時系列勾配ブースティング木による分類学習

金融時系列予測への応用

抄録

時系列およびクロスセクションの属性を持つデータセットに対する時系列勾配ブースティング木を提案する。 我々の時系列勾配ブースティング木は、内部ノードに時系列およびクロスセクションの属性を持つ弱学習器をもち、時系列間の非類似度に基づく基準例分割テストまたは通常の不純度に基づく分割を行う。 時系列間の非類似性は、Dynamic Time Warping(DTW)または金融時系列に対してはIndexing DTWによって定義される。 TOPIXを対象とした株価予測の結果は、提案手法は収益性、精度ともに優れていることが確認できた。