サポートベクターマシンを使った株式バブルの解析と予測

使用支持向量机分析和预测股票泡沫

• 批准号: 20653012
• 负责人: 高田 輝子
• 金额: $ 1.98万
• 依托单位: Osaka City University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Challenging Exploratory Research
• 财政年份: 2008
• 资助国家: 日本
• 起止时间: 2008 至 2010
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-20653012/
• 关键词: 機械学習; ノンパラメトリック

本研究の目的は、学習機械サポートベクターマシン(SVM)と研究代表者の提案するノンパラメトリック局所相関分析法による、金融バブル生成・崩壊の予測及びメカニズム解明である。バブル期のデータは少ない一方で関連要因は非常に多く、高精度な金融バブルの予測・分析は原理的に極めて難しい問題である。本年度は昨年度のような相分類のための前処理はあまり行わずに、金融市場の強気相場(上昇局面)と弱気相場(下落局面)の分類を、SVMを用いて行うことを試みた。市場規模が世界最大の株式市場であるニューヨーク証券取引所の株価指数について、株価変化率のモーメントを入力情報として、SVMによる金融市場の局面を分類することに成功した。また入力変数の状態と相の境界領域(サポートベクター)との関係を可視化したハザードマップも提案した。これにより、金融バブルの原因因子を入力変数とした場合は、相転移との因果関係を解析することが可能になった。このようなサポートベクターの利用方法は前例が無く、極めて画期的である。またNYSE株価指数について上記のSVMによる相分類を利用した投資法を応用した結果は、NYSE株価指数の収益率を有意に上回るものとなった。以上の結果はCSDA-CFE2010において発表し、現在論文投稿準備中である。局所相関分析法については、相転移現象を含むような現象のデータについて、小さいサイズでもロバストかつ効率的に推計できるまでに精度を向上させた(DMKD2011)。ハザードマップと局所相関構造図を合わせて利用することで、因果関係解明へ向けたより深い分析を可能にした。

The purpose of this study is to study the mechanism of SVM, the proposal of research representatives, the prediction of financial model generation, the prediction of collapse and the solution of SVM. The most important factor is the extremely high accuracy of financial forecasting and analysis. This year, the classification of the phase of the previous year, the classification of the strong phase field (rising situation) and the weak phase field (falling situation) of the financial market, and the use of SVM. Market size is the largest stock market in the world. Stock index, stock conversion rate and market entry information are used to classify financial market situations successfully. The state of the input force and the state of the field are visualized. The cause factor of the financial crisis is the number of cases, the phase shift and the causal relationship. The method of utilization of this kind of information is different from that of the previous one. The NYSE Stock Exchange Index has been listed on the Stock Exchange for a period of three years. The above results are presented in CSDA-CFE2010. Local correlation analysis method is used to estimate the accuracy of phase shift phenomenon, phase shift phenomenon and phase shift phenomenon (DMKD2011). The relationship between the structure and causation is analyzed.

项目成果

Asymptotic and Qualitative Performance of Non-Parametric Density Estimators: A Comparative Study

• DOI: 10.1111/j.1368-423x.2008.00249.x
• 发表时间: 2008-04
• 期刊: Wiley-Blackwell: Econometrics Journal
• 作者: Teruko Takada

Local Dependence Structure Mining by Mutual Information : A new approach for risk management

互信息局部依赖结构挖掘:风险管理的新方法

• 发表时间: 2010
• 期刊: OCU-GSB Working Paper No.201003
• 作者: Oniki;Hajime;鬼木甫;鈴木賢;鈴木賢;鈴木賢;野村豊弘・青木清・大村敦志・鈴木賢;鈴木賢;鈴木賢;鈴木賢;鈴木賢;鈴木賢;高見澤磨・鈴木賢;空井護;空井護;空井護;有江大介;有江大介;有江大介;有江大介;有江大介;有江大介;有江大介;有江大介;有江大介;有江大介;有江大介;Teruko Takada;Teruko Takada
• 通讯作者: Teruko Takada

Nonlinear local dependence analysis with application to stock price changes and volume

非线性局部相关性分析应用于股票价格变化和交易量

• 发表时间: 2008
• 作者: 高田輝子;Teruko Takada;Teruko Takada;Teruko Takada
• 通讯作者: Teruko Takada

Phase classification by Support Vector Machine

通过支持向量机进行相位分类

• 发表时间: 2010
• 作者: Oniki;Hajime;鬼木甫;鈴木賢;鈴木賢;鈴木賢;野村豊弘・青木清・大村敦志・鈴木賢;鈴木賢;鈴木賢;鈴木賢;鈴木賢;鈴木賢;高見澤磨・鈴木賢;空井護;空井護;空井護;有江大介;有江大介;有江大介;有江大介;有江大介;有江大介;有江大介;有江大介;有江大介;有江大介;有江大介;Teruko Takada;Teruko Takada;Teruko Takada;Teruko Takada;Teruko Takada
• 通讯作者: Teruko Takada

Extracting Phases of Financial Markets

提取金融市场的阶段

• 发表时间: 2009
• 作者: 高田輝子;Teruko Takada
• 通讯作者: Teruko Takada