著者

木村 泰知 近藤 隆史 門脇 一真 加藤 誠

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2022, no.FIN-029, pp.32-38, 2022-10-08 (Released:2022-10-01)

---

This paper proposes an Understanding of non-Financial Objects in Financial Reports (UFO) task. The UFO task aims to develop techniques for extracting structured information from tabular data and documents, focusing on annual securities reports. We will provide a dataset based on annual securities reports and organize an evaluation-based workshop for participants. The UFO task consists of two subtasks: table data extraction (TDE) and text-to-table relationship extraction (TTRE). The table data extraction subtask aims to extract the correct entries and values in the tables of the annual securities reports. The text-to-table relationship extraction subtask aims to link the values contained in the tables with the relevant statements in the text. In this paper, we describe an overview of the UFO task.

著者

古屋 晋一 片寄 晴弘 木下 博

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2008, no.SKL-01, pp.04, 2008-09-16 (Released:2021-08-31)

---

重力を利用して打鍵する「重量奏法」は、百年以上の間、ピアノ打鍵動作における熟練技能であると考えられてきた。本研究では、逆動力学計算と筋電図解析により、重量奏法が一流ピアニストのみが用いる運動技能であることを、世界で初めて実証することに成功した。

著者

水門 善之 田邊 洋人

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2022, no.FIN-029, pp.09-13, 2022-10-08 (Released:2022-10-01)

---

日本における製造業の基調的な生産動向を捉える上で,自動車工業の生産量を把握することは有用である.本研究では,携帯電話端末の位置情報(GPS 情報)を用いて計測した,自動車メーカーの生産拠点における時間帯ごとの滞在人数を基に,自動車生産量のナウキャスティング(即時性の高い推計)を行った.更に本研究では,同情報が示す自動車メーカー各社の生産状況の趨勢に基づいて株式投資戦略を構築した場合,堅調なリターンが得られることを確認した.また,比較検証のため,各社の株価の趨勢(モメンタム情報)に基づいて同戦略を構築した場合には,安定的なリターンは得られなかった.これらの検証結果は,株式投資において,携帯電話の位置情報に基づく即時性の高い生産量推計の有効性を示す内容と言えよう.

著者

中川 慧 指田 晋吾 坂地 泰紀 和泉 潔

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2020, no.FIN-024, pp.171, 2020-03-14 (Released:2022-11-25)

---

A lead-lag effect in stock markets describes the situation where one (leading) stock return is cross-correlated with another (lagging) stock return at later times. There are various methods for stock return forecasting based on such a lead-lag effect. One of the most representative methods is based on the supply chain network. In this research, we propose a stock return forecasting method with an economic causal chain. The economic causal chain refers to a cause and effect network structure constructed by extracting a description indicating a causal relationship from the texts of Japanese financial statement summaries. We examine the following lead-lag effect. (1) whether lead-lag effect spreads to the 'effect' stock group when there is a large stock uctuation in the 'cause' stock group in the causal chain. (2) whether lead-lag effect spreads to the 'cause' stock group when there is a large stock uctuation in the 'effect' stock group in the causal chain. We confirm the existence of the both side of lead-lag effect and the evidence of stock return predictability across causally linked firms in the Japanese stock market.

著者

上山 薫 左 毅 上島 康孝 北 栄輔

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2010, no.FIN-004, pp.07, 2010-01-23 (Released:2023-01-06)

---

In this research, we describe the prediction of the stock price fluctuation by using Bayesian Network. Bayesian Network is trained with stock price fluctuations DJIA30 in New York stock exchange market, FTSE100 in London stock exchange market and NIKKEI225 in Tokyo stock exchange market. Then the network is applied to predict FTSE100 fluctuation. Firstly, FTSE100 fluctuation in 2007 is predicted by technical analysis and Bayesian Network analysis. The results show that the prediction accuracy of Bayesian Network is much better than that of technical analysis. Next, we will discuss the prediction accuracy of the Bayesian Network in 2007 (sub-prime loan problem). The results show that the prediction accuracy decreases not only at the time of the event but at the time of the policy change for the event.

著者

小柴 等

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2020, no.SAI-039, pp.09, 2020-11-21 (Released:2021-08-31)

---

予算等の資源を配分を行う際,一部に対して優先的・集中的に配分する "選択と集中” 戦略 が選択される場面は珍しくない.ここで,投資に対して見込める利益率の分布が "べき分布” をとり,か つ,見込める利益率の予測ができない場合には選択をせず,遍く対象に投資する方が全体としての利益 が大きくなることが示されている [野田 19].ただし,予算等の資源は有限ではないため,たとえば申請 があったものについてはすべて予算を支出するとした場合,予算が十分に確保できない可能性が高いほ か,当初から利益が見込めない課題を乱発して自己の資源確保最大化を図るような行動も予想され,現 実的には遍く対象に投資することは難しく,一定のフィルタリングは必要になると考えられる.そこで 本報では投資に対して見込める利益率の分布が "べき分布” の場合に,選択と集中の程度と,個々の課題 の利益率に関する予測精度の関係について,モンテカルロ・シミュレーションを通じて明らかにした.

