株価を最も正確に予測できるアルゴリズムは?比較してみた結果・・・(AI×金融)【論文】

   

未だ終息しない新型コロナの影響で、世界全体で経済の見通しが困難となっている。AIは、市場の未来を正確に予測することはできるのだろうか。

課題:株価を正確に予測できるアンサンブル学習を知りたい

近年、株価の変動を予測する機械学習モデルの開発が盛んに行われている。それはビジネスレベルに到達しつつあり、国内では、マネックス証券株式会社や大和証券株式会社が機械学習による株価予測の事業展開を行っている。
株式市場への投資に伴うリスクを最小限に抑えるには、株価の動向を予測することが必要不可欠であるためだ。

株価を予測するいくつかの手法の中でも、機械学習を用いたものは予測パフォーマンスが高いことが知られている。その中でもアンサンブル学習は、より優れた予測精度が報告されているが、その中での比較が行われた例はない。

株価の変動予測における精度が高いアンサンブル学習は何かという課題において、実際にどんな研究が行われているのだろうか。中国にある電子科技大学のErnest Kwame Ampomahら研究者の発表を紹介したい。

彼らは、複数のアンサンブル学習モデルによる予測精度を比較することで、精度の高い株価予測モデルの特定を試みたのだった。

テーマ:株価予測におけるアンサンブル学習の性能を比較する

まずはErnest Kwame Ampomahらの研究におけるミッション・手法・結果をまとめた。

✔️ミッション
株価の変動予測において最も精度が高い予測を行えるアンサンブル学習を特定する。

✔️解決手法
6種類の決定木ベースのアンサンブル学習による株価の変動予測モデルを構築した。

✔️結果
トレーニングセットではAdaBoost、テストセットではExtra Treesによる株価の変動予測が最も高い精度を示した。

ミッションから説明していく。

目的:最も予測精度が高いアンサンブル学習を特定する

株式市場の動向に影響を与える要因(政治的イベント、経済的要因、投資家の感情など)は絶えず大きなペースで変化するため、これまで株価の予測は困難とされてきた。

しかし、研究者や投資家たちは、株式市場をある程度予測できることを論文で示し、株価の動向を予測するために、テクニカル分析やファンダメンタル分析、時系列予測、機械学習(ML)などの方法が開発された。さらに、アンサンブル学習は、単一の機械学習モデルよりも高いパフォーマンスを発揮するため、現在注目を集めている。

手法:6種類のアンサンブル学習アルゴリズムを比較した

Ernest Kwame Ampomahらは、パフォーマンスが優れているとされるアンサンブル学習で株価の変動を予測し、それら6つのモデルの精度の比較を行った。

データセット
3つの証券取引所(NYSE、NASDAQ、NSE)から8つの銘柄(BAC、XOM、INX、MSFT、DJIA INDEX、KMX、TATASTEEL、HCLTECH)の株価の変動を予測した。

特徴量抽出
45個の予測子を用いて、主成分分析にて次元削減を行った。

アルゴリズム
アンサンブル学習として、ランダムフォレスト分類器XGBoost分類器AdaBoost分類器、Bagging分類器、Extra Trees分類器、およびVoting分類器を用いて株価の変動を予測し、精度を比較した。

評価
各データセットは、トレーニングセットとテストセットに分けら、トレーニングセットはデータセットの70%を構成し、テストセットはデータセットの30%で構成される。トレーニングセットには10​​分割交差検定が使用された。アンサンブルMLモデルのパフォーマンスの評価には、正解率適合率再現率F値、特異度およびAUC値を用いた。

結果:トレーニングセットではAdaBoost、テストセットではExtra Treesが最も高い精度を示した

結果、トレーニングセットの10​​分割交差検定では、AdaBoostモデルの平均精度は、ツリーベースのアンサンブルモデルの中で最も高くなった。

トレーニングデータセットでの決定木ベースのアンサンブル学習モデルの10分割交差検証精度スコアの箱ひげ図

また、テストデータセットに対するアンサンブル学習モデルの精度は、エクストラツリーモデルが他のアンサンブル学習モデルよりも平均的に優れたパフォーマンスを示した。具体的には、正解率0.8375、適合率0.8719、再現率0.8156、F値0.8410、特異度0.8640およびAUC値0.9261であった。

テストデータセット上の各アンサンブル学習モデルのAUC値の箱ひげ図

今後は、ガウス過程、正則化手法、およびカーネルベースの手法を含む機械学習モデルを組み込み、さらに高い精度での株価の変動の予測を行っていく予定である。

研究紹介は以上だ。

機械学習による株式市場の予測は今後ますます発展していくだろう。


【ほかの記事もどうぞ】

この記事で取り扱った論文:Ernest Kwame Ampomah, et al.,”Evaluation of Tree-Based Ensemble Machine Learning Models in Predicting Stock Price Direction of Movement.”,Information,11(6),332 – DOI


業界ごとに記事を読む

さらに学ぼう!

PAGE TOP