本論文では、深層強化学習を複利型に拡張した複利型深層強化学習を提案する。複利型深層強化学習は、報酬の替わりに利益率を観測し、利益率の複利効果を最大化する行動規則を学習する複利型強化学習において、行動価値関数をニューラル・ネットワークで表し、深層学習を用いて行動規則を学習する。また、金融商品（日本国債）の取引戦略の獲得に複利型深層強化学習を用いた例を示す。

Stock price prediction is a long-time and challenging topic in financial forecasts. Although stock markets are affected by many uncertain factors, numerous effectual approaches have been proposed to predict financial market trends using machine learning algorithms, such as Support Vector Machine (SVM) and Deep Belief Network (DBN). In this research, we propose a new approach to predict short-term stock uctuations using Soft Confidence-Weighted (SCW) Learning. The proposed method not only predicts stock trends, but also gives a quantitative measure for the stock uctuations. We consider RoC time series of a related stock class as inputs, uctuate up and down of a target stock as outputs, to train the prediction model with SCW. Some experimental results show that the approach is useful for practical purposes.

株式市場において，注文を公開せずに注文を付き合わせる，ダーク・プールという取引市場が普及してきている．ダーク・プールは市場の安定化につながると言われている一方，ダーク・プールは価格決定を行わない市場であるため，市場全体の価格発見機能が低下し，市場全体の効率性が失われるという批判もある．本研究では１つのリット市場(注文情報が公開されている通常の市場)と１つのダーク・プールが存在する人工市場モデル(マルチ・エージェント・シミュレーション)を用いて，ダーク・プールの普及が市場の効率性や発見機能にどのようなメカニズムで影響を与えうるか議論行い，さらに，シンプルな数式モデルを提案し，可能性のあるメカニズムについて議論を深めた．その結果，ダーク・プール売買数量シェアある値より小さい領域で市場は効率化し，それを超えると非効率となることが分かった．これは最適なダーク・プール売買数量シェアが存在することを示している．SOR(smartorderrouting)は成行注文をリット市場からダーク・プールへ回送するため，リット市場への約定率が低下する．これにより，リット市場での指値注文は厚くなり，これらが成行注文を吸収する．そのため，市場価格はファンダメンタル価格付近にとどまり市場は効率化する．しかし，ダーク・プールに多くの買い注文が待機しすぎると，市場価格をファンダメンタル価格へ収束させる成行注文がSORによりダーク・プールへ回送されて待機注文に吸収されてしまい，市場価格はファンダメンタル価格に収束しなくなる．そのため，市場は非効率になる．また，シンプルな数式モデルを用いてダーク・プールが市場を効率化または非効率化するメカニズムを議論した．市場が効率化するか非効率化するかは，リット市場とダーク・プールの売買数量の大小関係が，本質的に重要であることを示した．ダーク・プールでの売買数量がリット市場での売買数量を超えると市場が非効率化する恐れがあることを示した.ダーク・プールの使用量が小さい場合，大きな売り買いの不均衡があっても，価格発見機能は破壊されないことを示した．一方，ダーク・プールの使用量が大きい場合，非常に小さな売り買いの不均衡によって，ダーク・プールは価格発見機能を破壊してしまうことが示した．そして，シミュレーション結果とも比較を行い，傾向は一致していることを確認した．

Humans have a strong tendency to belong to a group, which is called group behavior. It is said that group behavior may affect the financial market and make it inefficient. In this article, we study the relationship between group behavior and market impact by building an muti-agent based artificial market model. The results show that the maket become more inefficient with group behavior growing when exceed some threshold.

In this research, we analyzed impact on m arket efficiency of interaction between high frequency trading (HFT) and dark pool to a stock market using artificial market simulation. We introduced a market maker agent, a representative strategy of HFT, and changed its spread for order price. We also c hanged each stylized trader agents' percentage to use dark pool. The result showed that the smaller the spread of the market maker is, the more efficient the stock market becomes. We discussed the mechanism that percentage to use dark pool have a different impact to the efficiency of the market depending on the size of the ma rket maker's spread.