著者

江上 周作 福田 賢一郎

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2023, no.SWO-060, pp.04, 2023-08-24 (Released:2023-08-28)

---

現在の大規模言語モデル(LLM)には学習データに存在しない知識について誤った情報を作り出して提示する問題があり,幻覚(Hallucination)として知られている.一方,Web上にはすでに様々なファクトデータが知識グラフとして存在しており,この知識グラフをLLMと接続することでHallucinationをある程度抑制できると考えられる.本研究では,テキストから知識グラフに対するクエリ言語SPARQLを生成する手法についてのこれまでの背景を整理する.また,LLMを用いてテキストからSPARQLクエリを生成する予備的実験を行い,今後の可能性を議論する。

著者

古崎 晃司

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2023, no.SWO-060, pp.05, 2023-08-24 (Released:2023-08-28)

---

Wikidata is a large-scale knowledge base which has more than one hundred million items. It is structuralized based on semantic web technologies such as RDF so that they are used as a Knowledge Graph. Wikidata is also linked to Wikipedia in various languages and provides language information for many languages, so it is expected to be used as a large-scale language resource. This paper discusses how Wikidata can be used as a large-scale language resource and introduces the linguistic information extracted from Wikidata.

著者

井上 智洋

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2015, no.AGI-001, pp.03, 2015-12-15 (Released:2021-09-16)

---

I discuss how the emergence of artificial general intelligence (AGI) affects economic growth, employment, and income distribution. If AGI substitutes perfectly for human labor, the AK-type economy will occur. In the economy, the rate of economic growth gets higher over the years, the employment rate and the labor share approach 0%, and the capital share approaches 100%. I propose that basic income can contribute to the well-being of the laborer who have no capital.

著者

保住 純 和泉 潔

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2022, no.FIN-028, pp.56, 2022-03-12 (Released:2022-10-21)

---

For traders, it is important to minimize execution costs and achieve more efficient order execution. Since the mechanisms for incurring costs are unclear, being able to properly account for them will lead to lower execution costs and higher revenues. In order to achieve order execution with minimal costs, methods that model and infer market principles have been used. In recent years, model-free offline reinforcement learning methods have widely been utilized. However, the data on financial instruments contains a lot of noise, which makes learning hard and makes it difficult to converge to the optimal trading method. In this paper, we propose an optimal order execution method that improves performance by imposing constraints on the model. Through experiments, we have found that by imposing appropriate constraints, we can improve the performance of the optimal order execution method. We show that by setting appropriate constraints, we can achieve improved order execution compared to conventional methods.

著者

井上 修一 穴田 一

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2022, no.FIN-028, pp.43, 2022-03-12 (Released:2022-10-21)

---

In recent years, research on financial transactions using deep reinforcement learning, which is one of machine learning, has been actively conducted. In these studies, various approaches have been taken, such as those that consider the number of financial instruments bought and sold, compound interest calculation, and those that use stock price charts for input, but enough profit has not been made in all periods. It is considered that this is because the opportunity loss cannot be taken into consideration. Therefore, in this study, we build a model to learn the optimal buying and selling timings to make a profit in stock investment by incorporating the opportunity loss for each action into the reward in deep reinforcement learning, and show its effectiveness.

著者

Wu Haotian Zhang Chenghuan Han Dongli

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2023, no.FIN-030, pp.66-71, 2023-03-04 (Released:2023-03-04)

---

現代社会においては、科学技術の成果があらゆる場面で活用され、企業に様々な影響を及ぼしている。企業価値と企業における研究開発との関係について従来より研究されてきたが、研究内容まで細かく分析したものが少なかった。特に、中国を初めとした新興国は研究開発の面で大きな進歩を遂げている割には、この点についてはあまり研究されてこなかった。本研究では、中国のハイテク企業であるテンセントとバイドゥの特許データ、市場価値データと決算報告データを利用し、研究開発の内容と企業価値を表すトービンqの関係を分析するための線形回帰モデルを構築した。その結果、技術密集型企業では、研究開発の範囲を限定することによりq値を上げることができるかもしれないことが分かった。

著者

平野 正徳 今城 健太郎 南 賢太郎 島田 拓弥

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2022, no.FIN-028, pp.27, 2022-03-12 (Released:2022-10-21)

---

Deep Hedging, which uses deep learning and price time-series simulations to optimize option hedging, has recently been in the spotlight because it enables more realistic hedging that can take into account frictions such as transaction fees (imperfect market). However, the situation of hedging an option by other options has never been addressed by deep hedging because of its simulation difficulties. In that situation, pricing for tradable options should also be performed via deep hedging in simulations for realizing imperfect market simulations, which has required unrealizable enormous computational resources because of the nested architecture of deep hedging. Thus, in this study, we proposed a new deep-hedging mechanism for learning hedging strategies under such a nested situation. As a result, we showed better hedging via proposed deep hedging with multiple tradable options.

