2017 Fiscal Year Research-status Report
| Project/Area Number |
16K12492
|
|---|
| Research Institution | Keio University |
|---|
Principal Investigator |
櫻井 彰人 慶應義塾大学, 理工学部(矢上), 教授 (00303339)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | リターン・リバーサル / 外国為替証拠金取引 |
|---|
| Outline of Annual Research Achievements |
まず通常のファイル圧縮アルゴリズムを用い、対象データとして、価格、価格差、対数価格差、価格差の符号とした。その結果、昨年度発見したreturn reversalがdominantであるためそれ以外の圧縮性を示す要素の発見は困難であった。このreturn reversalの影響を取り除くために、まず、その性質を詳しく調べることとした。対象データは外国為替証拠金取引（FX）の15年間にわたるtick dataとした。昨年度においては、USD/JPY, EUR/USD, GBP/USD のいずれにおいても、観測したすべての年（2002年から2015年）に対しSVMによって発見可能であることが分かった。そこで、今年度はそのパターンをより詳細に調べることと、より単純なパターンが存在するか否かを調べた。第一に時間間隔（time frame、単位時間）については、1分～10分を1分毎、10分～70分を10分ごとに調べた。また、過去1単位時間～7単位時間のデータを用いた。過去データの単位時間数については、全体的傾向として、長くなる方が、return reversalの性質は弱くなる（線形回帰式での係数に負の値が混入することが多くなる）、時間間隔については目立った差異はない（例えば、1単位時間前に対するreversalは非常に強く観測される）ことが分かった。より単純なパターンの発見ができた。単純に1～3単位時間前のreversal（上昇し続ければ次は下降する）が観測できた。このパターンによる予測は統計的に有意ではあるが、大きなものではない。ところで、金融データの予測時、機械学習モデルによる予測の予測精度と学習期間には一般にtrade offがある。それは観測されたが、一方、方向予測に限定してではあるが、1年間のデータで学習したモデルが翌1年間有効であることが観測された。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
定性的・総体的には、未知の現象を発見することができたこと、それが長期データについて、また1分～70分までのtime frameでも観測できたことは、計画以上といえるが、その発見の検証等に時間を取られた。また、当初予定したデータの購入ができなかったため、確認することができなかった性質がある。
外国為替取引のtick dataについては、その価格が非常に高騰した一方予算が予定通りは確保できなかったため、購入を諦め、別のデータを用いることにより分析を行い、上記の結果を得ている。
|
| Strategy for Future Research Activity |
当初の計画を踏襲しつつ、発見したreturn reversal現象の要因解明・モデル構築を合わせて進めていきたい。
外国為替取引のtick dataについては、当初計画にある解析を行うためには、当初計画にあるようにデータを購入する必要がある。しかし、その価格が高騰した一方予算が予定通りは確保できなかったため、購入することができなかった。年度を越えて予算を用いて購入する予定であるが、必要とする量は確保できないことは明らかであり、そのデータを用いて所期の結果が得られるか否かはデータの性質次第ということになる。しかし、その範囲で全力を尽くすこととする。
|
| Causes of Carryover |
当初計画に記した、外国為替証拠品取引にかかわる tick data の価格が高騰し、一方、交付された金額が当初予定額を下回ったため、当該データを購入することができなかった。そこで、次年度使用とし次年度交付額と合わせて、当該データの一部を購入することとした。
|
