| 研究課題/領域番号 |
19H01508
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分07060:金融およびファイナンス関連
|
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
北村 能寛 早稲田大学, 社会科学総合学術院, 教授 (90409566)
|
|---|
| 研究分担者 |
飯間 等 京都工芸繊維大学, 情報工学・人間科学系, 准教授 (70273547)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
15,990千円 (直接経費: 12,300千円、間接経費: 3,690千円)
2022年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
2021年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
2020年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2019年度: 8,320千円 (直接経費: 6,400千円、間接経費: 1,920千円)
|
|---|
| キーワード | 深層学習 / 為替レート予測 / 指値注文 / LSTM / Long Short-Term Memory / 注文板情報 / 機械学習 / 指値注文板 / 為替レート / 金融資産価格変動予測 |
|---|
| 研究開始時の研究の概要 |
▼研究課題の学術的重要性：人工知能を活用することで、ファイナンス理論の臨床的有効性を示す。ファイナンス理論の臨床的価値を証明し、机上の理論でないことを示す。
▼研究目的・研究方法：人工知能分野の一つである深層学習で、為替レート・ボラティリティを予測する。深層学習への入力変数として、ファイナンス理論がボラティリティとの関連を明らかにした「情報トレーダー」、「市場流動性」、「市場効率性」指標を採用。その入力をもとに深層学習はボラティリティ予測を行う。
▼研究課題の波及効果：本研究を通じて、人工知能を活用したファイナンス理論の臨床的有効性に対する評価方法を確立し、情報ファイナンスの新分野を創造・発信。
|
| 研究成果の概要 |
研究期間全体において為替レートの高頻度時系列データを研究対象とした。深層学習の中でも時系列分析を目的としたモデルを選択し、分析を行なった。具体的には、Long Short-Term Memory（以下LSTM）を用いて、為替レート市場における指値注文情報が為替レート予測に有効かを検証した。１分から３分までの頻度でデータを加工し、それぞれの間隔で為替レートの予測を行なった深層学習モデルの予測力は、既存モデルのそれを上回ること、指値注文情報が為替レート予測に有用であることが判明した。
|
| 研究成果の学術的意義や社会的意義 |
本研究の目的は、人工知能の一つである「深層学習」でファイナンス理論を学習し、その学習が将来の為替レートの予測に貢献するかを研究することである。今回の研究は主に外国為替市場を研究対象としたが、この研究を通じて、人工知能（深層学習）を活用しファイナンス理論の臨床性を評価する流れを確立させることを目的とした。そのことで、情報工学分野で研究が進む深層学習をファイナンス理論の臨床性評価に活用する一連の流れを確立させた新分野の創造・発信を究極的目的とした。
|
