整した人の資産価値はどうなるでしょうか。第8節で計算してみます。

まずは、確率を並べても時価総額の比率を並べても、合計が1になるところから考えます。対数とテイラー展開の基本から、Fisher情報計量が出てくるところまで追ってみます。

1. 確率分布を「点」として考える

\(n\)通りの結果に与える確率を\(p=(p_1,\ldots,p_n)\)とします。ここでは、どの結果にも正の確率を与えます。すると、\(p\)は開単体と呼ばれる集合の点になります。

\[ \Delta=\{p\in\mathbb R^n:p_i>0,\ \sum_i p_i=1\}. \]

2通りなら線分の内部、3通りなら三角形の内部です。\(p\)から少し動く方向を\(v\)とすると、確率の合計は1のままなので\(\sum_i v_i=0\)です。この方向を集めたものを、点での接空間と呼びます。

二つの分布の違いを測る代表的な量が、KLダイバージェンス(相対エントロピー)です。分布\(q\)から結果を得たとき、対数比\(\log(q_i/p_i)\)を平均します。

\[ D_{\mathrm{KL}}(q\Vert p)=\sum_i q_i\log\frac{q_i}{p_i}. \]

\(-\log x\ge1-x\)を使うと、足し合わせた値は0以上となり、\(q=p\)で0になります。引数を入れ替えると一般に値が変わります。たとえば「実際の分布が\(q\)のときに\(p\)を使う」ことと、その逆では、どの結果をどれだけ重く見るかが違うからです。

2. KLダイバージェンスからFisher情報計量へ

\(q=p+sv\)として、\(s\)が0に近いときを考えます。各項で\(\log(1+sv_i/p_i)\)を二次まで展開すると、一次の合計\(s\sum_i v_i\)が消えます。そこで、残った二次の項を見てみます。

\[ D_{\mathrm{KL}}(p+sv\Vert p) =\frac{s^2}{2}\sum_i\frac{v_i^2}{p_i}+o(s^2),\qquad g^{\mathrm F}_p(u,v)=\sum_i\frac{u_i v_i}{p_i}. \]

右の\(g^{\mathrm F}_p\)が通常の正規化でのFisher情報計量です。同じ1ポイントでも、確率50%の成分と1%の成分では、1%の成分の二次項への寄与が大きくなります。つまり、どの分布を出発点にするかで、同じ変化でも長さが違って見えるわけです。ここでの出発点が \(p\) です。Pal & WongはDefinition 6で、この計量の半分\(\langle\!\langle u,v\rangle\!\rangle_p=\tfrac12 g^{\mathrm F}_p(u,v)\)を使います。

ここで見た「二点の違いを測る量を、近くで二次近似する」という手順を、後でもう一度使います。そのときは、市場比率の変化が投資家の相対収益にどう効くかを測ります。

3. 同じ単体に、市場の構成比率を載せてみる

ここから株式市場に話を移します。まず、対象を固定した\(n\)銘柄とし、時価総額\(X_i(t)>0\)から市場構成比率を定めます。

\[ \mu_i(t)=\frac{X_i(t)}{\sum_{j=1}^nX_j(t)},\qquad \mu_i(t)>0,\quad\sum_i\mu_i(t)=1. \]

この比率ベクトルは、先ほどの開単体\(\Delta\)の点です。論文では同じ集合を\(\Delta^{(n)}\)と書きます。確率を並べたときと同じように、市場の状態を一つの点で表せるわけです。

一方、投資家が選ぶ配分は\(\pi(p)\)です。市場の状態\(p\)に応じて、投資資金を各銘柄へ何割ずつ配るかを決めます。\(\pi_i(p)\ge0\)、\(\sum_i\pi_i(p)=1\)なので、空売りせず株式に全額投資します。保有しない銘柄があっても構いません。

