[論文レビュー] An Integrated Early Warning System for Stock Market Turbulence

Peiwan Wang, Lu Zong+1 more|arXiv (Cornell University)|Nov 28, 2019

Complex Systems and Time Series Analysis参考文献 53被引用数 5

ひとこと要約

本稿では、スイッチングARCH（SWARCH）フィルタリング確率、2ピーク法による動的しきい値設定、および日次危機予測のためのハイブリッドLSTMネットワークを用いた統合型早期警戒システム（EWS）を提案する。このシステムは中国株式市場データを用いたバックテストにおいて、96.6%のテストセット精度と平均2.4日分の予報期間を達成し、高い正確性、安定性、実用的価値を示している。

ABSTRACT

This study constructs an integrated early warning system (EWS) that identifies and predicts stock market turbulence. Based on switching ARCH (SWARCH) filtering probabilities of the high volatility regime, the proposed EWS first classifies stock market crises according to an indicator function with thresholds dynamically selected by the two-peak method. A hybrid algorithm is then developed in the framework of a long short-term memory (LSTM) network to make daily predictions that alert turmoils. In the empirical evaluation based on ten-year Chinese stock data, the proposed EWS yields satisfying results with the test-set accuracy of $96.6\%$ and on average $2.4$ days of the forewarned period. The model's stability and practical value in real-time decision-making are also proven by the cross-validation and back-testing.

研究の動機と目的

• リアルタイムでの株式市場の混乱を検出・予測できる堅牢で動的な早期警戒システム（EWS）の開発を目的とする。
• 固定しきい値に基づく危機同定の限界を克服するため、2ピーク法を用いたデータ駆動型の動的しきい値設定手法を導入することを目的とする。
• SWARCHボラティリティ制度フィルタリングとLSTMネットワークを統合することで、日次危機予測の性能を向上させることを目的とする。
• クロスバリデーション、バックテスト、複数の評価指標を用いたベースラインモデルとの比較を通じて、システムの実用的価値を検証することを目的とする。

提案手法

• EWSは、時間的に変化する高ボラティリティ制度の確率を推定するスイッチングARCH（SWARCH）モデリングを用い、危機検出のコアな入力として活用する。
• SWARCHフィルタリング確率に2ピーク法を適用することで、動的危機しきい値を決定し、混乱イベントの適応的同定を可能にする。
• 指標関数は、動的に選択されたしきい値に基づいて市場状態を混乱時または穏やか時と分類し、固定統計的しきい値の代わりに使用する。
• ハイブリッドLSTMネットワークは、歴史的金融指標およびSWARCH確率の時系列を学習させ、日次危機発生を高い時間分解能で予測する。
• 5分割および3分割のクロスバリデーションを用いてモデルを評価し、テストセット精度、損失、および予報期間を評価指標とする。
• バックテストは、EWSが警報を発出すると市場から退出し、信号の逆転時に再入場するシンプルなマーケットタイミング戦略を用い、リスク調整リターン（シャープレシオ）を評価する。

実験結果

リサーチクエスチョン

• RQ1 2ピーク法に基づく動的しきい値設定手法は、従来の固定しきい値による危機同定を上回り、株式市場の混乱を検出する上で優れているか？
• RQ2 SWARCHでフィルタリングされたボラティリティ制度を入力としてLSTMベースのモデルを学習させた場合、日次株式市場危機の予測性能はどの程度高いか？
• RQ3 バックテストにおいて、統合型EWSは、受動的マーケットポートフォリオと比較して、リスク調整リターンをどの程度改善するか？
• RQ4 異なるクロスバリデーションのフォールドおよびテスト期間において、EWSの安定性と一般化性能はどの程度か？
• RQ5 SWARCHフィルタリング、動的しきい値設定、ディープラーニングの統合は、ベースラインモデルと比較して、早期警戒性能をどの程度向上させるか？

主な発見

• LSTMベースのEWSはテストセット精度が96.6%に達し、BPNNやSVRなどのベースラインモデルと比較して、正確性と安定性の両面で顕著に優れている。
• システムは主な市場混乱イベントの平均2.4日前に予報を提供しており、強力な予測リードタイムを示している。
• バックテストにおいて、LSTMベースのEWSは、全サンプルでシャープレシオを3.8パーセンテージポイント、テストセットでは2.4パーセンテージポイント、受動的マーケットポートフォリオよりも向上させた。
• EWS-LSTMモデルは、テストセットのパフォーマンス、クロスバリデーション、バックテストのすべての段階で一貫した優位性を示しており、堅牢性が確認された。
• 2ピーク法によるしきい値選択は、CMAXに基づく従来の固定しきい値アプローチよりも、より正確で安定した危機分類を実現している。
• SWARCHボラティリティ制度確率を入力として統合することで、システム的混乱の検出能力が向上し、サンプルに記録されたすべての主要な危機が正確に再現されていることが裏付けられた。