株価予測のためのMultiple-World Trader-Company法の提案とレジーム変化に対するロバスト性の評価

抄録

近年，金融分野における機械学習に基づく定量的予測モデルの開発が活発化している．しかし，機械学習ベースの株価予測モデルは「市場の効率性」と「予測モデルの解釈可能性」の2つの課題により，実用化が困難である．これらの課題に対して，解釈性を担保しつつ短期的に高い予測精度のルールを進化的に実現するTrader-Company（TC）法がある．しかし，TC法はその性質上，市場レジームの急激な変化を考慮しないため，変化によって予測精度が悪化する可能性がある．そこで本研究では，レジームの変化に対する高いロバスト性を実現するため，Multiple-World Trader-Company法を提案する．提案手法では，TC法において単純で解釈可能な予測アルゴリズムであるTraderを管理するCompanyモデルを弱学習器として，レジーム単位で分割した学習データを複数Companyが個別に学習する．実データを用いた実証分析により，提案手法がベースライン手法と比較して良好な予測精度を達成することを示す．