2018 Fiscal Year Research-status Report
Elucidation of qualitative changes in securities markets caused by accelerating transactions and AI
| Project/Area Number |
18K01692
|
|---|
| Research Institution | Osaka City University |
|---|
Principal Investigator |
中島 義裕 大阪市立大学, 大学院経済学研究科, 教授 (40336798)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
森 直樹 大阪府立大学, 工学(系)研究科(研究院), 准教授 (90295717)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 人工市場 / 人工知能 / U-Mart / 組成 / 逆問題 |
|---|
| Outline of Annual Research Achievements |
目的と手法：本研究の核心的問いは、「人間のみが行ってきた事象についてアルゴリズムやAIによる代替が進むことで何が生じるのか」というものである。HFTを代表とするアルゴリズム取引が存在感を増している東京株式市場を対象に、HFTが参入する前、HFT参入時、HFT参入後を比較する。実証分析と、HFT型取引エージェントやAIエージェントによるシミュレーションを行う。
研究の方法と実績：本研究ではアルゴリズム取引の増加と証券市場の複雑性の関係に焦点を当て、市場の複雑性、AIエージェント開発、人工市場開発の３つの方向から研究を進めている。
[複雑性に関する研究]HFT型アルゴリズムを実装した取引エージェントの組成の違いが、市場の複雑性や安定性に与える影響を調べる。2018年度は、市場の持つ複雑性に関し、ウルフラムらがFree Random Interactive Cellar Automata(FRICA)で示した方法と同様の方法でテクニカル型アルゴリズム取引の組成比を変更した時の市場の複雑さに関する議論を行った。
[AIエージェント開発]近年の深層学習を始めとする機械学習の研究成果に基づく取引エージェントを開発する。2018年は深層強化学習をベースに、近年提案されている６つの拡張方法を適用したモデルや、報酬の与え方に遺伝的アルゴリズムを用いたモデルを作成し、それを用いた取引エージェントを開発した。
[人工市場シミュレーター開発]我々は、U-Martという人工市場システムを開発して来た。本研究におけるシミュレーションを実施するため、U-Martシステムをライブラリ化した。その上で、従来型モデルとの比較を行うため、需要関数型エージェントモデルの投資行動を人工市場で再現するための枠組みを作成した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
ウルフラムが複雑性に対して行なったFRICAによって行った方法を応用した。ECAのルール110が万能チューリングマシンと同値でありクラス４に分類される事は良く知られている。ウルフラムは、ルール110に他のルールをランダムに混入するFRICAにより、計算の万能性が生じるプロセスを示した。この方法に基づいた市場の複雑さに関する研究を行った。ランダムに注文を出す取引エージェントと従来のテクニカル分析に基づいた８種類のアルゴリズム取引エージェントからなるエージェントセット（標準エージェントセット）を与えた。裁定取引型エージェントをベースに、他のエージェントの混入が市場の複雑さやランダムネスに与える影響を調べた。
Hasselらは、深層強化学習の研究分野で提案されている６つの拡張を同時に実施するRainbowを提案している。これは(１)状態選択と評価に用いるQ値を別々に与えるDouble DQN、(2) 予測誤差に基づいたデータ選択をするPrioritized Experience Replay、(3) 行動の価値と状態の価値を別々に学習するDueling Network Architecture、(4)n-Stepの報酬を用いた教師データを用いるMulti-step Returns、(5)報酬の期待値ではなく、報酬分布を学習するDistributional Reinforcement Learning、(6) ネットワークの重みに直接ノイズを与えるNoisy Netsである。このRainbowを用いた取引エージェントと報酬に遺伝的アルゴリズムを用いた取引エージェントを開発した。
本研究での使用をベンチマークとして既存の人工市場システムであるU-Martシステムのライブラリ化を行なった。市場を構成する機能をライブラリ化することで柔軟なシミュレーションが実施可能となった。
|
| Strategy for Future Research Activity |
来年度は、エージェント組成の違い、特にHFT型アルゴリズム取引が市場に与える影響について実データと照らした比較研究を実施する。これまでの研究で標準エージェントセットの組成に関して、スケールフリー性や長期記憶など株式市場のStylized Factとの関連を明らかにしている。また取引によるエージェント間の資金変化に関する研究を進めている。実証的に得られたStylized Factに関連した諸指標を、標準エージェントセットを基にした人工市場で再現すると共に、組成を変化した時の各指標への影響を調べる。その上で、エージェント間の資金拡散に関する研究を行う。エージェント間で、どのように資金が移動するのかという問題については人工市場によってのみアプローチできる。HFT型エージェントの増加が、市場の複雑性や安定性に与える影響と共に、資金移動のスピードや不均衡の拡大などの効果について調べる。AI型エージェントについては、一つの取引アルゴリズムとして利益を上げられるのか否かという観点からの開発段階にある。これらを従来のテクニカル取引と混在させた時の性能評価や、市場に与える影響という観点からの研究は、まだ開始できる段階にない。2019年度は、ライブラリ化したU-Martシステムを用いたシミュレーション環境を整えた上で、市場の複雑性や安定性、資金移動に関する研究も実施する。
|
| Causes of Carryover |
今年度は、ほぼ予定通りの研究を実施した。４万円あまりの助成金を来年度使用とした。これはシミュレーションや実証分析を実施するためハードディスクやメモリーなど計算機の増強が必要であるが、翌年分として請求した助成金と合わせて設計、購入した方が適切な構成を実現できるからである。
|
