| 研究課題/領域番号 |
21J20074
|
|---|
| 配分区分 | 補助金 |
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
平野 正徳 東京大学, 大学院工学系研究科, 特別研究員(DC1)
|
|---|
| 研究期間 (年度) |
2021-04-28 – 2024-03-31
|
| キーワード | 金融市場シミュレーション / 人工市場 / 金融市場 / データマイニング / 注文データ / 深層学習 |
|---|
| 研究実績の概要 |
金融市場に存在する膨大な注文データを活用するためのデータマイニング手法に関する検討・開発を実施した．データマイニング手法としては，様々な手法の検討を幅広く実施し，最終的には深層学習を活用した，注文の発出状況の特徴を捉え，ある程度確率的に予測ができるようなモデルの構築を行った．また，注文のデータマイニングに関しても，トレーダ別に行う場合と，全部をまとめて行う場合を比較した場合に，どちらにどのようなメリットがあるのかということについても，仮想の金融市場を用いて検証を行うなどすることで，データマイニング手法の根幹にかかわるようなリサーチクエスチョンに取り組んだ．これらの研究を通じて，金融市場シミュレーションの信頼性向上に向けて，どのようなデータマイニング手法をどのように活用をすれば効率的にかつシミュレーションの長所をつぶすことなく活用できるかという，今後の研究において最も重要な問題に対するある程度の指針をつけることができた．これらをもとに来年度の研究を進めていけると考えている．研究の成果としては，検討のために作成したツールを一つの汎用化ツールとして，Artificial Market Data Mining Platformという名前で提案を行い，論文としてThe 2022 IEEE Computational Intelligence for Financial Engineering and Economics (CIFEr 2022)に採択された．ほかにも，注文データを用いたトレーダー行動のモデリングを実施した研究はThe 21st International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2022)に採択された．そのほか，英文学術雑誌や，国内会議などで発表を行った．
|
| 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
一年目の研究として想定していた金融市場に存在する膨大な注文データを有効に活用するためのデータマイニング手法の検討・開発に関しては，おおむね検討が完了し，また，その検討のために作成したツールを一つの汎用化ツールとして，Artificial Market Data Mining Platformという名前で提案を行い，論文としてThe 2022 IEEE Computational Intelligence for Financial Engineering and Economics (CIFEr 2022)に採択された．ほかにも，注文データを用いたトレーダー行動のモデリングを実施した研究はThe 21st International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2022)に採択された．これらの研究で得られた知見に基づいた金融市場シミュレーションにおけるデータの活用の方針を立てることができた．実際の金融市場シミュレーション用のデータマイニング技術開発面に関しては，おおむね開発が完了したが，現時点で論文投稿中であるため，詳細は割愛する．これらの客観的事実から，研究はおおむね順調であると考える．
|
| 今後の研究の推進方策 |
今後の方針としては，2021年度の研究で検討・開発をすすめたデータマイニング手法に基づいて，金融市場シミュレーションとデータマイニングの融合を目指す．2021年度の研究で，データマイニングの金融市場シミュレーションの活用においては，トレーダーのモデルにデータマイニング手法を適用する方法と，シミュレーションの評価として使用する方法があり，その双方に可能性があることが分かった．一方で，前者の方法には限界があることもわかった．そのため，まずは，トレーダーのモデルにおけるデータマイニングの活用方法として，シミュレーションの良さをつぶさないようなデータマイニングの方法を再考するとともに，後者の活用方法も検討を行う．
|