以下は離散時間の自己金融戦略、つまり売買資金を既存の保有資産で賄い、途中で資金を追加・引き出ししない設定です。借入れはせず、売買コスト・税金も無視します。「市場平均」はこの銘柄集合の時価総額加重ポートフォリオであり、任意の指数や単純平均を指しません。

4. 資産価値を市場で割ると、何が残るか

同じ初期資金から始めた戦略と市場の資産価値の比を\(V(t)\)とします。\(V(t)>1\)なら、その時点で市場を上回っています。論文の式(3)は

\[ V(0)=1,\qquad \frac{V(t+1)}{V(t)}= \sum_i\pi_i(\mu(t))\frac{\mu_i(t+1)}{\mu_i(t)} \]

となります。配分を決めるのは期首です。現在の\(\mu(t)\)で配分を決める点が大切です。個別銘柄の価値の増加率を、市場全体の増加率で割ると比率\(\mu_i(t+1)/\mu_i(t)\)になるので、この形が得られます。

特定の価格過程や上昇確率は仮定しません。ただし、相対価値が増えても、市場全体が大きく下がれば投資金額は減り得ます。相対的な優位と元本の保全は別の話です。

5. 一周しても相対価値が減らない条件

市場構成比率が\(p^{(0)}\to\cdots\to p^{(m)}=p^{(0)}\)と一周するとします。あらゆる閉路について

\[ \prod_{t=0}^{m-1} \left(\sum_i\pi_i(p^{(t)})\frac{p_i^{(t+1)}}{p_i^{(t)}}\right)\ge1 \]

となる性質が、乗法的巡回単調性(MCM)です。これは論文のDefinition 2・式(13)を、終点を\(m\)とする添え字で書き直したものです。

なぜ閉路を見るのでしょうか。1周するたびに相対価値が\(r<1\)倍になる閉路があれば、繰り返すと\(r^k\to0\)になります。あらゆる経路で相対的な下落を一定範囲に抑えたいなら、このような閉路は許せません(Lemma 3)。こう考えると、一周して元に戻る経路だけでも、配分ルールにどんな制約がかかるかが見えてきます。

Proposition 4の中心は、MCMと、ある正値凹関数\(\Phi:\Delta\to(0,\infty)\)による次の不等式が同値だという結果です。

\[ R(p,q):=\sum_i\pi_i(p)\frac{q_i}{p_i} =1+\sum_i\frac{\pi_i(p)}{p_i}(q_i-p_i) \ge\frac{\Phi(q)}{\Phi(p)}.\tag{論文15} \]

凹関数がある方から見てみます。閉路に沿って掛けると、右辺では各点の値が分子と分母に一度ずつ現れるので、積は1になります。逆向きには、固定した始点から\(p\)までの全経路の相対価値の下限を取り、生成関数を構成します(式(16))。終点についてのアフィン関数の下限なので凹性が現れ、MCMが正値性を支えます。

微分可能なら、配分は

\[ \pi_i(p)=p_i\bigl(1+D_{e_i-p}\log\Phi(p)\bigr) \tag{論文20} \]

で表せます。\(e_i\)は第\(i\)頂点、\(D_{e_i-p}\)はその方向への微分です。\(\sum_i p_i(e_i-p)=0\)から配分の和は1になり、\(\Phi\)の凹性と正値性から各配分も非負になります。滑らかでない場合は、グラフを上から支える平面の傾き、すなわち上勾配を使います(Propositions 5・6)。

6. L-divergenceで、途中の値動きの寄与を取り出す

式(15)では、左辺が右辺をどれだけ上回るかが気になります。両辺の対数を取って、その差を出してみます。これがL-divergenceです(Definition 3・式(22))。

\[ T(q\mid p)=\log R(p,q)-\log\frac{\Phi(q)}{\Phi(p)}\ge0. \]

非負性は式(15)と対数の単調性から従います。ただし一般には非対称で、距離の公理を満たすものではありません。非微分可能な場合には、\(\Phi\)だけでなく選んだ配分\(\pi\)にも依存します。

