高頻度注文情報の時系列性考慮による短期市場動向予測
2018 年 2018 巻 FIN-021 号 p. 50-
詳細
2018 年 2018 巻 FIN-021 号 p. 50-
高頻度取引(HFT) により得られる高頻度注文情報を用いた短期の市場動向予測に注文が集まっている．高頻度注文情報は同時多発的な注文の系列であるため，隣接するデータの順序情報にノイズが大きく，より広いデータ範囲におけるロバストなパターン認識が必要である．本研究では注文情報のパラメータ化および畳み込みニューラルネットワーク(CNN) の活用を通し，この問題の解決を図った．注文情報に対する適切な情報抽出を行い，CNN を用いて予測モデルを構築することで，注文パターンに対しロバストな予測が可能になる手法を提案する．実験の結果，FLEX FULL注文データに対する解析で，本手法が高い精度で未来の株価動向を予測できることを確認した．
