| 研究課題/領域番号 |
16K00320
|
|---|
| 研究機関 | 茨城大学 |
|---|
研究代表者 |
鈴木 智也 茨城大学, 工学部, 教授 (70408649)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| キーワード | フィンテック / 機械学習 / 金融工学 / テクニカル分析 / 人工知能 / 集団学習 |
|---|
| 研究実績の概要 |
近年，人工知能技術の実務への応用が加速しているが，本研究では特に金融業務への応用としてFinTechに関する投資運用モデルをいくつか提案した．提案モデルでは，深層学習・集団学習・異常検知など様々な技術を用いるが，投資判断は過去の株価情報のみに基づくためテクニカル分析の一種とみなし，それらの妥当性を投資シミュレーションおよび統計的仮説検定に基づいて調査した．その結果，単にまぐれでは解釈できないほどの収益性を確認でき，これは伝統的経済学の基盤をなす効率的市場仮説の反証になり得る可能性を指摘した．これらの成果は学術論文2編（内アクセプト1編），国際会議論文3編，国内発表5件に示し，今後は事業化を見据えてブラッシュアップする．
特に人工知能と集団学習を組み合わせた「集合知AI」を提唱し，予測しやすい銘柄を臨機応変に選択するためのテクニカル指標（コンセンサスレシオ）を開発した．これまでの集団学習では主に平均値のみに着眼したが，多数決の度合いに相当する標準偏差も重要な情報であるため，標準偏差が小さい（コンセンサスが高い）銘柄を優先的に選択する投資運用モデルを提案した．この成果が国際テクニカルアナリスト協会が主催する年間最優秀論文と認められ，2016年度ジョン・ブルークス賞を受賞した．
さらに深層学習を用いた投資運用モデルでは，異常検知の方法としてオートエンコーダを活用した．異常検知では予測値と実測値の乖離を利用して異常度を評価するが，そもそも予測が難しいシステムではほとんどの値が異常になってしまう．そこで現在と未来の関係を学習する一般的な機械学習モデルではなく，現在と現在の関係を自己学習するオートエンコーダなら異常検知に活用しやすいと考え，実際の株価変動の異常検知に活用した．その結果，異常な株価変動の直後は反転しやすい傾向（アノマリー）を発見し，これが収益を得る機会になる可能性を示した．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
学術論文2編（内アクセプト1編），国際会議論文3編，国内発表2件を鑑み，順調に研究成果を挙げていると考えられる．
|
| 今後の研究の推進方策 |
国際会議で発表した3つの研究テーマについては，それぞれの内容をブラッシュアップしつつ，2017年度中に学術論文誌に投稿する．アクセプトされた学術論文については事業化できる可能性があるため，論文が公表される前に特許を出願する(5月末を予定)．その他の進行中の研究テーマについては国内外で成果を発表し，外部の専門家らによる意見を伺いフラッシュアップを図る．
|