この定義に各時点の市場比率を代入し、時刻について足すと、\(\log\Phi\)の差が相殺されます。それがLemma 7の分解です。

\[ \log V(t)=\log\frac{\Phi(\mu(t))}{\Phi(\mu(0))}+A(t),\qquad A(t)=\sum_{k=0}^{t-1}T(\mu(k+1)\mid\mu(k)). \tag{論文24} \]

第1項は始点と終点で決まり、第2項は途中の変動の蓄積です。\(A(t)\)は減りませんが、第1項は負にもなります。\(\Phi\)が\(K\)上で一様な正の下限を持てば、第1項を下から抑えられ、さらに\(A(t)\to\infty\)となる経路では\(V(t)\to\infty\)になります。

ここでいう「十分な変動」は、単に価格が激しく動くという印象ではなく、この\(A(t)\)が発散することです。比率が動かない経路では蓄積もありません。

6.1 固定配分にすると、KLが出てくる

冒頭のKLとどうつながるのか。まず、毎期同じ配分\(a\)に戻す戦略を考えます。各成分が正なら、\(\Phi(p)=\prod_i p_i^{a_i}\)がこの配分を生成します。市場が\(p\)から\(q\)へ動いた直後、売買をする前の保有比率を\(b\)とすると、値動きによって\(b_i=a_i(q_i/p_i)/R(p,q)\)になります。これをKLの定義に代入します。

\[ D_{\mathrm{KL}}(a\Vert b) =\log R(p,q)-\sum_i a_i\log\frac{q_i}{p_i} =T(q\mid p). \]

最後の等号は生成関数\(\Phi\)の比を展開すれば得られます(式(23)の書き換え)。つまり固定配分では、L-divergenceは、目標配分と値動きでずれた配分の違いをKLで測った量です。一般の関数生成ポートフォリオでは式(22)を使います。

7. 擬似裁定を成り立たせる二つの条件

論文のDefinition 1でいう擬似裁定(pseudo-arbitrage)は、領域\(K\subset\Delta\)で次の二つを満たす配分ルールです。

  1. \(K\)内の全経路について、全時点で\(\log V(t)\ge-C\)となる共通の定数\(C=C(K,\pi)\ge0\)がある。
  2. \(K\)内に、\(V(t)\to\infty\)となる経路が少なくとも一つある。

第1条件でも\(V(t)<1\)は許されます。第2条件も、実際にその経路が実現することや、すべての経路で勝つことを要求していません。

Theorem 1は、\(K\)が単体に対して開いた凸集合なら、擬似裁定を次の条件で特徴づけます。単体全体上の非負凹関数\(\Phi\)が存在し、\(K\)上で非アフィン、かつ\(\inf_{p\in K}\Phi(p)\ge\varepsilon>0\)であり、さらに\(\pi(p)/p\)が\(\log\Phi\)の上勾配を定めることです。厳密には、この比率ベクトルから成分の算術平均を引いて接空間に射影します(式(18))。これが配分と生成関数を結ぶ条件です。

非アフィンとは、一次式と定数だけでは表せないこと。厳密な凹性までは要求しません。また、各点で正でも境界へ近づくと0に迫ることはあります。したがって「正値」と「\(K\)上で一様に0から離れる」は区別が必要です。非アフィン性が利益の蓄積する経路の存在を、一様下限が相対価値の下支えを担います。

8. 株価が元に戻る2銘柄で計算してみる

冒頭の2銘柄の話に戻って、手を動かしてみます。ここで使う株価は、計算のために置いた仮想例です。2銘柄の価格をそれぞれ100→120→100、100→80→100とします。発行済株式数は等しく一定、配当なし、端株売買が可能で、費用・税金はありません。初期資金は100です。

