著者

石川 洸矢 中田 和秀

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36回 (2022)

巻号頁・発行日

pp.2P6GS1001, 2022 (Released:2022-07-11)

---

金融市場における機械学習の適用には大きく2つの問題がある.それは単位時間当たりに増えるデータ数が少ない事とデータが非定常的という事である.一般に膨大なデータを訓練データとしてかつ定常的なデータを扱う事が前提とされる機械学習手法には,これらの問題は非常にネックとなり得るだろう. 本研究では以上の問題に対応する為に,「GANによるデータ拡張を用いた強化学習モデルのリアルタイム学習フレームワーク」を提案する.提案手法の新規性として大きく2つある.まず1つに価格推移の予測モデルを生成モデルとする事によって市場データの代替データを生成し,データ不足を解消できる点である.2つ目にリアルタイム学習フレームワークを取り入れることにより,データの非定常的な動きに対応しやすくなっている点である. 本研究では提案手法が従来の深層強化学習手法に比べて収益率が改善されている事を外国為替相場のデータを用いて示した.また,非定常性へと対応力を検討する為に,新型コロナウィルスやリーマンショックなどの例外的なイベントに対してもうまくモデルが対処している事を確認した.