2021 Fiscal Year Annual Research Report
ファイナンス理論の臨床性評価における深層学習の活用
| Project/Area Number |
19H01508
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
北村 能寛 早稲田大学, 社会科学総合学術院, 教授 (90409566)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
飯間 等 京都工芸繊維大学, 情報工学・人間科学系, 准教授 (70273547)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | 深層学習 / 注文板情報 |
|---|
| Outline of Annual Research Achievements |
売買価格と取引量が記録された注文板の情報を利用して為替レートの予測ができるか。さらには、その予測方法として深層学習を用いたところに本研究の特徴がある。深層学習の中でも時系列分析モデルであるLong Short Term Memory (LSTM)を用いた。このモデルの特徴は、過去の情報を長期、短期に記憶することができる点にある。まず、注文板から、注文板上で生じた新規の指値注文、指値注文の変更等のイベントを分類し、指値注文に関する変数を作成した。さらには、これまで為替レート予測の主な変数とされてきた取引(market order)をも加えて、深層学習による1分後の為替レート予測を試みた。その結果、市場最良気配価格を更新する指値注文(improving order)ならびに市場最良気配価格を悪化される指値注文(worsening order)が１分後の為替レートの方向（上がるか、下がるか）予測に貢献することが判明した。次に、これらの指値注文変数の利用したLSTMの予測により利益実現が可能かを検証した。その結果、為替レートの変化方向は予測できるが、利益までは実現できないとの結果が得られた。これは、LSTMといった相対的に複雑な予測モデルをもっても利益を実現できないと意味で、研究対象とした為替市場は効率的である。それではなぜImproving order, worsening orderが為替レートの変化方向予測に貢献するのか。この点については、情報トレーダーが成行注文ではなく、指値注文を使用することに関連する。つまりは、情報の非対称性が小さい今日の為替市場では、指値注文による期待利益が成行注文のそれを上回る。それゆえに、情報トレーダーは利益最大化の点から合理的に指値注文を選択するのである。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当該年度の研究結果が査読付き国際専門誌に採択、掲載され、研究成果の社会的還元がなされた。
|
| Strategy for Future Research Activity |
LSTMモデルに加え、GRU、peephole LSTM、また画像解析に強みを発揮する叩き込みネットワークを利用した為替チャートを用いた為替予測を試みる。
|
Research Products
(3 results)