著者

藤原 健太 伊庭 斉志

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2009, no.FIN-003, pp.11, 2009-09-12 (Released:2023-01-06)

---

In this paper, we proposed automated trading system using Genetic Algorithm(GA) and Genetic Programming(GP). There are many reports which focus on system trading. In recent years, these researches have attracted attention because of impact of finance crisis. Among them, we focus on two area, one is optimization of technical indicators, the other is optimization of technical indicators combination. There is not research which focuses on both parts. So we proposed automated trading system by optimizing indicators and combination of them. At first, their parameters are optimized by GA. Each indicator is fitted on movement of current market by this process. Then, using optimized indicators, combination of them is optimized by GP to generate buy-sell strategy. To verify effectiveness of proposal method, we simulated using real data given by Gaitame.com. Consequently, we got good result and verified effectiveness of proposal method.

著者

内山 朋規 瀧澤 秀明 菊川 匡

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2018, no.BI-008, pp.11, 2018-01-20 (Released:2022-02-25)

---

資産価格のプレミアム(期待リターン)は時系列に変動し,リターンが予測可能であることは現在のファイナンスにおける標準的な考え方である.実務においては投資パフォーマンスの向上のために,学術研究においてはプレミアムの特徴を解明するために,ファクター(予測変数)によってリターンを予測する分析が精力的に行われてきた.しかし,統計的にこれを検出することは容易でないため,より有意な実証的証拠を得ようとデータマイニングを行うと,実際には無意味であるにもかかわらず有意に見えてしまうというオーバーフィッティング(過剰適合)を引き起こす.特に近年では,ビッグデータとして多様なデータを低コストで扱えるようになり,また,工学的な側面から機械学習への注目度が増している.これらは予測精度の向上に貢献する可能性がある一方で,オーバーフィッティングの可能性をより高めてしまう. オーバーフィッティングは,予測対象の標本数が有限であるにもかかわらず,変数選択に自由度があることから生じる.通常の単一検定の基準ではなく,多重検定であることを考慮して有意性を評価する必要がある.従来の資産価格理論の実証では,この影響が軽視されてきた.本研究では,変数選択の自由度だけでなく,モデル選択の自由度,言い換えれば,モデルマイニングの問題も含めて扱う.この結果,時系列におけるリターンの予測可能性を対象に,オーバーフィッティングの影響が大きいことを実証的に示す.変数選択やモデル選択に伴う多重検定を考慮すると,t値の分布は大幅に上方にシフトし,有意水準の臨界値は極めて高くなる.本研究の結果は,ファイナンスの学術的枠組みにオーバーフィッティングの問題を体系的に取り込む必要があることを示唆している.

著者

水田 孝信

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2016, no.FIN-017, pp.01, 2016-10-08 (Released:2022-12-17)

---

経済のマクロモデルは,ミクロプロセスの積み上げによって構築する,いわいる "ミクロ的基礎付け"(micro-foundation)がなされるべきとの主張が多くなされ,ミクロ的基礎付けがなされた経済のマクロモデルが多く生まれた.一方,リスク資産の価格変動というマクロ量をモデル化したものは多く存在するが,これらのモデルをミクロ的基礎付けしようという試みは多くない.そこで本研究では人工市場研究からの知見を用いて,ARCH モデルのミクロ的基礎付け,すなわち,各係数がどのミクロプロセスから生じているのかを明らかにすることを試みた.その結果,投資家の予想価格のばらつきと需給の歪みが大きくなるとボラティリティは大きくなり,流動性を奪う投資家の存在割合が大きくなったり投資家のリスク回避度が小さくなるとボラティリティクラスタリングは大きくなることが分かった.

