Cross-asset market transmission and spillovers レポート解説

概要

Morgan Stanleyは、株式選択のQAML機械学習フレームワークをクロスアセット市場伝播へ拡張しています。クロスアセットの市場状態は、その後のリスク調整後結果の強弱を識別する助けとなり、組み合わせたマルチホライズン・シグナルが最も頑健なポートフォリオ実装を提供すると結論付けています。

主要見解

本レポートは、市場同士が単に連動するかではなく、ある市場の現在の状態が別の市場で次に起こることについて有用な情報を持つかを検証しています。各ターゲット資産に対してAdaBoostフレームワークを適用し、関連するソース市場、閾値、方向性がターゲットや予測ホライズンごとに異なることを許容します。対象ユニバースは、株式、固定収益、短期金利、FXフォワード、コモディティ、クレジットの116資産で、13の流動性の高いソース市場から221のシグナルを用います。入力には、1、3、6、12か月のボラティリティ調整後リターン、モメンタムとトレンド指標、過去のレンジに対する価格位置、テール特性、ボラティリティ・レジーム指標が含まれます。 各ターゲット資産について、Morgan Stanleyは1、3、6、12か月先の実現Sharpe比に対する別々のモデルを学習させます。結果は、各資産の拡張型の将来Sharpe中央値に対して強いか弱いかに分類されます。モデルは拡張型の時系列ウィンドウを用い、適格な月次観測値が60に達してから開始し、将来の結果が完全に実現した観測値のみを追加します。各アウト・オブ・サンプルのモデルスコアを、その資産固有の長期期待Sharpeに対する期待将来Sharpeへ較正することで、最終シグナルは現在のクロスアセット環境がその資産にとって歴史的な通常状態より良いか悪いかを示します。 バックテストでは、4つすべてのホライズンで持続的なパフォーマンスが示されました。2013年2月から2026年7月にかけて、均等加重のAverage 1/3/6/12-monthロング／ショート・シグナルは、3.7% CAGR、5.2%の年率ボラティリティ、コスト控除後0.71のCAGR/ボラティリティ比、8.6%の最大ドローダウンを記録しました。グローバル均等加重ユニバースに対するInformation Ratioは0.81、逆ボラティリティ・ユニバースに対しては0.79でした。1か月シグナルは個別ホライズンで最も強く、2.7% CAGR、4.0%のボラティリティ、0.68の比率を示し、3、6、12か月シグナルもリスク調整後でプラスを維持しました。Morgan Stanleyは、ホライズンを平均化することで異なる速度で伝播する情報を取り込み、単一の予測ウィンドウへの依存を下げると解釈しています。 著者らは、結果がモデル仕様に依存するかを検証しています。特徴量を52のボラティリティ調整後リターン・シグナルに絞ると、組み合わせ戦略のCAGR/ボラティリティ比は0.62となり、221シグナルのフル・ベースラインの0.71を下回りました。これはテクニカルな市場状態指標が、リターン単独を超える情報を追加していることを示します。条件付き期待将来Sharpeに直接基づくフル・シグナルの代替較正では、3.9% CAGRと0.75のCAGR/ボラティリティ比を達成しました。Morgan Stanleyは、この直接較正を補完的でより広いクロスアセット配分仕様と位置付け、ベースラインは期待Sharpeを各資産自身の長期基準と比較するため、より戦術的だと説明しています。 ロングとショートの両ブックはいずれも全期間でプラスに寄与しましたが、ロング・ブックの方がより大きく、より持続的なリターン要因であり、ショート・ブックの寄与はより断続的でした。エクスポージャーとリターン寄与には大きな違いがあり、ボラティリティ調整後のロング・ブックのグロス想定元本は短期金利が支配し、ショート・ブックではFXフォワードが支配しました。しかし、長期戦略リターンの主な寄与源は株式とFXフォワードであり、短期金利は大きな想定元本ウェイトにもかかわらずリターン寄与はより限定的でした。6つすべてのターゲット資産クラスは全期間でプラスに寄与しましたが、主導役は時期により変化しました。 制約付きポートフォリオの検証では、同じボラティリティ調整を適用する前に固定の資産クラス配分を課しました。これによりFXフォワードと短期金利への自然な集中が抑えられ、株式、固定収益、コモディティ、クレジットの比重が広がりました。制約下では個別ホライズンの結果は大きく弱まりましたが、Averageシグナルはコスト控除後でプラスを維持しました。具体的には、3.4% CAGR、5.1%のボラティリティ、0.66のCAGR/ボラティリティ比、2つのグローバル・ベンチマークに対してそれぞれ0.72と0.68のInformation Ratioです。著者らは、この頑健性をマルチホライズン仕様の裏付けと見ています。平均化が伝播速度だけでなく、シグナルが表現される資産クラス構成への感応度も低下させるためです。 伝播分析では、コモディティと固定収益が大半のターゲット資産クラスにとって支配的な情報源として特定されました。株式では、Brentの6か月および12か月のボラティリティ調整後リターンの上昇は歴史的にその後の弱い結果と関連し、銅の3か月モメンタムの強さはより良い結果と関連しました。固定収益では、Brentの12か月モメンタムの上昇はその後の強い結果と、JPYの6か月モメンタムの強さは弱い結果と関連しました。短期金利では、米国2年国債の252日安値からの距離は強い結果と関連し、S&P 500が252日高値に近いことは弱い結果と関連しました。FXフォワードでは、Brentモメンタムの強さは弱い結果と、金とNasdaqの価格ポジション・シグナルはより良い結果と関連しました。 コモディティとクレジットでは、フロントエンド金利、株式、コモディティのシグナルが、自市場モメンタムを超える情報を提供します。特にクレジットでは、Brentの12か月モメンタムの強さはその後の弱い結果と関連し、Euro-Schatzの価格ポジションおよびレンジ・シグナルの強さはより良い結果と関連しました。Morgan Stanleyは、これらが固定的な一方向のルールではないと強調しています。同じソース・シグナルがターゲットごとに異なる、非線形を含む意味を持ち得るためです。レポートの中心的結論は、クロスアセット・スピルオーバーは、ある市場が一貫して別の市場を先導するという単純な階層ではなく、動的でターゲット固有かつ状態依存のネットワークを形成するというものです。

