金融と計量経済学

デスク · エッジか運か？

1取引/1ハンドあたりのエッジ1取引/1ハンドあたりのσ回数 n1,000

ブリーフィング · スタディホール

ここに寄り道は一つもありません。ゲームで使った道具はどれも、金融経済学と計量経済学で名前を変えて再登場します。

ここでは	金融では	計量経済学では
期待値	期待リターン、リスク中立評価（オプション価格 = 割り引いた期待利得）	母平均、条件付き期待値 E[Y\|X]、回帰の対象
分散、σ√n	ボラティリティ、ポートフォリオのリスク、分散投資	標準誤差は√nで縮む。サンプルサイズが重要な理由
線形性	ポートフォリオのリターン = 各資産リターンの加重和	OLS：Y = β₀ + β₁X + ε、パラメータについて線形
条件付き期待値の更新	価格はニュースに反応する。効率的市場仮説	コントロール変数で条件付ける。しないと欠落変数バイアス
オッズ形式のベイズ	予測の更新、信用デフォルトモデル	ベイズ推定、ロジスティック回帰（対数オッズは線形）
ケリー基準のサイズ	ポジションサイズ、レバレッジ、シャープレシオ	期待対数効用の最大化。幾何平均と算術平均
逆選択	ビッド・アスク・スプレッドの理論（Glosten–Milgrom、Kyle）	セレクションバイアス、内生性
キャリブレーションされた区間	バリュー・アット・リスク、予測の信頼度	信頼区間と仮説検定
モンテカルロでのエクイティ	モンテカルロによるオプション評価	ブートストラップ、シミュレーションに基づく推論

最も重要な橋渡しは統計的有意性です。あなたの戦略やポーカーの勝率は本物のエッジか、運か。答えはt統計量、計量経済学の中心となる検定統計量です。

t =（1取引あたりの平均エッジ）× √n ÷ σ P(n回後に利益) ≈ Φ(t)

仕組み：t = m · √n ÷ σ の読み方

m	1取引または1ハンドあたりの平均エッジ：1回の繰り返しの期待値。
σ	1取引の結果の標準偏差：1回ごとのノイズの大きさ。
n	これまでの取引数またはハンド数。
m · n	期待される総利益。nに比例して増えます。
σ · √n	総利益のばらつき。√nルールにより、よりゆっくり増えます。
t	シグナル ÷ ノイズ = (m·n) ÷ (σ·√n) = m·√n ÷ σ。結果がゼロから標準偏差いくつ分離れているかを数えます。
Φ(t)	正規分布の累積確率：釣り鐘型の変数がt以下になる確率。ここではn回の取引後にプラスである確率。
1.96	運だけの結果のうち5%しかこれほど良く見えないときのt。これを超えると、計量経済学者はエッジを「統計的に有意」と呼びます。

段階	教材	理由
今	Blitzstein & Hwang『Introduction to Probability』（ハーバード Stat 110、無料講義）	ここのすべてのゲームの背後にある確率論を、直感的に学べる
今	Zhou『A Practical Guide to Quantitative Finance Interviews』、Crack『Heard on the Street』	定番の面接問題集
今	Mosteller『Fifty Challenging Problems in Probability』	短くて古典的な期待値パズル
1年目	Wooldridge『Introductory Econometrics』	回帰、標準誤差、因果関係。計量経済学副専攻の中核
1〜2年目	Hull『Options, Futures and Other Derivatives』、Natenberg『Option Volatility and Pricing』	トレーダーが実際にどう値付けしヘッジするか
2年目以降	Harris『Trading and Exchanges』	マーケット・マイクロストラクチャー：スプレッドはなぜ存在し、誰と取引しているのか

遊び方からいつでも再表示できます。