株価の日次・月次推移と学習期間調整

DOI 情報処理学会

書誌事項

タイトル別名
  • Training Period of Daily and Monthly Stock Price Prediction

この論文をさがす

抄録

株価予測は学問的にも実務的にも重要な研究テーマであり，伝統的なファイナンスの観点から古くから研究されてきた．また近年では深層学習などデータマイニングの手法を使った研究もさかんである．本報では，日次の終値の変化と標準偏差のみを入力に用いたGradient Boosting Decision Tree法が代表的な株価インデックスであるTOPIXや日経225先物の翌日の値を予測可能であり，代表的な取引手法であるインデックス投資と比較して超過収益が得られることを示す．この結果は月次データに関して報告した代表的な株価インデックスが持つ特徴と同じ特徴（株価の分析における混合分布分析と学習期間調整の重要性）が日次データにも存在することを示している．本報では，学習期間調整の重要性は日次の方が顕著であり，また日経先物の分析結果からは限月という先物特有の要因が有効な学習期間に影響している可能性も指摘する．

This paper reports a fact that the Gradient Boosting Decision Tree (GBDT), which only uses the closing prices and standard deviation, can predict daily prices of TOPIX and Nikkei 225 futures. It shows that excess returns can be obtained compared to the standard index investment. The method used for the prediction is a straightforward application of a method that has been shown to be effective in the analysis of monthly stock prices. It is a combination of the GBDT that can analyze the mixture distribution and the adjustment procedure for the learning period. These results show that the same characteristics of the monthly stock prices also exist in the daily data. In other words, the importance of mixture distribution analysis and learning period adjustment in the analysis of stock prices are shown for different time scales such as daily and monthly. From the analysis results of Nikkei 225 futures, it is also pointed out that the futures-specific factor called contract month may affect the effective learning period.

収録刊行物

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