[論文レビュー] ANN Model to Predict Stock Prices at Stock Exchange Markets

Barack Wanjawa, Lawrence Muchemi|arXiv (Cornell University)|Dec 17, 2014

Stock Market Forecasting Methods参考文献 14被引用数 16

ひとこと要約

本論文は、主要な取引所における株価予測を目的として、誤差逆伝播法を用いたフィードフォワード多層パーセプトロン型人工ニューラルネットワーク（ANN）を提案する。ナairobi証券取引所およびニューヨーク証券取引所の2008年～2012年データの80％を用いて、5:21:21:1のアーキテクチャで学習させたモデルは、平均絶対誤差率（MAPE）が0.71％～2.77％の間で達成され、多様な市場において優れた予測精度を示した。

ABSTRACT

Stock exchanges are considered major players in financial sectors of many countries. Most Stockbrokers, who execute stock trade, use technical, fundamental or time series analysis in trying to predict stock prices, so as to advise clients. However, these strategies do not usually guarantee good returns because they guide on trends and not the most likely price. It is therefore necessary to explore improved methods of prediction. The research proposes the use of Artificial Neural Network that is feedforward multi-layer perceptron with error backpropagation and develops a model of configuration 5:21:21:1 with 80% training data in 130,000 cycles. The research develops a prototype and tests it on 2008-2012 data from stock markets e.g. Nairobi Securities Exchange and New York Stock Exchange, where prediction results show MAPE of between 0.71% and 2.77%. Validation done with Encog and Neuroph realized comparable results. The model is thus capable of prediction on typical stock markets.

研究の動機と目的

• 従来のテクニカル分析、ファンダメンタル分析、時系列解析手法よりもより正確な株価予測モデルを開発すること。
• 実世界の証券取引所データを用いた株価予測において、人工ニューラルネットワーク（ANN）の性能を評価すること。
• ナairobi証券取引所およびニューヨーク証券取引所を含む異なる金融市場において、モデルの予測能力を検証すること。
• EncogおよびNeurophといった既存の機械学習フレームワークと比較して、ANNモデルの性能を評価すること。
• フィードフォワード多層パーセプトロンを用いた誤差逆伝播法による高精度な株価予測の実現可能性を示すこと。

提案手法

• 本研究では、誤差逆伝播法による学習を用いたフィードフォワード多層パーセプトロン（MLP）を採用する。
• ネットワークアーキテクチャは5:21:21:1として設定され、入力層、2つの隠れ層、および1つの出力ニューロンを表す。
• モデルはデータセットの80％を学習に使用し、重みの最適化を図るために13万回の訓練サイクルを実施する。
• 入力特徴量は歴史的株価データから抽出され、収束性の向上のため正規化処理が施されている。
• モデルの性能評価には平均絶対誤差率（MAPE）指標が用いられている。
• 妥当性の確認のため、外部の2つのフレームワーク（EncogおよびNeuroph）を用いて結果の一貫性と信頼性を検証した。

実験結果

リサーチクエスチョン

• RQ1 人工ニューラルネットワークモデルは、従来のテクニカル分析およびファンダメンタル分析を上回って株価を予測できるか？
• RQ2 誤差逆伝播法を用いたフィードフォワード多層パーセプトロンは、実際の証券取引所データにおいてどの程度の予測精度を示すか？
• RQ3 ナairobi証券取引所およびニューヨーク証券取引所のような異なる株式市場において、モデルはどの程度の性能を示すか？
• RQ4 EncogおよびNeurophなどの外部機械学習フレームワークは、同じ予測結果をどの程度再現できるか？
• RQ5 株価予測の誤差を最小限に抑える最適なネットワーク構成は何か？

主な発見

• ANNモデルは、ナairobi証券取引所およびニューヨーク証券取引所のテストデータにおいて、平均絶対誤差率（MAPE）が0.71％～2.77％の間で達成された。
• モデルは先進国市場と新興市場の両方で一貫した性能を示し、市場の違いに対して頑健であることが示された。
• EncogおよびNeurophフレームワークを用いた検証により、同等の予測結果が得られ、モデルの信頼性と再現性が確認された。
• 5:21:21:1のネットワーク構成は、株価変動の複雑な非線形パターンを効果的に捉えるのに有効であった。
• データの80％を学習に使用し、13万回のサイクルを経て、重みの収束が安定し、一般化性能が向上した。
• 結果から、誤差逆伝播法を用いたANNは、従来の株価予測手法に代わる実用的で正確な代替手段である可能性があると示唆された。