ML based asset pricing model using alternative data

使用另类数据的基于机器学习的资产定价模型

• 批准号: 21H00755
• 负责人: 岡田 克彦
• 金额: $ 10.98万
• 依托单位: Kwansei Gakuin University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21H00755/
• 关键词: 行動ファイナンス; 機械学習; CNN; 非財務情報; 資産価格評価; チャート分析; 深層学習; 畳込みニューラルネットワーク; 株価の予測可能性; 効率的市場仮説; 画像判断; 説明可能AI

資産価格評価モデルの研究においては、効率的市場仮説を背景に、企業価値（資本市場における株式価値）はファンダメンタル情報を反映しているとされてきた。しかし、現実の市場では、投資家が視覚情報に基づいて何らかのパターンを認識し、短期的な株価の上昇や下落を判断している可能性が指摘されている。それを実証するために、従来の研究では、テクニカル分析のシグナルに株価の予測可能性があるかを検証する取り組みが行われている。しかし、こうしたパターン認識に関する研究は、どのようにチャート形状の定義するかという問題がある。そこで本研究は、深層学習を用いることで、視覚情報を定量的に表現することを試みている。具体的には、チャート画像を白黒のグレースケールで行列表記し、そのピクセル値が説明変数になるという深層学習モデルを構築した。この方法論については、Jiang et al.（Journal of Finance, 近刊予定）を踏襲した。深層学習の方法は、画像判断において優れた実績をあげている畳込みニューラルネットワーク（Covolution Neural Network)を用いた。この手法を導入することで、画像の特徴量をより正確に抽出することができることが一般に知られている。日本の流動性の高い500銘柄について３０年以上のデータで検証した結果から、画像情報には株価の将来的な予測可能性に関する情報が存在することが示された。本研究は、効率的市場仮説に基づく従来の理解を再評価する契機となり、視覚情報が投資家の意思決定に与える影響に関する新たな研究分野が開拓される可能性を示唆している。また、畳み込みニューラルネットワークを用いた深層学習手法がチャート形状の定義の難しさを克服し、従来のテクニカル分析に対する新たな評価方法として提案されている。

The market value of the asset evaluation is reflected in the market value of the asset evaluation. In the current market, investors are looking for information on how to understand the possibility of short-term growth and decline. For example, if a plant is to be tested, it is necessary to test the feasibility of plant prediction. A study on the definition of shapes This study focuses on the application of visual information in deep learning. The detailed description of the image is as follows: Jiang et al. (Journal of Finance, forthcoming). Deep learning methods are used to determine the optimal performance of the image. The method is introduced, the characteristic quantity of the portrait is extracted correctly, and the general knowledge is obtained. Japan's liquidity is high in the middle of the 500 mark, and more than 30 years of information is available. This study aims to reassess the opportunities for understanding the market fundamentals of efficiency and to demonstrate the potential for new research areas to be explored in relation to the impact of visual information on rational investor decision-making. To overcome the difficulty of defining the shape of the object by using the deep learning method, a new evaluation method is proposed for the object analysis.

项目成果

Two-Dimensional Price/Volume Information and Return Predictability: Portfolio Choice Based on Convolutional Neural Network-

二维价量信息与收益可预测性：基于卷积神经网络的投资组合选择-

• 发表时间: 2022
• 作者: 樋田 有一郎;岡田克彦
• 通讯作者: 岡田克彦

Does Monitoring of Asset Owners Accelerate Engagement? Analysis of Antitakeover Provisions of Japanese Listed Companies

资产所有者监控是否加速参与？日本上市公司反收购规定分析

• 发表时间: 2022
• 作者: Kazuo Yamada;Masumi Sai;Yasutomo Tsukioka
• 通讯作者: Yasutomo Tsukioka

Development and Evaluation of Embedding Methods for Graphs with Multi Attributes

多属性图嵌入方法的开发与评估

• DOI: 10.1109/bigdata55660.2022.10020868
• 发表时间: 2022
• 期刊: Second Workshop on Knowledge Graphs and Big Data, In Conjunction with IEEE Big Data 2022
• 作者: Miyu Fujii;David Taingngin;Keiichiro Yamamura;Nozomi Hata;Hiroki Kai;Ryuji Noda;Hiroki Ishikura;Tatsuru Higurashi;and Katsuki Fujisawa
• 通讯作者: and Katsuki Fujisawa

Does the mandatory adoption of outside directors improve firm performance and corporate governance in Japan?

强制采用外部董事是否会改善日本的公司业绩和公司治理？

• 发表时间: 2021
• 作者: Changju Kim;Woonho Kim and Shinya Nakami;木村裕貴;阿部 誠;池田 緑;藤澤 克樹;松本祥尚・異島須賀子・小澤康裕・笠井直樹・上妻京子・小松義明・髙田知実・林隆敏・福川裕徳・堀古秀徳・町田祥弘・松尾慎太郎;高橋美恵子（編）;Yasutomo Tsukioka
• 通讯作者: Yasutomo Tsukioka

Mobility Optimization for Smart Factories via a Multi-Commodity Flow Problem on a Time-Expanded Graph

通过时间扩展图上的多商品流动问题实现智能工厂的移动性优化

• 发表时间: 2021
• 作者: Hiroki Ishikura;Katsuki Fujisawa
• 通讯作者: Katsuki Fujisawa