2023 Fiscal Year Annual Research Report
| Project/Area Number |
22KJ0544
|
|---|
| Allocation Type | Multi-year Fund |
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
平野 正徳 東京大学, 大学院工学系研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2023-03-08 – 2024-03-31
|
| Keywords | マルチエージェントシミュレーション / データマイニング / 金融市場 / 人工市場 / 深層学習 / 敵対的生成ネットワーク / 強化学習 |
|---|
| Outline of Annual Research Achievements |
近年，金融市場ではデータマイニングとマルチエージェントの活用が進んでいる．しかしながら，その両者の融合が進んでおらず，双方のメリットを生かした技術開発は行われてこなかった．そこで，本研究では，これらの融合技術の開発を行った．まず，金融市場のデータを用いて，PGSGANと呼ばれる，注文生成にサンプリングプロセスを用いた手法を提案し，注文生成において，先行研究より高いパフォーマンスを達成した．そのうえで，その作成したPGSGANを用いて，シミュレーションの定量評価手法を提案し，従来のStylized Factsに基づく，定性的な評価基準と整合性が取れるものであることを示した．さらに，人工市場データマイニングプラットフォームという，人工市場内でデータマイニングの精度評価を行うスキームを提案し，その実例として，金融市場における注文の同時性がデータマイニング手法に与える影響について検証するとともに，このプラットフォームの有効性を示した．また，強化学習手法を活用した，シミュレーションのパラメータチューニング手法について提案し，シミュレーションの定量評価手法と融合させた手法を提案・検証した．この結果，深層学習を用いて，マルチエージェントシミュレーションの妥当性評価と，妥当性のあるパラメータ探索を可能にすることができるということを示すことができた．これらの研究を通じて，シミュレーションとデータマイニングの融合は図ることができた．
|
