Project/Area Number |
21K04537
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 25010:Social systems engineering-related
|
Research Institution | Tokyo University of Technology |
Principal Investigator |
瀬之口 潤輔 東京工科大学, コンピュータサイエンス学部, 教授 (50835428)
|
Project Period (FY) |
2021-04-01 – 2026-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2025: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2024: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2023: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2022: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2021: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
Keywords | マルチエージェントシミュレーション / 金融政策 / 先行指標 / 二階層進化計算 / 条件木 / TOPIX予測モデル / リッジ回帰 / 効用評価 |
Outline of Research at the Start |
近年、システムトレードの台頭により、株価や為替レートが短時間で大きく変動することが頻繁にみられるようになった。このような金融市場の乱高下に翻弄され、多くの国で政府の経済対策が本来意図したような効果を得られていないことがある。中央銀行の金融政策にも同様のことがいえる。 中央銀行が金融市場の局面に適した金融政策を立案・実行することは極めて重要な社会システムの課題である。中央銀行がシステムトレードによる様々な金融市場の動きを予測し、一部投資家に利益が集中する状況を回避することで、所得および社会の安定に資する政策を実現できるシステムを構築できるか、が基本的な問いである。
|
Outline of Annual Research Achievements |
板情報を用いて高頻度取引の価格予測モデルを作成した。手法はConvolutional Neural Networkを基にInception ModuleとLSTMを組み合わせ、過去の板情報データを画像として読み込み、それを基にして将来の金融市場商品の価格の短期的な予測を行うことに成功した。 またマルチエージェントシミュレーションを用いて、金融政策の変更が株価に与える影響を再現することに成功し、今後の金融政策の変更により株式市場がどのような影響を受けるかを推測できる仕組みを構築した。
|
Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
当初の目的であった、金融政策の変更が高頻度取引を通じて金融市場にどのような影響を与えるかについて解析を行うことに成功しており、当初の研究目的はほぼ達成した。
|
Strategy for Future Research Activity |
現在の研究結果では、金融政策のシナリオを実験者があらかじめ設定する必要があるが、今後は金融政策のシナリオを可変とし、イールドカーブの形状の変化により株式市場がどのような影響を受けるかを出力するマルチエージェントシミュレーションモデルを作成し、この研究を締めくくりたい。
|