2017 Fiscal Year Research-status Report
| Project/Area Number |
15K01200
|
|---|
| Research Institution | Otsuma Women's University |
|---|
Principal Investigator |
落合 友四郎 大妻女子大学, 社会情報学部, 准教授 (60423034)
|
|---|
| Project Period (FY) |
2015-04-01 – 2020-03-31
|
| Keywords | 金融情報学 |
|---|
| Outline of Annual Research Achievements |
最近の情報技術において、深層学習、特に畳み込みニューラルネットワークをはじめとする機械学習の技術が脚光を浴びている。深層学習をはじめとする機械学習の技術は画像認識や音声認識などに応用され大きく注目されている。一方、金融市場には企業決算、株式、為替などの多くの時系列データがあり、これらに対して深層学習の技術の応用研究は多くされるようになってきている。
深層学習分野で主要な技術である畳み込みニューラルネットワークは画像認識で非常に高いパフォーマンスを発揮している。この畳み込みニューラルネットワークを金融市場のデータに応用しようとすると、問題となる部分がある。それは、畳み込みニューラルネットワークでは、入力データにおいて近傍にある要素同士は類似性がなければならない。ところが、複数の金融データの時系列データがある時、一般的には複数のデータ同士をどのように並べれば、要素同士の類似性が高くなるかの手法はまだしっかりとは確立されていない。そこで、複数の金融データを並べる時の一般的な手法をネットワーク論を援用して構築している。
また、上記とは全く異なる構成方法として２つのデータ列（時系列データ）を入力とする畳み込みニューラルネットワークを構成して、pythonとtensorflowを用いて実装した。2つのデータ列に対して、畳み込み層とプーリング層をそれぞれ用意して、隠れ層を一つもつ結合層に接続させた。今後、これらの研究結果を決算データなどに応用する予定である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
畳み込みニューラルネットワークにおいて、複数の金融データを並べる手法を提案した。また、別の手法として２つの異なるデータを入力するCNNを実装した。
|
| Strategy for Future Research Activity |
深層学習技術のこれまでの研究結果を用いて、株式市場、特に決算データを中心に応用して行きたい。
|
| Causes of Carryover |
高性能の深層学習用のハードウェアの購入を延期したために、次年度使用額が生じた。今後、深層学習用のハードウェアを導入予定である。
|