投資信託の取引において，投資家が想定外のリスクを負うのを未然に防ぐため，2013年には投資信託法制が改正され，2014年12月より分散投資規制という規制が設けられることとなった．分散投資規制は，1つの発行体への投資が過度に集中しないよう，1つの発行体への投資額を投資信託純資産の一定割合以下にするものである．分散投資の是非についてはこれまでに多くの実証研究がなされているが，分散投資に制約が設けられることによって市場の価格形成にどのような影響が与えられるか議論されたことはない．そこで，本研究では，分散投資規制が資産価格急落時の市場に与える影響を，人工市場を用いて分析した．その結果，一方のリスク資産のファンダメンタル価格が急落した時，市場価格がオーバーシュートし，もう一方のリスク資産の市場価格も連動して下落することが確認できた．

This article introduces a new verification method of quant model strategies as an alternative to back testing. New quant strategies will always suffer from a "chicken and egg" problem, finding initial investors who are afraid of the phenomenon that the new strategy, with good looking back test results, will sometimes fail in real investment; "betrayal of the back test". This article proposes a concept of "forward test" and "millennium test" as new tools to avoid the "betrayal of the back test" and to evaluate the forecasting capability of the new quant model. It also discusses a real application of the forward test and millennium test under the new quant strategy, displaying the strategy's capability to forecast and generate positive returns over time.

これまでの実証分析によって株価の変動は単純なランダムウォークではなく、いくつかの特徴があることが知られている。例えば、（１）収益率の自己相関は小さいが、絶対値収益率の自己相関は長期にわたっている、（２）収益率分布は正規分布とは違い、裾野の広がった分布をしている、（３）ボラティリティクラスタリングが現れる、等の特徴がある。これらの特徴を捉えた、非常に簡単なモデルとしてBornholdtのイジングモデルがある。本研究では、このモデルを相互作用のある複数の株価時系列モデルに拡張し、シミュレーションを行った。その結果、元のモデル同様の株価の変動の性質を持ちつつ、且つ株価のボラティリティ間に相関のあるモデルとなることが分かった。

OLS (Ordinary Least Square) estimation of sample means and betas can lead to biased estimates of alpha in the presence of certain patterns of heteroscedasticity. There has been discussing on something t o do with background of modern portfolio theory for forecasting risk premium and dealing with anomaly. We demonstrate that those patterns occur in practice, and that a robust estimation process eliminates the bias with some algorithms.

本稿は，投資家心理のカスケードがIPO(新規株式公開)における初期収益率に与える影響を検証する．投資家心理のカスケードを測定するために，インターネット株式掲示板における高い中心性を有する中心投資家(投稿者)の強気度合に焦点を当てる．ネットワーク指標である中心性は，IPO企業毎のインターネット株式掲示板の書き込みからグラフ理論に基づき測定する．2001年から2010年までのIPO企業654社を用いて検証した結果，中心投資家が強気であるほど，全体の投資家心理が強気であり，かつ初期収益率が高いことを発見した．

The author utilized texttext-mining and deep deep-learning technic technics to forecast a monetary policy change by the BoJ BoJ. More specifically, the classifier of the BoJ's documents was developed, which picks up the document containing any trait of previouslypreviously-experienced precursor for monetary policy change. Such classifier was constructed by obtaining distributed representation of documents via Doc2Vec and feeding them into Deep Belief Network with economic timetime-series datadata. The back back-test for the period from Jan 2014 to Jan 2016 showed a fair performance of the classifier to send precursory signalsignals against two cases of additional monetary easing easing.

Vector representation of words such as word2vec is an efficient method used in text mining. However, few papers are focusing on the multilingual studies. In this paper we present the comparative study on English and Japanese resources respectively, and then we try to investigate the possible relationship between the two vector models in two languages. We first extract two word2vec models by using news resources of ten years, and then we cluster them basing on their cosine similarity for both Japanese and English respectively. Second, we extract the words related to finance and then derive two dictionaries in two languages. Finally, we make a comparison between these two dictionaries and tempt to Sentiment estimation of a cluster of one language based on similar clusters of other language.