- ファイナンシャル・アドバイザーの専門性の向上
- アドバイザーが自由に使える金融テクノロジーやソフトウェアの進歩
- インターネットの成長による、投資家が市場に参加する機会の増加
- ポートフォリオでリスクを取る投資家の割合の減少
αフェトプロテイン(AFP)|腫瘍マーカー(がん血液検査)
αフェトプロテイン(AFP)は、胎児期に多い蛋白です。出生時のαフェトプロテイン(AFP)の血中濃度は10,000~100,000 ng/ml (1ngは1gの10億分の1)と最高であり、その後、しだいにαフェトプロテイン(AFP)値は減少して、生後一年で成人と同じ濃度 (アルファ値の定義 10 ng/ml以下)となります。αフェトプロテイン(AFP)は胎児期には肝臓で作られ、種々の物質を結合して母体と胎児間の物質の移送に関係していると考えられていますが、αフェトプロテイン(AFP)の詳しいことはわかっていません。
αフェトプロテイン(AFP)の基準値
血液検査項目 | 基準値(参考値) | |||
血液検査名称 | 略称 | 数値 | 単位 | |
αフェトプロテイン | AFP | 10.0以下 | ng/ml |
αフェトプロテイン(AFP)検査の目的
αフェトプロテイン(AFP)で何を調べている
αフェトプロテイン(AFP)は、胎児肝およびヨークサック(卵黄嚢)で産生される胎生期特有の血清蛋白である。出生直後には血中で10,000ng/mL前後の高値を示すが、その後速やかに減少して健常小児・成人には10ng/mL以下の極めて低濃度にしか存在しない。αフェトプロテイン(AFP)は一次構造においてアルブミンとの間に39%の相同性を有し、種々の物質の生体内輸送や脂肪酸代謝への関与が推定されています。 AbelevおよびTatarinovが肝細胞癌において血中αフェトプロテイン(AFP)が増量することを見出して以来、その腫瘍マーカーとしての有用性は高く評価されています。血中αフェトプロテイン(AFP)濃度400ng/mLを超える例では肝細胞癌の可能性がきわめて高い。ちなみにαフェトプロテイン(AFP)値の上昇する良性疾患もその多くは肝疾患である。慢性肝炎で軽度 (~100ng/mL)、肝硬変で中等度(~400ng/mL)の上昇を呈するが、これらは肝細胞壊死後の肝再生によるものと推定されている。また妊娠後期には、胎児が産生したαフェトプロテイン(AFP)が母体中にも検出される。さらに、原発性肝細胞癌由来αフェトプロテイン(AFP)と、肝硬変やヨークサック腫瘍由来αフェトプロテイン(AFP)の各糖鎖構造の相違を、レクチン親和性の差から鑑別することが可能となっている(「AFPレクチン分画」の項を参照)
“ hsl() ”関数
Mar. 3rd,2021
“ hsl() ”関数
色 | HSL値 | 色 | HSL値 |
---|---|---|---|
hsl(0deg,100%,50%) | hsl(180deg,100%,50%) | ||
hsl(12deg,100%,50%) | hsl(192deg,100%,50%) | ||
hsl(24deg,100%,50%) | hsl(204deg,100%,50%) | ||
hsl(36deg,100%,50%) | hsl(216deg,100%,50%) | ||
hsl(48deg,100%,50%) | hsl(228deg,100%,50%) | ||
hsl(60deg,100%,50%) | hsl(240deg,100%,50%) | ||
hsl(72deg,100%,50%) | hsl(252deg,100%,50%) | ||
hsl(アルファ値の定義 84deg,100%,50%) | hsl(264deg,100%,50%) | ||
hsl(96deg,100%,50%) | hsl(276deg,100%,50%) | ||
hsl(108deg,100%,50%) | hsl(288deg,100%,50%) | ||
hsl(120deg,100%,50%) | hsl(300deg,100%,50%) | ||
hsl(132deg,100%,50%) | hsl(312deg,100%,50%) | アルファ値の定義||
