| 研究課題/領域番号 |
17J09046
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 国内 |
|---|
| 研究分野 |
金融・ファイナンス
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
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)
|
|---|
| 研究期間 (年度) |
2017-04-26 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
1,300千円 (直接経費: 1,300千円)
2019年度: 400千円 (直接経費: 400千円)
2018年度: 400千円 (直接経費: 400千円)
2017年度: 500千円 (直接経費: 500千円)
|
|---|
| キーワード | 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 |
|---|
| 研究実績の概要 |
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。
|
| 現在までの達成度 (段落) |
令和元年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和元年度が最終年度であるため、記入しない。
|
