金融派生商品の価格情報を利用した最適ポートフォリオ構築の新手法
| Project/Area Number |
17J09046
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Single-year Grants |
|---|
| Section | 国内 |
|---|
| Research Field |
Money/ Finance
|
|---|
| Research Institution | The University of Tokyo |
|---|
| Research Fellow |
高橋 聡一郎 東京大学, 東京大学大学院経済学研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2017-04-26 – 2020-03-31
|
| Project Status |
Completed (Fiscal Year 2019)
|
| Budget Amount *help |
¥1,300,000 (Direct Cost: ¥1,300,000)
Fiscal Year 2019: ¥400,000 (Direct Cost: ¥400,000)
Fiscal Year 2018: ¥400,000 (Direct Cost: ¥400,000)
Fiscal Year 2017: ¥500,000 (Direct Cost: ¥500,000)
|
|---|
| Keywords | 状態空間モデル / 粒子フィルタ / 人工知能 / ファジィシステム / 資産運用 / 適応的学習 / ニューラルネットワーク / 仮想通貨 / ポートフォリオ構築 / ファジィ / 金利の期間構造モデル / 中央銀行 |
|---|
| Outline of Annual Research Achievements |
これまで研究員が進めてきた、状態空間モデルに基づく、時系列モデルのパラメータ学習や最適ポートフォリオ構築に加えて、AIモデル学習をも可能とする一般的な枠組みを提案する研究を行った。この提案手法においては、AIモデルが、状態空間モデルの枠組みの中で、動的な環境変化に対応して適応的に学習していくことが可能となった。
また、これまでの研究で用いてきたAIモデルであるfuzzy systemを、type-2 fuzzy systemと呼ばれる形に一般化した上で、上記の状態空間モデルに基づく逐次学習の枠組みを適用した。その結果、通常のfuzzy systemと比較して、type-2 fuzzy systemを逐次学習した方が、良好なパフォーマンスが得られることを、金融投資に関するシミュレーションを通して実証的に示した。
|
| Research Progress Status |
令和元年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和元年度が最終年度であるため、記入しない。
|
Report
(3 results)
Research Products
(8 results)
