| 研究課題/領域番号 |
17J09127
|
|---|
| 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 |
中野 雅史 東京大学, 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 | 粒子フィルタ / 人工知能 / ファイナンス / 投資問題 / 投資 / 機械学習 / 状態空間モデル / ファジィシステム / 深層学習 / 金利モデル / カルマンフィルタ |
|---|
| 研究実績の概要 |
生産者人口の減少とマイナス金利の常態化により，公的年金制度の維持のためには積極的な金融投資活動が不可欠である．研究者は，その状況を打開するために既存の運用手法を大幅に改善する新しいアプローチを提案した．結果として，平成31年度は1本の論文が査読付き国際論文誌にアクセプトされるという結果を得ることができた．
特に，本研究においては，昨今急速に発展を遂げつつある人工知能(AI)技術を金融投資問題へ応用した．一般に金融市場は，様々な要因に基づいて確率的に変動する非線形非定常な体系である．従って，AIが効果的であると実証されてきた分野におけるような静的な環境を想定した既存のパラメータ学習手法をそのまま用いてもうまく働かないことが多い．そのため我々は，既存の学習手法を基に，動的な環境変化にパラメータを適応させる新しい学習手法を提案した．
具体的には“State-space approach to adaptive fuzzy modeling for financial investment”において，Fuzzy systemの適応的学習に応用した．その有用性は，米国と日本の株式・債券に関する資産配分問題において検証され，我々のモデルは，既存の学習手法を頑健に上回るパフォーマンスを上げた．なお本論文はApplied Soft Computingという査読付き国際論文誌にアクセプトされている．
さらに，我々は期待リターンの推定値に依存しない新たなμ-free戦略の開発に取り組んだ．研究者は，ニューラルネットワークにより抽出される特徴を利用する新たなμ-free戦略を提案した． “A new investment method with AutoEncoder: Applications to cryptocurrencies”と名付けられた本論文は，現在査読付き国際論文誌に投稿中である．
|
| 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。
|
