機械学習を使った株価予測（関連論文・サイトを調査してみる）

株式投資は、予測するものではなくルールに沿って選ぶものです。

その際に、選んだ銘柄が当たろうが外れようが、つねに勝てるルールを作り出す事が大切です。

• 【9回目】機械学習で株価予測（年利・勝率向上の分析）
• 【8回目】機械学習で株価予測（交差検証＋ROC 曲線とAUCで精度65%）
• 【7回目】機械学習で株価予測（騰落レシオ＋株価分割対応で複数銘柄）
• 【6回目】機械学習で株価予測（機械学習で株予測（3点チャージ法の有効性検証）

内国外ヘッジファンドが機械学習を用いて日本株を売買するための研究を行っているのは間違いありません。

ヘッジファンドの手法は公開されませんが、日本の研究論文やブログであれば手法が記載されていると思い、調べてみました。

論文：テクニカル分析

株価予測は、コンピュータサイエンス、統計学、経済学、金融学、オペレーションズリサーチなど、さまざまな分野の多くの研究者を魅了してきました。

ですが未だに解かれていません。

深層学習を用いた株価予測の分析

 

人工知能研究の第一人者として知られる、東京大学大学院工学系研究科の「松尾豊」教授の論文です。

金融時系列に対して䛾 CNN 䛾応用可能性を検証する．CNN 䛿前述したとおり，非常に高い特徴発見能力を有しており，時系列データにおいても株価変動䛾シグナルとな
るような時系列パターン䛾発見ができることが期待される。

株価予測にCNNが有効と聞いたことがありますが、そのハシリの論文になります。

深層学習による株価予測

 

具体的に実装内容が書かれている論文は多くなかったので多少参考になります。

が・・・、これは論文じゃなさそうです。

銘柄類似度グラフの時系列構造変化に基づく株価予測

 

これは「セリング・クライマックス（投資家の過度な悲観）」の定量的評価の手法提案が目的です。

ただし、銘柄の関係性の構造変化の解析（ピアソンの積率相関係数をSketchSort 法で解く）はファイナンス分野では初めての試みとの事です。

SCWを用いた株価変動予測

株価の値動きは、需給、株価材料、投資家心理、為替、経済政策、国内外の政治経済状況、地政学、影響力の高い人物の発言、マスメディアなど様々な要因の影響を受ける。

この論文では、株価が上がるか下がるかの方向性だけではなく、株式の売買タイミングにも重点をおいた株価の値動きを予測する手法を提案したとの事です。

 

オンライン学習の一つである Soft Confidence-Weighted Learning (SCW)を利用しています。

サポートベクターマシンを利用した株価の値動き予測

「SCWを用いた株価変動予測」の論文の参考文献となっていた研究報告です。

 

Deep Belief Networkを用いた日経平均株価の予測に関する研究

「SCWを用いた株価変動予測」の論文の参考文献となっていた研究報告です。

株価の変動など、経済時系列の変化は非定常かつ非線形性が強く、予測は非常に困難である。

 

この論文の手法は次のような特徴を持っており、参考になりそうです。

• 日経平均株価の予測を行うが，日経平均株価の時系列データに別のデータを組み合わせて複数の時系列データを入力できるようにする
• 適切な訓練期間の選択として，訓練期間を常に最新のものに更新し続ける
• 自己組織化マップ（SOM）を用いて訓練期間全体のデータから部分的なデータを取り出し、この部分的なデータのみで学習を行うことで効率的な学習を可能とする

Support Vector Machine による値動きの方向性に注目した短期間の経済時系列予測

「Deep Belief Networkを用いた日経平均株価の予測に関する研究」の参考文献の一つです。

「日経平均株価と FXを組み合わせることにより、日経平均株価の予測精度が向上する」という研究と紹介されており興味を持ちました。

 

以前は時系列と実際の値との誤差を小さく予測するかといった点に焦点を上げている。
しかし株の取引では収益を上げることが最終的な目標である。
そこで、近年では株価の値そのものを予測するのではなく、売買ポイントを予測したりや売買ルールを作成する研究が増えている。