分析フレームワーク

Morgan Stanleyは、拡張型の履歴サンプルとパーセンタイルに基づく市場状態を用い、資産別にAdaBoost分類器を構築しています。モデル出力を経済的に解釈可能な将来Sharpe予想へ変換し、毎月資産を順位付けして上位20%をロング、下位20%をショートとし、逆ボラティリティ・サイズ調整と1営業日の実行ラグを適用します。その後、代替的な特徴量セットと較正、資産クラス制約、リターン寄与、ソース市場シグナルの重要度を検証しています。

手法メモ

• その他その他

  拡張型時系列学習ウィンドウを用いるAdaBoost機械学習分類

  このモデルは単純な分類器を逐次組み合わせ、各ターゲット資産について、将来のリスク調整後結果がより強い状態と弱い状態を歴史的に識別するソース市場の状態を特定します。

• クオンツ・ファクター・ポートフォリオ理論シャープ・レシオ／インフォメーション・レシオ

  将来実現Sharpeの較正とベンチマーク相対Information Ratio

  レポートは将来実現Sharpeで結果をラベル付けし、モデルスコアを期待Sharpeに較正し、均等加重および逆ボラティリティのグローバル・ユニバース・ベンチマークに対して戦略パフォーマンスを評価しています。

• クオンツ・ファクター・ポートフォリオ理論マルチファクターモデル

  マルチホライズンのクロスアセット・シグナル・アンサンブル

  この戦略は、異なる速度で伝播する情報がポートフォリオ・シグナルに寄与できるよう、1、3、6、12か月の別々の予測を組み合わせます。

主要データ

• ターゲット・ユニバース116 assets across six asset classes株式、固定収益、短期金利、FXフォワード、コモディティ、クレジット。
• ソース市場とシグナル13 source markets; 221 candidate signalsシグナルはリスク調整後リターンとテクニカルな市場状態指標を組み合わせる。
• Averageシグナルのパフォーマンス3.7% CAGR; 5.2% annualised volatility; 0.71 CAGR/volatility; (8.6%) maximum drawdown2013年2月～2026年7月、実装コスト控除後。
• AverageシグナルのInformation Ratio0.81 vs global equal-weighted universe; 0.79 vs global inverse-volatility universe回帰ベースのベンチマーク相対パフォーマンス指標。
• 代替的な直接較正3.9% CAGR; 5.2% annualised volatility; 0.75 CAGR/volatilityフル・シグナルセットを用い、条件付き期待将来Sharpeで直接順位付けする。
• 制約付きAverageシグナル3.4% CAGR; 5.1% annualised volatility; 0.66 CAGR/volatilityボラティリティ調整前に固定資産クラス・ターゲットを課す。

影響と示唆

Morgan Stanleyの結果は、広範な相関や固定的な方向関係に依存するのではなく、クロスアセット情報をターゲット固有かつ状態依存として扱うことを支持しています。レポートは、代替仕様および大きく異なる資産クラス配分の下でもプラスを維持したため、組み合わせたマルチホライズン実装を選好しています。

注目点

• 各資産クラス内でシグナルの重要度が地域により大きく異なるか。
• ランクベースの手法を含む代替的なウェイト手法の下で、シグナル順位が安定するか。
• VARベースのリード・ラグ分析が、モデルの非線形スピルオーバー関係を補完する情報を捉えるか。