2019 Fiscal Year Annual Research Report
Development of phase transition prediction method by fully data driven measurement of the degree of symmetry breaking in stock markets
| Project/Area Number |
17K18959
|
|---|
| Research Institution | Osaka City University |
|---|
Principal Investigator |
高田 輝子 大阪市立大学, 大学院経営学研究科, 准教授 (30347504)
|
|---|
| Project Period (FY) |
2017-06-30 – 2020-03-31
|
| Keywords | 非対称度 / 相転移予測 / 投資家行動 / 株式バブル / データ駆動型 / ノンパラメトリック |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、投資家集団が生み出す相転移現象としての株式バブルを対象にし、データから最大限の情報抽出を行うことにより相転移現象特有の統計パターンを明らかにし、それを利用した完全データ駆動的な高精度相転移予測を、特に「系の非対称度」に注目して、実現することである。
本年度の目標は、今回購入したデータの自動取得・クリーニング作業を完了させることに加え、開発した相転移予測の有効性を示し、更なる高精度化を図ることであった。
本年度は、突然の大きな価格下落の予測システムを完全データ駆動的に遂行する枠組みを完成させた。非定常性と上昇トレンド時と下落トレンド時で対象データ数が大きく異なる(class imbalance)問題といった従来法にとっての難題に対して、変動の非対称性に着目した対処策を講じることで、従来法を上回る暴落予測性能を示すことができた(Takada and Kitajima, 2019)。また、株式統計のみによる暴落予測に投資家のリスク回避度を導入することの有効性も示した(Takase, Iwamoto, and Takada, 2020)。これにより、これまでに発見してきた価格暴落の前兆現象やデータの高頻度化による予測の更なる高精度化を行う準備は整った。
しかし、大規模データの活用に当初想定以上の計算時間が見込まれる問題と、昨年度故障による既存クラスタマシンの計算力大幅ダウンへの対応の必要が生じたため、新規購入したGPU搭載のクラスタマシンの整備とプログラムの改変作業を最優先で行った。今回発見した前兆現象を活用した相転移予測の更なる高精度化の実現については、残念ながら研究期間内に間に合わせることができなかったが、研究期間終了後もこれを継続し、目的を達成するつもりである。
|
