2018 Fiscal Year Annual Research Report
金融派生商品の価格情報を利用した最適ポートフォリオ構築の新手法
| Project/Area Number |
17J09046
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
高橋 聡一郎 東京大学, 経済学研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2017-04-26 – 2020-03-31
|
| Keywords | 状態空間モデル / 人工知能 / 資産運用 / 適応的学習 / ファジィシステム / ニューラルネットワーク / 仮想通貨 |
|---|
| Outline of Annual Research Achievements |
当年度研究員は、まず近年発展の著しいニューラルネットワークと呼ばれる人口知能技術を新しい金融資産クラスである仮想通貨の取引に応用する研究を行った。既存の文献で説明されているように、仮想通貨は伝統的な金融資産とは異なる資産特性を持っており、必ずしも伝統的なポートフォリオ理論に基づく運用が適切ではない。加えて、高頻度データが無料で入手可能であるため、過去の大量のデータから有用なパターンを発見することを可能とするニューラルネットワークを活用した運用方法が非常に有効であった。こうした研究を取りまとめた論文は、査読プロセスを経て、英文学術誌Physica Aへの掲載が決定した。
加えて現在、これまでの状態空間モデルや人工知能を資産運用に活用する研究を統合するような新しい枠組みを提案する研究を行っている。人工知能モデルは、非常に複雑な環境においても、機械学習のプロセスを経て環境に適したパターン、あるいは行動を発見することを可能とする一方で、周囲の環境そのものが変化していく動的な状況においては、一度発見したパターンをそのまま使用し続けることには無理がある。金融市場は、こうした意味でまさに動的な環境であり、こうした状況変化に応じた機械学習の手法が必要となってくる。研究者は、こうした動的な環境下での学習に、状態空間モデルの枠組みを活用することを提案した。具体的には、金融投資に関するファジィシステムを作成し、そのファジィシステムに対し、状態空間モデルを活用した適応的学習を実行することにより、周囲の環境変化に対応した有効な人工知能モデルが実現されることを示した。この研究も論文として取りまとめ、英文学術誌に投稿し、すでに査読プロセスに入っている。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
昨年度の時点で、すでに初期の研究目的に沿った研究成果が上がってきており、今年度も着実に国際的な学術誌への論文の投稿を進めている。加えて高頻度データや金利のイールドカーブ、仮想通貨など、通常の時系列分析ではあまり研究対象とされていないようなデータまで含めた分析を行い論文を執筆しつつ、より一般的な枠組みの提案も行っている。
|
| Strategy for Future Research Activity |
現在査読プロセスにある論文を確実に掲載決定にまでもっていくことが第一優先の課題となる。その後、現在提案している機械学習手法の枠組みの有効性を示す研究や、より多様で高頻度な金融資産データの活用など、非線形性や高次元性を高める一般化に向けた研究を行っていく。
|
