保険契約者集団を保険リスクが同等のグループへと分類し、グループごとの適切な保険料率を推定するスパースモデリング手法を開発しています。同じ保険料率を適用するグループの設定方法は無数にある中、lassoに代表されるスパース正則化技法を用いることで、重要なリスクの差がない隣接区分を自動的に統合することができます。右図は、自動車損害賠償責任保険における1請求あたりの保険金単価を都道府県別に推定した例を示しており、一部の都道府県が同一区分として推定されたことで地域性が明確に表れています。

高頻度データから日次相関係数の算出

株式市場の株価データからその変動の大きさや異なる株式間での株価の連動性などの特性を統計的に解析することは、株式資産のリスクを管理する上で重要な課題となります。近年は日内株価の高頻度データを用いた統計解析が活発に研究されており、確率過程の理論を用いて非同期観測やマーケット・マイクロストラクチャー・ノイズと言った高頻度データ特有のデータ構造を考慮した新しい統計手法を開発しています。

多項ロジットモデルを利用した確率的名寄せ

銀行は企業の返済能力を自行で収集したデータを元に、統計モデルを作成し企業の信用力を評価してきましたが、インターネット上の情報や政府の統計データ、信用調査会社のデータなど様々なデータが利用可能となり、多くのデータベースを統合することが重要となりました。その際、確率的名寄せの方法、欠損フィールドの修復、データ精度を加味したパラメータ推計など、多くの問題があり、実用的な解決方法を探索しています。