[論文レビュー] Application of Data Mining In Marketing

B. Radhakrishnan, G Shineraj+1 more|arXiv (Cornell University)|Oct 31, 2013

Stock Market Forecasting Methods参考文献 8被引用数 14

ひとこと要約

本稿は、マーケティング分野における市場行動分析と投資意思決定の支援を目的として、特に意思決定木を用いたデータマイニング技術の応用を検討する。既存の手法をレビューし、リアルタイムデータ処理やクロスインダストリー統合といった未だ十分に掘り下げられていない分野を特定し、金融およびマーケティング分野における予測精度と実用性の向上に向けた今後の研究方向性を提示する。

ABSTRACT

One of the most important problems in modern finance is finding efficient ways to summarize and visualize the stock market data to give individuals or institutions useful information about the market behavior for investment decisions. The enormous amount of valuable data generated by the stock market has attracted researchers to explore this problem domain using different methodologies. Potential significant benefits of solving these problems motivated extensive research for years. The research in data mining has gained a high attraction due to the importance of its applications and the increasing generation information. This paper provides an overview of application of data mining techniques such as decision tree. Also, this paper reveals progressive applications in addition to existing gap and less considered area and determines the future works for researchers.

研究の動機と目的

• 投資意思決定のための株式市場データの要約および可視化に、データマイニング技術がどのように活用できるかを検討すること。
• 特にリアルタイム処理および異業界への適応可能性に欠ける点を含め、現在のマーケティング分野におけるデータマイニング応用のギャップを特定すること。
• 行動データ統合や動的市場モデリングといった未だ十分に検討されていない分野を強調すること。
• 金融およびマーケティング分野における予測モデリングおよび意思決定支援システムの向上に向けた今後の研究方向性を提案すること。
• 意思決定木や新興トレンドに注目した、データマイニング応用の包括的概要を提供すること。

提案手法

• 本研究は、マーケティングおよび金融分野における既存のデータマイニング応用を分析するため、文献レビューを採用する。
• 市場行動の分類および予測に核心的な技術として意思決定木アルゴリズムに焦点を当てる。
• データマイニングの有効性が、行動可能なインサイトをもたらすために、大規模な株式市場データを処理する能力について評価する。
• 実世界のマーケティングシナリオにおけるスケーラビリティ、解釈可能性、パフォーマンスの観点から、さまざまなデータマイニング手法を比較する。
• 発表済み研究の定性的な統合を通じて、現在の応用におけるトレンド、制限事項、機会を同定する。
• 本研究手法には、マーケティング文脈におけるデータ前処理、特徴量選択、モデル評価といった主要なデータマイニング要素の同定が含まれる。

実験結果

リサーチクエスチョン

• RQ1 意思決定木のようなデータマイニング技術を、投資意思決定のための株式市場データの要約および可視化に効果的に応用する方法は何か？
• RQ2 マーケティングおよび金融分野におけるデータマイニング応用における現在の制限事項および未だ十分に掘り下げられていない分野は何か？
• RQ3 データ前処理、特徴量選択、モデル評価といったデータマイニングコンポonentsの中で、マーケティング応用において最も重要なものはどれか？
• RQ4 リアルタイム市場分析に適したスケーラビリティおよび解釈可能性の観点から、既存のデータマイニング手法はどのように比較できるか？
• RQ5 マーケティングおよび金融意思決定におけるデータマイニングの統合を向上させるために、どのような今後の研究方向性が考えられるか？

主な発見

• 意思決定木は、市場行動の分析および投資意思決定支援において、解釈性が高く、効果的な手法であると特定された。
• 本稿は、リアルタイムデータ処理および動的市場モデリングが、現在のデータマイニング応用において未だ十分に検討されていない分野であることを明らかにした。
• 特にマーケティングと金融サービス業界との間で、クロスインダストリーのデータマイニング統合に顕著なギャップが存在する。
• 既存の研究は、マーケティング応用におけるモデル精度の向上に寄与する特徴量選択およびデータ前処理の重要性をしばしば軽視している。
• 進化する市場状況に適したスケーラブルで柔軟なデータマイニングフレームワークの開発が、今後の研究において不可欠であると強調された。
• 著者らは、意思決定木は強力な可能性を示しているが、その実用的価値は、手法論的および文脈的制限を克服した上で初めて十分に発揮されると結論づけた。