3 0 0 0 OA リカレントニューラルネットワークによるボラティリティ・クラスタリングのモデル化
- 著者
- 五島 圭一 高橋 大志 寺野 隆雄
- 雑誌
- 第79回全国大会講演論文集
- 巻号頁・発行日
- vol.2017, no.1, pp.221-222, 2017-03-16
金融資産を管理する上で金融資産のリスクを表すボラティリティについて、どのようにモデリングをして、予測を行うかは金融機関経営における重要な課題の一つである。そのため、金融市場を反映した様々なモデルが考案されてきた。そこで本研究では、ディープラーニングモデルの一つであるリカレントニューラルネットワーク及びその派生モデルであるLSTMとGRUによって、株価指数のボラティリティ変動のモデリングを試みる。リカレントニューラルネットワークを用いれば、これまで人手で設計していたボラティリティ変動の構造を自動で捉えることができる可能性がある。GARCH(1,1)モデルとの比較を通じて、予測精度の分析を行った。
1 0 0 0 OA 時系列株価データからの市況コメントの自動生成
- 著者
- 村上 聡一朗 渡邉 亮彦 宮澤 彬 五島 圭一 柳瀬 利彦 高村 大也 宮尾 祐介
- 出版者
- 一般社団法人 言語処理学会
- 雑誌
- 自然言語処理 (ISSN:13407619)
- 巻号頁・発行日
- vol.27, no.2, pp.299-328, 2020-06-15 (Released:2020-09-15)
- 参考文献数
- 54
本稿では,日経平均株価の市況コメントを生成するタスクを例として,時系列数値データの多様な特徴を抽出してテキスト化する手法を提案する.日経平均株価の市況コメントでは価格の変動の特徴だけが表出されるわけではなく,価格の履歴を参照する表現,時系列データの変化を示す表現,テキストが書かれる時間帯に依存する表現が見られる.また,数値に言及する場合は,価格が直接言及されることもあれば,前日からの増減幅や それらを切り上げ・切り捨てした値などが用いられることもある.本研究では,エンコーダ・デコーダモデルをベースラインとし,上記のような多様な特徴を自動抽出してテキスト化するためのエンコード/デコード手法を探求する.まず,株価の短期的・長期的な変化を捉えるために,エンコーダへの入力として短期的および長期的な時系列株価データを与える.デコード時には,テキストが書かれる時間帯に依存する表現を生成するために,時間帯情報を導入する.また,デコーダが数値に言及する際,数値の演算操作を推定して計算することで株価の数値表現を生成する.実験では,自動評価および情報性・流暢性に関する人手評価を行い, 提案手法によって上記の特徴を捉えた質の高い株価の市況コメントの生成が可能になることを示した.
1 0 0 0 OA ニュースのテキスト情報から株価を予測する
- 著者
- 五島 圭一 高橋 大志 寺野 隆雄
- 出版者
- 一般社団法人 人工知能学会
- 雑誌
- 人工知能学会全国大会論文集 第29回全国大会(2015)
- 巻号頁・発行日
- pp.2G4OS25a4, 2015 (Released:2018-07-30)
近年,資産価格の分野において,ニュースやソーシャルメディアといった大規模テキストデータを,資産価格評価の分析に用いる試みが模索されている.本分析では,ニュース記事と株価情報を用いることで,より客観的かつ資産価格分析の文脈に即したニュース記事評価分析方法と予測方法を提示する.特に、学習モデルによる比較を行うことによって、本分析方法の有効性の検証を試みる.
1 0 0 0 OA 市場情報を用いたニュース記事評価と価格分析
- 著者
- 五島 圭一 高橋 大志 寺野 隆雄
- 雑誌
- 経営課題にAIを! ビジネス・インフォマティクス研究会資料 = SIG-BI
- 巻号頁・発行日
- vol.1, no.1, 2014-11-20
Many stuides have been attempting to uncover the relationship between asset price fluctuations and textual information. However, in many cases, subjective evaluations of researchers have significant impacts on results. In this paper, we propose an objective evaluation method of news article using stock prices. Firstly, we give class labels (negative-positive) to every news articles by using event study analysis. Secondly, we compute vector representations of news aritcles by morphological analysis and tf-idf. Finally, we make Support Vector Machine classifier and give class labels (negative-positive) to other news articles. This method enable objective analyses of textual data in financial contexts.