として、幾つかの参考文献を紹介されています。

• ニューラルネットを活用した従来型テクニカル分析手法改善の試み、2006
• デイトレードのための遺伝的プログライミングによる売買ルールの生成、2007
• 進化論的計算手法の株式売買ルール生成への応用、2007

株価ローソク足チャート画像を用いた畳み込みニューラルネットワークによる株価変動予測

説明変数として「ローソク足の画像」を利用する場合の王道的な手法です。

畳み込みニューラルネットワークによる株価インデックス騰落予測

 

ディープラーニングを実装するためのフレームワークとして Kerasを使用し、バックエンドには Tensorflowを使用しています。

また、モジュールとしてチャート画像を作成するために mpl_finance、matplotlib を使用し、時系列クラスタリングのために tslearnを使用しているそうです。

深層学習を持ちいた株価動向推定

 

・ファイナンス分野にお いて広く用いられているファクターモデル及びマクロ指標を取り込んだ分析を行い、価格変動メカニズムの解明を試みる
・ファクターモデルに関するデータ(FFファクター)は 、久保田、竹原(2007) に従い、日本における東証1部、東証2部から構成される銘柄から算出した3ファクター(マーケットファクターである Rm-Rf 、Smallminus BigのSMBファクター、 High minus LowのHMLファクター)を用いた。

少し経路が異なり論文の理解が追いついていません。

LSTM を用いた株価変動予測

 

過学習が生じ、テストデータに対する予測ができない点が課題である

と書いてあります・・・・ダメでしょ。

チャート画像を用いた株価移転学習

全国からAI専攻の学生100名超が一斉に集結したAI株価予測コンペ「Fintech Data Championship」の優勝者の論文です。

市場データ（株価・為替・原油・先物など）、 企業財務データ、 ニュースデータ、 天候データ、 その他ビッグデータなどが説明変数として提供されています。

株価変動パターンの類似性を用いた株価予測

 

銘柄別期間全列挙に基づく季節性アノマリーのマイニング

 

論文：ファンダメンタルズ分析

「景気ウォッチャー調査」「中小企業景況調査」「ツイッター」「Yahoo掲示板」「ロイター通信」などのテクニカル分析とは異なるデータを教師データとした研究が行われています。

高頻度板情報の時空間パターン分析による株価動向推定

ディープラーニングによる 経済記事テキストデータを用いた株価予測

ニュースのテキスト情報から株価を予測する

 

分析の流れは次のようになっています、分かりやすい。

個人の予測信頼度を加味した株価掲示板情報からの株価予測

 

ファイナンス掲示板情報からの株価予測

 

ティックデータを用いたニュースと株価との関連性分析

秒単位でのニュースと日本株式市場との関連性を分析した論文です。

 

Twitter の多軸的感情情報を利用した株価の予測

 

深層学習を用いたアンサンブルモデルによる株主価値推定モデルの提案

 

ファンダメンタルズ分析を取り入れた論文として非常に参考になります。

何より、株取引にも機械学習にも詳しいです。

なお論文中のファンダメンタルズ分析の情報抽出方法は次のとおりです。

• 有報キャッチャーAtomAPIを利用して過去情報を取得
• 金融庁が公開しているタクソノミ要素リストを元に各要素の名前空間を作成

その他、過去論文で次のような検証結果も報告されています。

• テクニカル分析に加えてファンダメンタルズ分析を組み合わせた提案モデルが、テクニカル分析、さらにはファンダメンタルズ分析の各単体手法よりも高い精度の株主価値推定を行える
• XGBoostの決定木の情報利得を利用した重要度分析により、予測対象が長期化するほどファンダメンタルズ分析が有効