著者

梅津 大雅 中田 和秀

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2023, no.FIN-030, pp.45-50, 2023-03-04 (Released:2023-03-04)

---

資産運用において,単一の銘柄に投資を行うことは非常にリスクのある行動とみなされている.そのため資産運用を行う際は,複数銘柄に分散投資を行うことが求められる.このように市場に存在する様々な金融資産に対して,どの資産にどれだけ投資するかを決定する問題はポートフォリオマネジメントと呼ばれている.ポートフォリオマネジメントの代表的なモデルとして,ポートフォリオの期待収益率の最大化と分散の最小化を行う平均分散法のような最適化のアプローチの手法が知られている.しかし,最適化の手法は,主に特徴量として平均と分散を使用しており,強い定常性を仮定している点が問題である.これらの問題に対して本研究では,強化学習の枠組みを用いてポートフォリオマネジメントを行う.強化学習は機械学習の分野の1つであり,コンピュータ上のエージェントが環境と相互作用を繰り返すことで,タスクの報酬を最大化する意思決定の方策を学習する.また定常性を仮定せず,長期的な依存関係を考慮した学習を行うため,資産運用と相性が良い.一方で,強化学習には2つの問題が存在する.その1つが金融市場のデータ不足である.強化学習を行う際は,多量の訓練データを必要とするが,金融時系列は時間に対して1対1にしかデータが増えない.また強化学習に入力する特徴量は,基本的に行動を決定する時点の情報のみを使用するが,資産運用に関しては将来の状態を考慮することが重要である.本研究ではこれらの問題に対処するために,CSDIによるデータ生成とLSTMによる予測を用いた強化学習フレームワークを提案する.CSDIはDiffusion Modelを基としたデータ生成手法の1つであり,金融時系列の分布を模した人工データを生成することが可能であるため,データ不足の問題を解消できる.また時系列予測の分野で高性能を記録しているLSTMによる予測特徴量を入力とすることで将来の状態を明示的に把握させた.これらの提案手法の性能を検証するために,ダウ・ジョーンズ工業株価平均の30銘柄を用いて定量評価を行い,提案モデルはベンチマーク手法よりも優れていることを確認した.

著者

落合 友四郎 ナチェル ホセ

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2015, no.FIN-014, pp.05, 2015-01-21 (Released:2023-01-12)

---

Recent financial crises have shown the importance of determining the directionality of the in uence between financial assets in order to identify the origin of market unstabilities. Here, we analyze the correlation between Japan's Nikkei stock average index (Nikkei 225) and other financial markets by introducing a volatility-constrained correlation metrics. The asymmetric feature of the metrics reveals which asset is more in uential than the other. As a result, this method allows us to unveil the directionality of correlation effect, which could not be observed from the standard correlation analysis. Furthemore, we present a theoretical model that reproduces the results observed in empirical analysis.

著者

籔内 陽斗 松井 藤五郎 武藤 敦子 島 孔介 森山 甲一 犬塚 信博

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2023, no.FIN-030, pp.32-39, 2023-03-04 (Released:2023-03-04)

---

ファンド(投資信託)の中には目論見書に記された運用方針と実際の運用方針が異なる場合がある。先行研究では実際の運用方針に基づくファンドのグループ分けを目的に、月次リターンの時系列に対してk-meansとUMAPを組み合わせた手法を用いてファンドをクラスタリングする方法が提案された。しかし、k-meansによるクラスタリングではラベル情報を一切使用しないという問題がある。本論文では、インデックスファンドのラベルは正しいと仮定し、ラベル情報を使用可能な手法であるOne-class SVMを導入する。ところが、通常のOne-class SVMでは、ラベルが付与されたインデックスファンドだけをインデックスと判別するモデルを作成するため、インデックスに類似した隠れインデックスファンドをインデックスと判別することができない。この問題を解決するために、本論文ではOne-class SVMモデルの出力値に着目し、One-class SVMの出力を校正する新しい方法を提案する。提案手法を同一の指標をベンチマークとするファンド群に対して適用することで隠れインデックスファンドを見つけることができた。

著者

卓 越 森本 孝之

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2022, no.FIN-029, pp.81-86, 2022-10-08 (Released:2022-10-01)

---

Autoregressive integrated moving average (ARIMA) is a widely used linear model withgreat performance for time series forecasting problems. Supplemented by support vector regression (SVR), an effective method to solve the nonlinear problem with a kernel function, ARIMA-SVR model captures both linear and nonlinear patterns in stock price forecasting. However, it does not have high accuracy and parameter selection speed when its parameters are chosen by the traditional method. Therefore, in this study, we applied genetic algorithm (GA) to optimize the parameter selection process of SVR to improve the performance of the ARIMA-SVR model. Subsequently, we built the ARIMA-GA-SVR model by integrating ARIMA with optimized SVR. Finally, we used actual stock price data to compare the forecasting accuracy of the proposed model, ARIMA and ARIMA-SVR models using error functions. The result shows that the proposed ARIMA-GA-SVR model outperforms other models.