Emotional Triggers and Responses in Spontaneous Affective Interaction: Recognition, Prediction, and Analysis

日本の個人資産をより多く市場に流入させるためには,中 長期的な投資を推進することが重要である.中長期的な投資 において,企業の株価は,企業ごとの内在的なテクニカル因 子だけでなく,市場原理にも基づいて決定しているため,企 業の市場における価値に着目するファンダメンタル分析も重 要である.しかし,機械学習はテクニカル分析に基づいた短 期的なトレーディングのためのトレンド予測に用いられるこ とが多く,それらの手法は単一的な手法であることが多い. トレンドを推定するようなテクニカル分析に加えて,株主価 値に着目するファンダメンタル分析を組み合わせた機械学習 による手法は著者らの知る限り存在していない.そこで本研 究では,既存のテクニカル分析の機械学習手法を用いるだけ でなく,市場における価値に着目したファンダメンタル分析 を機械学習を用いて行い,アンサンブル学習を用いた複合的 な株主価値推定モデルを提案する.既存のテクニカル分析の 機械学習手法として,テクニカル因子の時系列データを入力 とする Long-Short Term Memoryを用いた.機械学習によ る市場における価値に着目したファンダメンタル分析は,日 本の上場企業の企業情報を,XBRLファイルを用いて取得 し,一元的にデータベース化するシステムを作成することで 可能にした.検証実験の結果,提案モデルは,既存の機械学 習によるテクニカル分析の単一手法よりも,分類予測では正 解率が 11.92%,回帰予測では平均誤差率が 3.77%平均して 優れていた.さらに,提案モデルは,提案手法を構成するテ クニカル分析とファンダメンタル分析の各単一手法と比較し て,分類予測では正解率が 6.16%,回帰予測では平均誤差率 が 3.22%平均して優れていた.提案モデルはアンサンブル学 習によって,テキスト分析による手法や古典的な経済学的手 法といった他の推定手法を組み合わせ,より優れた精度を出 す潜在的可能性をもっている. pp. A-H51_1-11 論文誌目次