hsl(144deg,100%,50%) | hsl(324deg,100%,50%) | ||
hsl(156deg,100%,50%) | hsl(アルファ値の定義 336deg,100%,50%) | ||
hsl(168deg,100%,50%) | hsl(348deg,100%,50%) |
“ hsl() ”関数の構文
色相、彩度、輝度を表す3個の引数を順番にホワイトスペースで区切って記述します。また、“CSS Color Module Level 3”までと同様にコンマ(“ , ”)で区切って記述する方法もあります。
空白区切りの記法
hsl(〚色相〛 〚彩度〛 〚輝度〛)
1個目の引数は色相を表し、“ ”値で指定します。“ 0deg ”が赤色、“ 120deg ”が緑色、“ 240deg ”が青色に対応します。
“CSS Color Module Level 3”までの仕様では“ ”値のみ有効です。
2個目の引数は彩度を表し、“ ”値で指定します。“ 100% ”が純色、“ 0% ”で無彩色の灰色になります。
3個目の引数は輝度を表し、“ ”値で指定します。“ 50% ”が純色を表し、“ 0% ”が黒色、“ 100% ”が黒色となります。
輝度を“ 0% ”アルファ値の定義 にすると色相に関係なく白色、“ 100% ”にすると黒色になります。また、彩度が“ 0% ”の時も色相に関係なく灰色になり、輝度によって灰色の明るさが変わります。
“ 0% ”~“ 100% ”の範囲外の値も無効ではありませんが、“ 0% ”以下の値は“ 0% ”、“ 100% ”以上の値は“ 100% ”として扱われます。
PDFにおける透明効果、20年の歩み
PDF 1.4の初期の実装においては、基盤となる不透明レンダリング技術(PostScriptインタープリターなど)への依存度が高かったことから、新たな透過画像モデルを正確かつ効率的に安定してサポートするのは簡単ではありませんでした。この技術が持つ「驚くべき」新規性、複雑な使用条件、作業負荷の大きさから、当時はPDF 1.4を酷評したり、否定的な姿勢を示したりする人々が多く存在した一方、革新的なテクノロジーが誕生するチャンスであり、透明効果の普及によってより広範なPDFエコシステムが恩恵を受けると考える人々もいました。初期の実装に関わった技術者達にとってハードルとなった技術的課題は、PDF 1.4のオリジナル版に存在したエラーや制約であり、これらの課題は2006年1月にアドビが『PDFのブレンドモードに関する補遺』を発行したことで解決されました。
現在、PDF/Xを使用するユーザーは、グラフィックアートのワークフローにおいて信頼性の高いオーバープリントと透明効果のレンダリングを保証するために、数多くのテストスイート、テストページ、コントロールストリップに精通しているはずです。European Color アルファ値の定義 InitiativeのAltona Test Suite、Ghent Working Groupの「Ghent PDF Output Suite」、FOGRA、IDEAllianceなどのツールを使用することで、印刷業者や発注者が、デジタルフロントエンド(DFE)やラスターイメージプロセッサ(RIP)で、ネイティブな透明効果を保ったままPDFファイルを正確に印刷できるかどうかを確認できます。
ポーターとダフのアルファ合成
半透明を使用したレンダリングの幾何学的原理は、当時ルーカスフィルムで働いていたトーマス ポーターとトム ダフが発表した1984年の独創的な論文『デジタル画像の合成(Compositing Digital Images)』で初めて紹介されました。透過レンダリングの計算式(詳細はISO 32000 第11節参照)は恐ろしいほど難解に見えるかもしれませんが、基本は比較的簡単です。
透明効果のその先へ
RGBブレンドモードによる画像の見た目(Adobe PDF 1.4.より)
CMYKブレンドモードによる画像の見た目(Adobe PDF 1.4.より)
