We study unconditional distribution derived from the Fokker-Planck equation for an artificial market. The artificial market consists of two kind of participants; fundamentalists and chartist(noise traders). We compute parameter estimates for absolute-log-return time series of exchange rates by means of the maximum likelihood method. We compare the model-based tail index with Hill's estimators.

We propose a method to assess the risk of ?nancial time series with an unconditional distribution estimated from them. Because it is not easy to infer its tail shape due to a lack of data in a practical manner, we adapt a parametric method with a q-Gaussian distribution. We introduce Value-at-Risk (VaR) to measure risk and compare it with variance under the q-Gaussian assumption. We examine performance of the maximum likelihood estimator with the q-Gaussian log-likelihood function. By using the distribution estimates, we compute the errors, de?ned as the di?erence between estimation and the real value. Finally,we conduct an empirical analysis on log-returns of a stock traded in the Tokyo Stock Exchange by using the proposed method.

We introduce minimal agent based model of foreign exchange markets from the view point of econophysics. In order to reproduce major statistical properties of real market, we start from the simplest model and we add two important feedback effects to this simplest model; one is feedback effect of price change and the other is feedback effect of transaction intervals. As an application of this realistic model, we simulate the case of government intervention on exchange rate and discuss a relationship between a dealers' trend-follow effect and efficiency of the intervention.

In arti?cial market studies, agents must do the similar behavior with real market participants. In this paper, we estimate the composition of the real market participants using arti?cial markets. We use an inverse simulation to optimize agents who participate in arti?cial markets. We use stock price time series of the market to evaluate arti?cial markets. In the experiment for verifying the validity of the proposed method, we applies the proposed method to markets in which di?erent participants exist. The result indicates that the proposed method is useful to estimate market participants.

In this study, we propose a new paired evaluators method with consideration of turn over cost for sudden unexpected changes in financial markets. This consideration is necessary to evaluate the usability of forecasting models in realistic portfolio management. We conduct empirical analysis using Japanese stock market data from Jan.2001 to Sep.2010 to test how our proposing method switches the long term portfolio and short term portfolio in efficient ways. The results of the empirical analysis show that our method achieves higher return and reduces risks compared to the cases of fixed portfolios, either long-term portfolio or short-term portfolio.

In this paper, we propose a real world application which is an automated foreign exchange trading system which update the trading rule automatically, using Differential Evolution( DE). There are many studies which have focused on trading system. In recent years, such studies have attracted attention because system can catch movement of market price accurately and quickly. DE is a simple yet powerful evolutionary algorithm for global numerical optimization. To verify the effectiveness of the method, we performed simulations using real historical trading data. DE was found to be superior compared to other previous methods in terms of precision and reliability.

近年の脳神経科学の発展は，これまで経済学において使われてきたような意思決定モデルに修正を迫り，より現実に近い新たな意思決定モデルの構築を促している．このような流れを受けて，本研究では脳情報をはじめとする生体データにより，従来の行動ファイナンス理論に基づく投資モデルがどのように改善されるのかを分析する．脳情報は一般にノイズが大きく要因が複雑に交錯しているため，その解釈には一定の訓練を要し，それが実用化の障害にもなっている．本研究では，このような問題意識のもと，統計的パターン認識技術をベースにしたマイニングにより投資意思決定の予測の精度を大幅に向上させる可能性を追求する．

本研究で報告するマーケットメイカー型Brain Computer Interface (BCI) は，複数人の被験者が同時に市場に参加し投資を行い，その際全員の脳反応を同時計測，リアルタイムに投資行動モデルの学習と予測を行うというものである．このBCI では，これまで行動経済学的な分析によって得られた意思決定に関する知見と計測された生体データを基に，市場参加者の投資行動を予測し，それに従ってマーケットメイクするようなコンピュータエージェントを導入する．これによって市場システム自体が自律的に市場に流動性を与え，かつ市場を安定化させることが可能になると期待される．また，より現実的な環境における投資行動分析のプラットフォームとして利用できる．ここでは，これらの目的のための精度向上の試みを報告する．

We report our on-going research to develop a system to predict volume of transactions of a brand using news articles related to the brand. We investigated the e?ect of keyword-based article selection and online learning algorithms on prediction accuracies.

本研究では，経済レポートのテキストマイニング分析ツールを開発した. 英国中央銀行の金融政策会議議事録を利用し，10 年物の英国国債金利の長期予測を行った結果を報告する. 5 年間のテキストと金利のデータセットから回帰式を獲得し，その後の1 年間のデータを用いて外挿評価した．

Through intensive analysis of high frequency market data, empirical laws of the foreign. exchange markets have been discovered. For examples, the power law distributions of the absolute value of price changes, abnormal diffusion of prices in the short time scale and a normal diffusion in the large time scale. The dealer model is a model that directly simulates the dealer's behavior and satisfies these empirical laws. In this study, we introduce the new quantity of position to the basic dealer model defined by the ratio of yen property and dollar property. If a dealer 's position is leaned to one side he tries to balance the position to avoid potential risks even the action is less profitable. The self-interest pursuit is the effect that the dealer acts so that his position may work advantageously by changing his price. As a result we obtain a phase diagram categorizing the difference of market price dynamics. With this revised model we can simulate the effects of loss-cut and loss-limit which are actually applied to real dealers in financial institutes.