市場比率は\((0.5,0.5)\to(0.6,0.4)\to(0.5,0.5)\)。市場の総額は各時点で一定なので、市場を保有した資産価値も100のままです。

50:50戦略では、最初に各株を0.5株ずつ買います。1期後はAが60、Bが40で合計100。そこでAを10売り、Bを10買って、保有数量をAが\(50/120=5/12\)株、Bが\(50/80=5/8\)株に戻します。追加資金は不要です。

では、この保有数量のまま両株の値段が100へ戻ったら、いくらになるでしょうか。計算すると、

\[ 100\left(\frac5{12}+\frac58\right) =\frac{625}{6}=104.1666\ldots \]

です。式(3)からも、初回の倍率は1、次回は\(\tfrac12(0.5/0.6)+\tfrac12(0.5/0.4)=25/24\)となり、同じ結果になります。相対価値は\(25/24\)、単純相対リターンは約4.17%です。

1期目の売買直前の配分は\((0.6,0.4)\)なので、固定配分の式から\(T=D_{\mathrm{KL}}((0.5,0.5)\Vert(0.6,0.4))\approx0.02041\)です。2期目は売買前の配分が\((0.4,0.6)\)となり、KLは同じ値です。

生成関数\(\Phi(p)=\sqrt{p_1p_2}\)は50:50配分を生みます。この閉路では始点と終点の\(\Phi\)が同じなので、\(A(2)=\log(25/24)\approx0.040822\)です。ただし、この\(\Phi\)は単体全体では0へ近づくため、全単体でTheorem 1の下限制約を満たしません。今回の閉路を含む、境界から離れた開凸領域なら満たします。

この往復経路で得た利益を、一方向に進む相場へ一般化はできません。実取引ではリバランス費用も差し引く必要があります。

9. L-divergenceを二次近似すると、何が見えるか

ここで第2節の計算を思い出してみます。KLを近くの二点で展開すると、Fisher情報計量が出てきました。L-divergenceでも、\(\Phi\)が\(C^2\)級のとき、\(q=p+sv\)に対するL-divergenceを展開します。式(22)の二つの対数は一次まで一致し、生成関数の曲がり方が残ります(2.6節、Definition 4・式(29)–(30))。

\[ T(p+sv\mid p)=s^2H_p(v,v)+o(s^2),\qquad H_p(v,v)=-\frac{D^2\Phi(p)[v,v]}{2\Phi(p)}. \]

凹性から\(H_p\)は半正定値です。リーマン計量として使うには、非ゼロの方向すべてで正になることと、適切な滑らかさが要ります。

原論文のTheorem 9・式(33)では、Fisher情報計量が具体的に登場します。配分を\(\pi(p)\)に固定したときの局所的な超過成長\(\Gamma_{\pi(p)}(p)(v,v)\)と、市場の動き\(v\)に合わせて目標配分が動く効果を比べます。

\[ H_p(v,v)=\Gamma_{\pi(p)}(p)(v,v) -\langle\!\langle D_v\pi(p),v\rangle\!\rangle_p\ge0. \]

右の第2項は、配分の応答\(D_v\pi(p)\)を市場の変化の方向に測ったものです。たとえば市場にそのまま追随する\(\pi(p)=p\)では、二項が打ち消し合い、相対価値は常に1です。同著者の後続研究では、滑らかさと非退化性を仮定し、L-divergenceからリーマン計量と双対接続を定め、測地線や曲率まで調べています。

10. 配分ルールを最適輸送から考える

どの市場状態にどの配分を当てるか。最適輸送では、二つの分布の結びつけ方を選び、指定したコストの期待値を最小にします。本論文では、市場比率\(p\)と配分のずらし方\(h\)に対し

\[ c(p,h)=\log\left(\sum_i p_i e^{h_i}\right),\qquad \pi_i(p)=\frac{p_i e^{h_i}}{\sum_jp_j e^{h_j}} \tag{論文6・7} \]

を使います。このコストは数学の目的関数で、証券売買の手数料ではありません。 最小化しているのは、この期待コストであり、将来の利益を直接最大化しているわけではありません。