近年PDF 2.0で導入された仕様変更(ISO 32000-2:2020を参照)には、注釈用の透明効果とブレンドモード属性が含まれており、下層のドキュメントと高度なブレンドを行って、注釈を表示させることができます。さらに、PDF 2.0では、特殊なブレンドモードである「Compatible」や、Graphics State Parameter Dictionaries(グラフィックスステートパラメータ辞書)で「BM」キーに指定された一連のブレンドモードなど、初期のバージョンに採用されていたものの業界標準とならなかった仕様の一部が非推奨となっています
ネイティブな透明効果やブレンディングは、画像技術の中でも特に複雑なため、サポートが成熟するまでに時間がかかりました。もちろん、当時からアドビのアプリケーション群がサポートしていましたが、他のファイル形式やプラットフォームがPDFに匹敵する機能をサポートするようになったのは、ずっと後のことです。SVGは、PDF 1.4で最初に定義されたものと同様の、ポーターとダフによる一連の合成演算子と、より高度なフィルターモデルを含む高度な合成ブレンドモードのセットを、かなり遅れて採用しました。ほぼ同時期に、CSSはPDFと同様のブレンドモードサポートを導入することで、高度な透明効果に対応する姿勢を示しました。さらに最近では、画面表示用のAppleのSwift UIフレームワークが、PDFが定義しているのと同じセットのブレンドモードを定義しました。Wikipediaの「ブレンドモード」のページに列挙された参考文献の大部分は、PDF 1.4が最初にリリースされてから約10年後に記述された内容であるというのも、興味深いところです。アドビはこの分野でも技術革新を牽引してきました。
Vectorspace AIのデータセットとCanvasでアルファ値を生成、可視化する
さらなる調査で、2001年2月発行のThe Journal of Finance誌に掲載された興味深い論文が見つかりました。タイトルは“Contagious Speculation and a Cure for Cancer: A Non-Event that Made Stock Prices Soar”(拙訳:伝染性のスペキュレーションとガン治療:株価を高騰させた取るに足らない出来事)です。この論文は、EntreMed(当時のシンボルはENMD)という企業に関する出来事を記述しています。
満ち潮でも上昇しないボートがある
イベント1:EntreMed(ENMD)が608%を記録(1998年5月4日)
pg. 392 par. 4「(拙訳:)このうち3銘柄の株式リターンは100%超、2銘柄は50%から100%、2銘柄は25%から50%のリターンだった。表1に示した極端なリターン分散状況におけるこの3銘柄のリターン比較からは、これら7つのバイオテクノロジー関連株のリターンがどれほど以上であったか、とりわけ、このクラスタリングが前代未聞のものであったことがわかる。」
pg. 395 アルファ値の定義 par. 1「(拙訳:)がん研究における画期的発見が、その開発を商業化する権利を直に持つ企業の株価だけでなく、他の株価にも影響したことは驚くに値しない。市場は潜在的な波及効果を認識し、他社もこのイノベーションの利益を得ると推量した可能性があるからだ。」
pg. 396 par. 3「(拙訳:)(価格)変動は、共通事項が株価に凝縮している可能性があり、しかし、このような共通事項は、経済的原理であるとは限らない」
イベント2:Merck(MRK)が25.8%下落(2004年9月30日)
イベント3:Celgene(CELG)が31.8%上昇(2019年1月3日)
アルファ値を可視化する
資産管理を行う企業や組織の場合、プライバシーのためにオンプレミスのデータエンジニアリングパイプラインソリューションを求めることが一般的です。Vectorspaceでは、Elastic Cloud Enterpriseを使ってデータエンジニアリングパイプラインをパッケージ化することにより、シグナル生成のためのターンキーソリューションの提供を実現しています。
Canvasによる可視化
- データセットAPIを使用し、ニューヨーク取引証券所とナスダックのすべての株式について特徴ベクトルとして使えるテキスト埋め込みを生成する。
