株式市場における潜在的な相関構造に基づく銘柄分類手法の開発と株価変動分析への応用

点击翻译按钮获取中文摘要

計画初年度は、まず分析用のデータベースシステムの新規構築作業に着手した。時系列データをSQLデータベースに格納し、複数のPCで分散処理を行うための環境を新たに構築した。格納データは株価の時系列データや上場企業の財務データなどであり、これらのデータを使って上場株式の銘柄間の株価変動に関するネットワーク構造を構築できるシステムを作成・更新した。このネットワークは、個別銘柄をノードとして重み付きのエッジで相関の強さを表す重み付き相関ネットワークになっている。相関の計算に際しては、時系列モデルによるスムージング処理を行い、強い相場変動による相関への影響を制御した計測を行っている。上場銘柄全体を対象とする比較的大規模な相関ネットワークにおけるローカルおよびグローバルな構造を把握することが研究の第一義的な目標であり、本研究では、ネットワーク理論に基づく従来の分析を拡張するとともに、深層学習を応用した分析手法を新たに組み込むことを目指している。初年度は、オートエンコーダーのネットワーク構造データへの応用を始めとして他分野における先行研究をサーベイし、本研究との類似性や理論的な拡張の余地を視野に情報の整理を進めた。グラフ構造を有するデータのクラスタリング分析や次元圧縮などで深層学習が近年幅広く応用されるようになっており、本研究が扱う相関ネットワークにおいても、GCNやVGAEなどを用いた手法を応用することは十分可能と考えられる。現在、こうした応用分析の可能性を探るべく最近の先行研究をサーベイしており、特に深層学習によるグラフのクラスタリング、より具体的には従来のヒューリスティックな手法による分割最適化をより効率的に行う方法について情報収集を進めアルゴリズム・実装方法を検討している。