講演名 | 2022-11-17 複数時間スケールのファインチューニングによる金融機械学習の精度向上 雨谷 暦樹(茨城大), 田中 陸(大和アセットマネジメント), 鈴木 智也(茨城大), |
---|---|
PDFダウンロードページ | PDFダウンロードページへ |
抄録(和) | 投資信託など資産運用実務では,売買回転率の増加によるオペレーションの負荷や取引コストの増大により中長期の運用が一般的である.しかし運用モデルの構築において機械学習を適用する場合,時間スケールを長期化するほど学習データ数が減少するため学習精度の低下を引き起こす.そこで本研究では,対象タスクの時間スケールのみならず,より短期の時間スケールの学習データを併用することでデータ拡張を施し,機械学習の対象タスクが長時間スケールであっても汎化性能の劣化を抑制できることを示す. |
抄録(英) | In asset management businesses such as operating mutual funds, medium or long-term investments are common in terms of operational loads and transaction costs. However, the number of training data are more insufficient for applying machine-learning methodsto longer time-scale investments, which reduces the generalization ability of trained machine-learning models. To solve this problem, we try to perform a data augmentation technique using multiple time-scale data including shorter time-scale data than the target task, and confirm its effectiveness to keep a better generalization ability of trained models even if the target task of machine-learning methods is longer time scale. |
キーワード(和) | 複数時間スケール / オートエンコーダ / データ拡張 / ファインチューニング / マルチファクターモデル |
キーワード(英) | multiple time scale / autoencoder / data augmentation / fine tuning / multi factor model |
資料番号 | CCS2022-47 |
発行日 | 2022-11-10 (CCS) |
研究会情報 | |
研究会 | CCS |
---|---|
開催期間 | 2022/11/17(から2日開催) |
開催地(和) | シンフォニアテクノロジー響ホール伊勢 (伊勢市観光文化会館) |
開催地(英) | |
テーマ(和) | 相互作用(インタラクション)と情報伝達(コミュニケーション),一般 |
テーマ(英) | |
委員長氏名(和) | 赤井 恵(北大) |
委員長氏名(英) | Megumi Akai(Hokkaido Univ.) |
副委員長氏名(和) | 中野 秀洋(東京都市大) / 会田 雅樹(都立大) |
副委員長氏名(英) | Hidehiro Nakano(Tokyo City Univ.) / Masaki Aida(TMU) |
幹事氏名(和) | 宮田 純子(芝浦工大) / 眞田 耕輔(三重大) |
幹事氏名(英) | Sumiko Miyata(Shibaura Inst. of Tech.) / Kosuke Sanada(Mie Univ.) |
幹事補佐氏名(和) | 安田 裕之(東大) / 安東 弘泰(筑波大) / 佐々木 智志(湘南工科大) / 小林 幹(立正大) |
幹事補佐氏名(英) | Hiroyuki Yasuda(Univ. of Tokyo) / Hiroyasu Ando(Tsukuba Univ.) / Tomoyuki Sasaki(Shonan Inst. of Tech.) / Miki Kobayashi(Rissho Univ.) |
講演論文情報詳細 | |
申込み研究会 | Technical Committee on Complex Communication Sciences |
---|---|
本文の言語 | JPN |
タイトル(和) | 複数時間スケールのファインチューニングによる金融機械学習の精度向上 |
サブタイトル(和) | |
タイトル(英) | Improvement of financial machine learning by fine-tuning using multiple time scales |
サブタイトル(和) | |
キーワード(1)(和/英) | 複数時間スケール / multiple time scale |
キーワード(2)(和/英) | オートエンコーダ / autoencoder |
キーワード(3)(和/英) | データ拡張 / data augmentation |
キーワード(4)(和/英) | ファインチューニング / fine tuning |
キーワード(5)(和/英) | マルチファクターモデル / multi factor model |
第 1 著者 氏名(和/英) | 雨谷 暦樹 / Kazuki Amagai |
第 1 著者 所属(和/英) | 茨城大学(略称:茨城大) Ibaraki University(略称:Ibaraki Univ.) |
第 2 著者 氏名(和/英) | 田中 陸 / Riku Tanaka |
第 2 著者 所属(和/英) | 和アセットマネジメント株式会社(略称:大和アセットマネジメント) Daiwa Asset Management Co.Ltd.(略称:Daiwa Asset Management) |
第 3 著者 氏名(和/英) | 鈴木 智也 / Tomoya Suzuki |
第 3 著者 所属(和/英) | 茨城大学(略称:茨城大) Ibaraki University(略称:Ibaraki Univ.) |
発表年月日 | 2022-11-17 |
資料番号 | CCS2022-47 |
巻番号(vol) | vol.122 |
号番号(no) | CCS-255 |
ページ範囲 | pp.19-24(CCS), |
ページ数 | 6 |
発行日 | 2022-11-10 (CCS) |