論文：中身確認予定

• Stock price movement prediction using distributed representations of financial report
• Stock Price Forecasting Using Information from Yahoo Finance and Google Trend
• 資産価格変動パターンの類似性に着目した金融市場予測の評価
• 金融レポート、およびマクロ経済指数によるリアルタイム日銀センチメントの予測
• 投資割合を考慮した投資先類似度に基づく投資信託のクラスタリング
• 時系列データの動向概要を示す要約文生成に向けて
• テキスト情報から生成された極性辞書を用いた市場動向分析
• 深層学習と高頻度データを用いた株式注文状況の推定
• 時系列データ間䛾連関性と関係性理解䛾ためのビジュアルインタラクティビティ
• テキストモダリティ分析に基づく投資家心理の検証
• 新聞記事の時系列テキスト分析による株式市場の動向予測
• 専門家記事と機械学習に基づくWebニュースからの日経平均株価予測 (言語理解とコミュニケーション)
• ニューラルネットを活用した従来型テクニカル分析手法改善の試み、2006
• デイトレードのための遺伝的プログライミングによる売買ルールの生成、2007
• 進化論的計算手法の株式売買ルール生成への応用、2007
• フィルタリングと機械学習に基づく Webニュースからの日経平均株価予測

Webサイト記事

大量に存在しますが、多くは「Kerasを使ってLSTMで、日経平均の上り・下がりを予測してみた。勝率は55%未満」なものでした。

それ以外の記事をピックアップしてみます。

正答率６７％のディープラーニング株価予測モデル_2

68％を上回るモデルの改良には、為替などの情報や、テキストマイニング等を追加することが必要かも・・と書かれています。

その他

調べれば調べるだけ出てきます。

代表的（なんどかシリーズとして記載している）な記事は次のとおりです。

• 機械学習で株価予測～scikit-learnで株価予測④：世界の主要指数の追加～
  （世界の主要指数をXGBoostとLightGBMで精度52%）
• QuantXで機械学習使って株価予測してみたpart2
  （テクニカル指標、ランダムフォレスト、損益15%）
• １日10時間株価予測AIを作り続ける
  （ローソク足の画像、精度64%、500 epochs）
• Twitter感情分析で株価予測の論文を検証したら約70%の精度で上下予測できた
  （Xgboost、ダウ平均株価のUPorDOWNを予測）
• テクニカル指標をごちゃっと混ぜて株価予測
  （34年間の日経平均をRSIやWilliams %Rなどを使ってKerasで計算。RoC curveは0.518）
• tensorflow+kerasで株価予想をやってみた(その２）
  （終値のほかに移動平均線、ボリンジャーバンド、MACD、RSIなどなどの22項目の説明変数、5日間の終値の変化が1%以内、1%以上乱高下、1%以上上昇、1%以上下落の4つの目的変数、Kerasで計算、ランダムに選んだ場合と変わらない）
• 株AIを結構頑張ったら、儲かりそうな雰囲気が出ている
  （仕手株（支持線・抵抗線、三尊/逆三尊、移動平均線での反発などのルールを持つ）の認識のために、自分で「この銘柄だったら勝負したい」を手動でラベリング、Co-teaching、Temporal Convolutional Network (TCN））
• Yet another 機械学習で株価を予測する (5)
  （交差検証、RandomForestClassifier、利回り5 %弱）
• 機械学習で株価を予測（まとめ）　〜平均予測精度57%〜
  （ランダムフォレスト、東証REIT指数などの説明変数、精度57%）
• 株価と収益の関係　(すみ田たかゆき)
  （半年先の企業収益の見込みから現在の株価が決定されている、「経常利益の対前年変化率＝東証株価指数１２月移動平均の対前年変化率　×１．１５−０．０６」となり、半期先の企業収益が１０％変化（増加）すると予想される場合、株価は約８．７％程度増加することになる）

まとめ

論文では「利益」ではなく、研究対象としてニュースや景気感などが株価に与える因果関係の研究が多いようです。

興味深い記事もありましたが、筆者がバックテストの意味が分かっていないのか実取引のシュミレーション観点での検証が不十分です。

これでは、過学習を起こしているかどうか全く判断できません。

結論としては・・・・

• 市場というものは、過去にないような構造に変化する可能性がある
• 未来を予測することは不可能

という前提で考えると、

世界の変化を注視しながら、次々と新しい戦略を考案し、試行錯誤を繰り返す

だけなのかな・・と。

三点チャージ法や斎藤氏の逆張り手法が未だに適用できるのは単に利用者が多いからなのかな・・・・。