- 2018年5月1日から2019年5月1日までの期間、ニューヨーク取引証券所とナスダックのすべての株式の価格の1年分の履歴データを使用し、株価のスパイクで定義する特別なイベントトリガーをスキャンする。
- 指定したパーセンテージのしきい値(例:+15%)を上回るスパイクが生じた株に対し、このデータセットを使用してクラスター、あるいは関連株バスケットが生成される。上の表のMIN_UPSIDEパラメーターを参照。
- ボリューム、時価総額、フロートといったパラメーターを絞り込み、それを使ってバスケットを洗練させる。
- トレードのエントリーとエグジットの期間は4日間に設定する。
- リターンの計算は、ロングとショートのバスケットについて行うとともに、ソルチノレシオに加え、S&P 500でベースラインを比較して行う。
- データセットとリターンはCanvasで監視、可視化、解釈される。
リターンをバックテストする
バックテストでは、セルジーン買収後に上場企業の株式相場が上昇したことが検知されました。強化されたデータセットは、相関性が観測される場合に読み込まれます。このデータセットから生成されたバスケット(クラスター)は、パフォーマンスに基づいて表示することも可能です。あるバスケットをS&P 500のベースラインパフォーマンスと比較して、少なくとも“相場よりはるかに上手くいった”かどうか確認することができます。個々のバスケットを監視し、S&P 500(SPY)のパフォーマンスを上回っているか判断しています。
変化する相関性をレバレッジする
まとめ
Vectorspaceは人間の認知再現を通じた、再現情報アービトラージや科学的発見(高次のAI/NLP/ML)に取り組んでいます。ジェネンテック、ローレンス・バークレー国立研究所、米国エネルギー省、NASA宇宙生物科学部門、アメリカ国防高等研究計画局、アメリカ海軍宇宙海戦システム司令部ほか、多数の顧客を抱えています。
ショーン・マクガフはElasticのプロダクトマネージャーを務め、データ可視化と代替投資を専門領域としています。
Guinguette Marais Poitevin
アクティブ・ポートフォリオ・マネージャーは、非システマティック・リスクを排除するために分散されたポートフォリオの中でアルファを生み出すことを目指しています。 アルファはベンチマークに対するポートフォリオのパフォーマンスを表しているため、ポートフォリオ・マネージャーがファンドのリターンに加える、あるいは減らす価値を表していると考えられがちです。 言い換えれば、アルファは、より大きな市場の一般的な動きの結果ではない投資のリターンです。
さらに、ほとんどの「伝統的」なファイナンシャルアドバイザーは手数料を徴収するため、ポートフォリオを運用してアルファがゼロになった場合、実際には投資家にとってわずかな純損失となります。 例えば、財務アドバイザーのジムがポートフォリオの価値の1%を手数料として徴収し、12ヶ月間にジムが顧客の一人であるフランクのポートフォリオに0.75のアルファを生み出すことに成功したとしましょう。 ジムは確かにフランクのポートフォリオのパフォーマンスに貢献しましたが、ジムが請求する手数料は彼が生み出したアルファを上回っているため、フランクのポートフォリオは純損失を被ったことになります。
効率的市場仮説(EMH)アルファ値の定義 では、市場価格には常に入手可能なすべての情報が反映されているため、有価証券は常に適正な価格で取引されている(市場は効率的である)としています。 仮にミスプライスが発見されたとしても、すぐに裁定されてしまうため、市場の異常性を利用できるような持続的なパターンはほとんど存在しないと考えられます。 アクティブ・ミューチュアル・ファンドの過去のリターンをパッシブ・ベンチマークと比較した実証結果によると、10年以上の期間でプラスのアルファを獲得できたアクティブ・ファンドは全体の10%未満であり、税金や手数料を考慮するとこの割合は低下します。 つまり、特に税金や手数料を考慮した場合、アルファを獲得するのは難しいということです。 ベータ版のリスクは、様々なリスクを分散してヘッジすることで分離することができます(これには様々な取引コストがかかります)ので、アルファは実際には存在せず、単に識別されていなかった、または見落とされていたヘッジされていないリスクを取ったことに対する補償を表しているだけだという説もあります。
