ML based asset pricing model using alternative data

点击翻译按钮获取中文摘要

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。