多次元データ（時系列データを含む）に対する因果推論に関する研究を、Volatility Constrained Correlation（VC correlation, VC相関）とよぶ新しい手法を中心に研究しています。
これまで様々な分野の研究において、多次元データ（時系列データを含む）から相関係数（行列）を計算することにより、その背後のネットワークを推定する努力が進められてきました。これら多次元データから背後のネットワークを同定する研究は、いわゆる通常のピアソン相関係数（Pearson product-moment correlation coefficient）を用いられることが多いです。ところが通常の相関係数では、相関の有無はわかっても、その方向性まではわかりません。つまりペアデータA,Bに対して、相関係数Cor(A,B)と、Cor(B,A)では同じ値をとるために、AとBのどちらが制御側で、どちらが被制御側かわからないわけです。
そこで、我々はVolatility Constrained Correlation（VC correlation, VC相関）と呼ぶ新しいタイプの相関を推定する手法を開発しました[論文１]。このVC correlationを用いることにより、２つの要素A,Bの間の相関のみならず因果の方向性まで推定することができるようになりました。
このVC相関を金融データに応用する研究[論文１] [論文３] [論文４]、生物医学データに応用する研究[論文２]、またVC相関の理論的な構造の解明するための研究をしています。
VC correlation関連の論文
[論文1] T. Ochiai, J.C. Nacher, “Volatility-constrained correlation identifies the directionality of the influence between Japan’s Nikkei 225 and other financial markets”,
Physica A 393, 364–375 (2014)
(論文リンク)
[論文２] T. Ochiai, J.C. Nacher, “Predicting link directionality in gene regulation from gene expression profiles using volatility-constrained correlation”,
Biosystems, Volume 145, 9–18 (2016)
(論文リンク)
[論文３] T. Ochiai, J.C. Nacher, “VC correlation analysis on the overnight and daytime return in Japanese stock market”
Physica A, Volume 515, 537-545(2019)
(論文リンク)
[論文４] T. Ochiai, J. C. Nacher, “Unveiling the directional network behind financial statements data using volatility constraint correlation”,
Physica A: Volume 600, 127534, 12 pages (2022)
(論文リンク),(PDF)
日本語によるVC相関の解説記事
[解説１] T. Ochiai, J.C. Nacher, “Volatility-constrained correlationを用いた金融市場間の影響伝播の解析”, 第14回人工知能学会 金融情報学研究会(SIG-FIN), 人工知能学会研究会資料SIG-FIN-014-05, 株式会社ホットリンク, 東京, 1月21日(土) , (2015)
(PDF)
[解説２] T. Ochiai, J.C. Nacher, “日本株式市場におけるdaytimeとovernight returnの間のVC相関解析”, 第24回人工知能学会 金融情報学研究会(SIG-FIN), 東京大学本郷キャンパス, 東京, 3月13日, (2020)
*新型コロナ蔓延のために研究会は中止となったが、掲載論文をもって発表者全員が発表扱いとなる。
(PDF)