アルファの詳細な分析には、”ジェンセンのアルファ “が含まれる場合があります。 ジェンセンのアルファは、資本資産価格モデル(CAPM)の市場理論を考慮し、リスク調整の要素を含んで計算されています。 ベータ(またはベータ係数)はCAPMで使用されており、ある資産の期待リターンを、その資産固有のベータと市場の期待リターンに基づいて計算します。
iシェアーズ コンバーチブル・ボンドETF(ICVT)は、低リスクの債券投資です。 ICVTは、Bloomberg Barclays U.S. Convertible Cash Pay Bond > $250MM Indexと呼ばれるカスタマイズされたインデックスを追跡しています。 ICVTの年間標準偏差は4.72%と比較的低いものでした。 2017年11月15日時点での年初来のリターンは13.17%でした。 ブルームバーグ・バークレイズ米国アグリゲート・インデックスの同期間のリターンは3.06%でした。 したがって、ICVTのアルファは、Bloomberg Barclays U.S. Aggregate Indexと比較して10.11%であり、標準偏差が4.72%と比較的低いリスクのために、このような結果となりました。
「ウィズダムツリー米国優良配当成長株ファンド(DGRW)」は、配当成長株への投資を目指す市場リスクの高い株式投資です。 3年間の年率標準偏差は10.58%で、ICVTよりも高くなっています。 2017年11月15日時点の年率リターンは18.24%で、これもS&P 500の14.67%より高いので、S&P 500と比較して3.57%のアルファがありました。 しかし、S&P500は、このETFの正しいベンチマークではないかもしれません。なぜなら、配当金を支払う成長株は、株式市場全体の中でも非常に特殊なサブセットであり、アメリカで最も価値のある500銘柄を網羅しているとは限らないからです。
上記の例は、2人のファンドマネージャーがアルファを生み出すことに成功したことを示しています。 統計によると、過去10年間で、米国のアクティブファンドの83%が、選択したベンチマークとの一致に失敗しています。 専門家はこの傾向を以下のような多くの原因によると考えています。
- ファイナンシャル・アドバイザーの専門性の向上
- アドバイザーが自由に使える金融テクノロジーやソフトウェアの進歩
- インターネットの成長による、投資家が市場に参加する機会の増加
- ポートフォリオでリスクを取る投資家の割合の減少
アルファに関する考察
- アルファの基本的な計算は、投資のトータルリターンを、その資産カテゴリーの比較可能なベンチマークから差し引くものです。 このアルファの計算は、上記の例で述べたように、主に比較可能な資産カテゴリーのベンチマークに対してのみ使用されます。 そのため、株式ETFの債券ベンチマークに対するアウトパフォーマンスを測定するものではありません。 また、このアルファは、類似の資産投資のパフォーマンスを比較する際に最もよく使用されます。 したがって、株式ETFであるDGRWのアルファは、債券ETFであるICVTのアルファと相対的に比較することはできません。
- アルファという言葉の中には、より高度な手法を指している場合があります。
アルファは、CAPMのような均衡モデルによって予測されるものを超える、証券またはポートフォリオの異常な収益率を指すこともあります。 この例では、CAPMモデルは、効率的フロンティアに沿った様々なポイントでの投資家のリターンを推定することを目的としています。 CAPM分析では、ポートフォリオのリスクプロファイルに基づいて、あるポートフォリオが10%の収益を得るべきだと推定するかもしれません。 このポートフォリオが実際に15%を獲得した場合、ポートフォリオのアルファは5.0となり、CAPMモデルで予測されたものよりも5%増加します
コメント