文献

J-GLOBAL ID：202302259516308314   整理番号：23A3109012

固有値分解とディープラーニングを用いた新しい統計的裁定戦略の構築

A new approach for statistical arbitrage using eigendecomposition and deep learning

著者 (1件)： 吉川大介 (関西大)
資料名： 人工知能学会全国大会論文集(Web)  (Proceedings of the Annual Conference of JSAI (Web))
巻： 37th  ページ： ROMBUNNO.2N1-GS-10-02(J-STAGE)  発行年： 2023年 
JST資料番号： U1701A  ISSN： 2758-7347  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本研究は統計的裁定戦略を構築するための新しい方法を提案する.統計的裁定取引は,裁定取引から派生した投資戦略である.両戦略とも資産価格間の歪みを利用するが,裁定は資産価格間の歪みが確定的に調整されることを前提としているのに対し,統計的裁定は歪みの確率的な調整を前提としている点で異なる.こうしたことから,安定的な運用可能性は統計的裁定の重要な課題となる.しかし,これまでの統計的裁定の研究でしばしば用いられてきた共和分検定に基づく方法では,必ずしも安定的にポートフォリオを構築できるわけではない.本研究の主眼はこのような問題点を克服することにある.具体的には固有値分解を援用して安定的にポートフォリオ構成銘柄を探し出し,GRUやCNNといった標準的なディープラーニングのアーキテクチャを用いてポートフォリオの収益性や安定性を向上させることを企図する.そして,S&P500に上場している銘柄のデータセットを用いた数値シミュレーションを通して,まず従来型の共和分検定に基づく手法に対する優位性を示す.その上で,ディープラーニングの援用により,手法の性能を向上させることができることを検証した.(著者抄録)

シソーラス用語： *戦略 ,  *数学的変換 ,  *機械学習 ,  時系列分析 ,  ポートフォリオ ,  指標 ,  安定性 ,  シミュレーション ,  行列 ,  *固有値分解 ,  数値シミュレーション ,  *投資戦略 ,  *深層学習 ,  採算性
準シソーラス用語： *ディープラーニング ,  共和分 ,  収益性 ,  標本共分散行列

分類 (2件)： 利益管理  (KA05030A) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 固有値分解 ,  ディープラーニング ,  統計 ,  戦略 ,  構築