| Project/Area Number |
22KJ0544
|
|---|
| Project/Area Number (Other) |
21J20074 (2021-2022)
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Multi-year Fund (2023)
Single-year Grants (2021-2022) |
|---|
| Section | 国内 |
|---|
| Review Section |
Basic Section 07060:Money and finance-related
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
平野 正徳 東京大学, 大学院工学系研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2023-03-08 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥2,500,000 (Direct Cost: ¥2,500,000)
Fiscal Year 2023: ¥800,000 (Direct Cost: ¥800,000)
Fiscal Year 2022: ¥800,000 (Direct Cost: ¥800,000)
Fiscal Year 2021: ¥900,000 (Direct Cost: ¥900,000)
|
|---|
| Keywords | マルチエージェントシミュレーション / データマイニング / 金融市場 / 人工市場 / 深層学習 / 敵対的生成ネットワーク / 強化学習 / 金融市場シミュレーション / 注文データ |
|---|
| Outline of Research at the Start |
金融市場シミュレーションにおいて，シミュレーションの信頼性を向上させるための手法として，データ融合という形で，シミュレーションに実際の市場のデータを導入することを検討，開発する．その結果として，エージェント間での相互関係を取り込むことのできるというメリットのあるマルチエージェントシミュレーションと，実際のデータから特徴を抽出して生かすというデータマイニングの双方のメリットを組み合わせた手法を作成する．
|
| Outline of Annual Research Achievements |
近年，金融市場ではデータマイニングとマルチエージェントの活用が進んでいる．しかしながら，その両者の融合が進んでおらず，双方のメリットを生かした技術開発は行われてこなかった．そこで，本研究では，これらの融合技術の開発を行った．まず，金融市場のデータを用いて，PGSGANと呼ばれる，注文生成にサンプリングプロセスを用いた手法を提案し，注文生成において，先行研究より高いパフォーマンスを達成した．そのうえで，その作成したPGSGANを用いて，シミュレーションの定量評価手法を提案し，従来のStylized Factsに基づく，定性的な評価基準と整合性が取れるものであることを示した．さらに，人工市場データマイニングプラットフォームという，人工市場内でデータマイニングの精度評価を行うスキームを提案し，その実例として，金融市場における注文の同時性がデータマイニング手法に与える影響について検証するとともに，このプラットフォームの有効性を示した．また，強化学習手法を活用した，シミュレーションのパラメータチューニング手法について提案し，シミュレーションの定量評価手法と融合させた手法を提案・検証した．この結果，深層学習を用いて，マルチエージェントシミュレーションの妥当性評価と，妥当性のあるパラメータ探索を可能にすることができるということを示すことができた．これらの研究を通じて，シミュレーションとデータマイニングの融合は図ることができた．
|
