Transformer を導入したランク学習に基づく投資戦略の解析

抄録

近年，深層学習技術が著しい発展を遂げており，金融分野では投資ポートフォリオの最適化や市場動向の分析などへの応用が進んでいる．しかしながら，金融市場は非定常性が高く単一の価格時系列に対する機械学習の適用が比較的困難となっている．そのため，目的に応じて複数系列の相対的な関係を予測することが重要である．この問題を解決するために，複数の金融資産に対する将来リターンのランク学習に着目し，Transformer を導入した資産配分決定モデルに基づく投資戦略を提案してきた．ランク予測性能の評価指標である Normalized Discounted Cumulative Gain (NDCG) と獲得リターンの双方を考慮して設計した損失関数を用いることで，収益性能に重点を置いた学習が期待できる．また，一般に深層学習モデルの構築には豊富なデータ量と適切な正則化が必要であり，観測可能なデータが限られている金融分野では様々な疑似訓練データの生成手法が提案されている．本研究では，Computer Vision 分野で利用されている変換ベースの Data Augmentation に対する自動最適化手法に着想を得て，熱力学的遺伝アルゴリズムに基づく時系列データの拡張方策探索に取り組み，これまでの提案モデルの学習に適用する．実際の市場データを利用した数値実験により，提案する投資戦略の有効性を示す．