Theorem 2の順方向では、有限の最適値を持つ最適結合があり、その台から各\(p\in K\)に対して\(h=F(p)\)を選べるとき、上式の配分にTheorem 1の上勾配条件を満たす凹関数が存在します。擬似裁定になるには、さらに\(K\)の開凸性、非アフィン性、正の一様下限が必要です。

逆方向は、擬似裁定に加えて\(\log(\pi_i(p)/p_i)\)が各成分で一様に下から有界であることを仮定します。\(K\)上の任意の市場状態分布\(\mathcal P\)に対し、\(h_i(p)=\log(\pi_i(p)/p_i)\)の分布を\(\mathcal Q\)とすれば、\((p,h(p))\)がその輸送問題の最適結合になります。

つまり、配分ルールの構造を輸送の最適性としても捉えられるのです。ただし、具体的に設計するときは、市場状態や配分のずらし方の分布を選びます。経路ごとの恒等式が予測モデルを要しないことと、戦略設計に投資家の見通しが入ることは両立します。

配分がすべて正なら、比率を指数座標 \(\theta_i=\log(p_i/p_n)\) で表せます(式(8))。この座標では、市場から配分への変更は座標のシフトとなり、3.3節では輸送コストをシフトと市場座標の差の関数に書き直します。3.4節では、冒頭のKLに負号を付けた \(-D_{\mathrm{KL}}(q\Vert p)\) を輸送コストとする別の問題も扱います(式(48))。ここでの \(q\) は投資家の配分です。

11. WalmartとMicrosoftの例を読む

最後に、論文では実際の株価を使って何を確かめたのかを見ておきます。第4章では、1995年1月〜2015年7月の月次株価を使い、両株を初期価格1へ正規化した仮想的な2銘柄市場を扱います。初期配分は50:50です。最初の120か月を学習に使い、将来の市場状態の分布と配分のずらし方の分布を設定して、3戦略を作っています。2銘柄では分位点を対応させる単調輸送で解けます(Theorem 16)。

検証期間は原文で2005〜2015年、約10年間とされています。データ終端は2015年7月なので、2015年末までの成績とは読めません。期間末の対数相対値\(\log V\)は、順に0.0217、0.0749、0.0238、百分率表記で2.17%、7.49%、2.38%です(4.2節・Figure 6)。年率ではなく、期間全体の累積対数値です。

単純相対リターンへ直すなら\(V-1=e^{\log V}-1\)で、筆者の換算では約2.19%、7.78%、2.41%になります。広い株式市場の指数に対する成績でも、元本に対する絶対リターンでもありません。

著者らは詳細な運用成績の分析を論文の対象外としています。好成績だった戦略は市場配分からのずれも大きく、相対リスクも増えています。ここで紹介された限定的な例から、将来の収益や、費用控除後の実用的な優位は結論できません。

おわりに:比率のずれから、リバランスを見直す

2銘柄の例では、途中で持ち直した株数が最後の資産価値に効きました。その寄与を、目標配分と値動きでずれた配分のKLで計算できたのが、個人的にはいちばん面白いところです。市場比率が元に戻らない経路でも、途中で積み上がった分と、始点・終点の違いによる分は、論文の分解式でそれぞれ確かめられます。

ポートフォリオを数学の側から読む話に興味がある方は、期待値・分散と内積の関係を扱ったポートフォリオ理論と確率論もどうぞ。

参考文献

  • Soumik Pal and Ting-Kam Leonard Wong, The Geometry of Relative Arbitrage, arXiv:1402.3720v5. 原論文。本文の定理・式番号はこの版に対応します。
  • Soumik Pal and Ting-Kam Leonard Wong, Exponentially Concave Functions and a New Information Geometry, arXiv:1605.05819. 後続研究。

ここまでお付き合いいただき、ありがとうございました。

ご質問やコメントはお問い合わせからよろしくおねがいします。