ファンダメンタルズを反映しない株価の乱高下は、株式市場のみならず、企業の経済活動や金融機関行動にまで大きな影響を与える。金融政策当局がそのような金融市場の不安定性の原因を解明し、市場整備を行うことは非常に重要である。90年代以降、金融市場の自由化に伴い投資家の期待が金融資産価格に反映されるようになったことを考えると、価格の乱高下の原因を解明する鍵は投資家の期待形成メカニズムを理解することにあるはずである。本研究ではQUICKによる投資家への株価予測月次調査の個票データを利用し、日本の株式市場における投資家の期待形成メカニズムをエージェントベース理論をもとに明らかにする。市場構造分析の経済理論として注目を集めるエージェントベース理論モデルでは株価が大きく変動する理由として、投資家の予測がいくつもの投資戦略を組み合わせる形で形成され、投資家がその組み合わせの比重を時間を通じて調整していることに注目する。標準的なモデル（例えばBrock and Hommes(1998)）によると、投資家はテクニカル戦略（T戦略）とファンダメンタル戦略（F戦略）を組み合わせて期待を形成する。ここで、T戦略とは過去の価格情報をもとに期待を形成する戦略であり、F戦略とは、企業の純利益や配当金などの代理変数で測られる企業の根源的価値の周りを株価は推移すると予測する戦略である。両戦略の組み合わせの比重は時間を通じて変化し、予測が主に過去の価格のトレンドに沿って形成する時期と、F戦略に大きく依存する時期があるとする。期待が主に価格のトレンドに沿って形成される場合は、株価は短期的にはバブルなどに見られる不安定な動きをし、F戦略に大きく影響を受ける場合は、株価は安定的に推移する。多くのエージェントベース理論モデルでは、この「戦略の切替え」が市場不安定の主たる要因と考える。本研究では、この戦略の切替えが実証的に見て市場の不安定性を引き起こした要因であるか否かを、日本の株式市場に関して検証する。先行研究では、いくつかの室内実験や為替市場でこの「戦略の切替え」について実証がなされているが、特に日本の株式市場に関しての実証研究は未だ見られないことを考えると、本研究の学術的貢献は大きい。具体的に本研究では、Pfajfar and Santoro (2010)に倣って毎期ごとに予測値による並び替えを行い、予測値の統計百分位数ごとの「戦略の切替え」を分析する。先行研究では予測の平均値の決定要因を分析したものが殆どである。しかし予測値の分布は非対称であるかもしれないし、分布は時間に応じて変わるかもしれず、予測の平均値のみを扱う研究では平均値より離れて予測する投資家の期待形成プロセスを無視してしまうことになる。本研究では予測値を毎期、百分位数に分け、百分位数ごとの期待形成プロセスを研究する。この分析から楽観的・悲観的双方の予想プロセスが明らかになる。すなわち、バブル期には過去の価格トレンドに沿って予測する楽観派が増え、暴落期にはトレンドに沿って予想をする悲観派が増え暴落を助長する、というような市場不安定化メカニズムを解明できる。

In this paper, we propose a new simple artificial market model based on an idea of the U-Mart system. We designed a reinforcement learning agent which runs on this artificial market with other simple computer agents. We simulated the process that the reinforcement learning agent adapts to the price series of the market. This simulation clearly showed the emergence of market.

本研究では、少数派ゲーム(MG) において、「エージェントがエラーを起こす確率」が「社会的効率」に与える影響を分析した。発生するエラーとしては、次の4 種類: (1)ImplementationError(行動選択のエラー), (2)Perception Error(ゲーム結果の認識のエラー), (3)Strategy Error(戦略の予測のエラー), (4)Memory Error(記憶のエラー) を考え、エージェントが各エラーのうち1 種類を起こす状況を分析の対象とした。結果、エージェントの記憶長が短い場合において次のことが分かった。エージェントが(2)-(4) のいずれかのみを起こす状況では、エージェントのエラー確率がゼロの極限のときに、最も社会的に効率的な状態が実現される。つまり、エラーがまったく起こらないときや、エラーが頻繁に起こる場合より、エラーがほんの少し起こるときに社会的効率が最大化される。一方、(1) を起こす状況では、エラー確率が50 % に近づくにつれ社会的に効率な状態が実現される。