機械学習 投資 と検索をかけて出てくるサイトとか、ニュースってのは大抵むちゃくちゃなものが多い。

 

そりゃそうだ。なんにもわかってないんだから仕方がない。分かってないのに記事書くなよって話だが。

 

さて、基本的にAIというと巷ではディープラーニングを思い浮かべるはず。では、ディープラーニングを使ったファンドで、特に公募投信になっているようなものはいったい何をやっているのだろうか?

 

大抵の投信が、様々なファンダメンタルファクターをディープラーニングで特徴抽出していき、リターンに結び付くようにしていく。

 

しかし、これは大抵実はディープラーニングを使う意味が全くない。

 

何故なら、ファンダメンタルファクターはそれ自体がもうそれ以上ごちゃごちゃする必要のない、独立かつ有用な指標である場合が多いから。

 

なので、結局ディープラーニングで選んだファクター選択は、その過去データにおけるフィットが良かったファクターを選択するに過ぎず、これは統計的なファクター選択と何ら変わりがない。

 

だが統計的なファクター選択とディープラーニングにおいてかなり大きな違いがオンライン学習では学習データセット量の壁として出てくる。あまり違いがないのであれば統計的な方がよっぽどよいし、寧ろ精緻さが劣る分汎用性が高まる可能性がある。

 

実際、ディープラーニングをファクターモデルに活かすのであれば、それは統計的ファクターモデルにおけるPCA(主成分分析)の発展として見るのが一番であろう。

 

そこで抽出されたファクターと、翌リターンとのICをとることで、そのファクターが従来のPCAで得たファクターとどちらが有効性が高いかみることで、初めて意味が出てくる。

 

かといって、それがファンダメンタルファクターだったりエコノミックファクターより有用であるかはまた別の話だ。

 

次によく使われるのが、オルタナティブデータから何等かのファクターを抽出するためにディープラーニングを用いているという例だ。

 

衛星写真からGDP予測もそうだし、ニュースからセンチメント予測ってのもこれに分類される。

 

これは、ディープラーニングの有用な使い道として、投資業界でも今後も研究が盛んになっていくだろう。だが、これの一番の問題点は、オルタナティブデータを用いるためのコストだ。

 

さて、ここら辺はメジャーなので、真剣に投資と機械学習の研究をしていればまぁ当然の話でもある。

 

ただ、ここでは書かないが、他にもディープラーニングという技術の使い道はいくつかある。そして俺が気づいていない使い道も当然あるだろう。

 

さらに、機械学習はディープラーニングだけではない。そういった他の物も合わせた使い道はそれこそ膨大にある。

 

ちなみに、身ばれしたくないので詳しくは言わないが、学会に論文を提出した。

 

当然機械学習と投資関連の論文だが、なんかやっといっぱしに研究してるチックになってきたよ。俺は修士だから投資家に「最近は裁量と並行して機械学習を用いたクォンツシステムを研究している」という話をしても響かなかったんだが、やっと業績ができたので、まともに話を聞いてもらえるようになった。先物モデルは無事にリターンがでているしね。

 

査読に通れば、いずれPhDでも目指してみるか。

ランキングポチは必ず頼むぞ。読み逃げは厳禁だ。

人気ブログランキングへ
にほんブログ村 為替ブログへ
にほんブログ村

売買ルールを手に入れたいなら、、、
動画講座はこちら
売買ルールの実践練習に、、、
チャートブックはこちら