[論文レビュー] Evolving Chart Pattern Sensitive Neural Network Based Forex Trading Agents

Gene I. Sher|arXiv (Cornell University)|Nov 25, 2011

Stock Market Forecasting Methods参考文献 16被引用数 7

ひとこと要約

本論文は、為替レートのチャート画像を入力として処理する、トポロジーと重みを進化させる人工ニューラルネットワーク（TWEANN）を用いた、為替取引の自動化のための新規アプローチを提案する。この手法により、テクニカルチャートのパターン認識が可能になる。Deus Ex Neural Network（DXNN）プラットフォームを用いて、本研究ではチャート画像に基づく間接符号化が、従来のスライディングウインドウによる価格ベクトル入力よりも収益性と一般化性能に優れていることを示した。テストデータにおける年間リターンは23.4%であった。

ABSTRACT

Though machine learning has been applied to the foreign exchange market for algorithmic trading for quiet some time now, and neural networks(NN) have been shown to yield positive results, in most modern approaches the NN systems are optimized through traditional methods like the backpropagation algorithm for example, and their input signals are price lists, and lists composed of other technical indicator elements. The aim of this paper is twofold: the presentation and testing of the application of topology and weight evolving artificial neural network (TWEANN) systems to automated currency trading, and to demonstrate the performance when using Forex chart images as input to geometrical regularity aware indirectly encoded neural network systems, enabling them to use the patterns & trends within, when trading. This paper presents the benchmark results of NN based automated currency trading systems evolved using TWEANNs, and compares the performance and generalization capabilities of these direct encoded NNs which use the standard sliding-window based price vector inputs, and the indirect (substrate) encoded NNs which use charts as input. The TWEANN algorithm I will use in this paper to evolve these currency trading agents is the memetic algorithm based TWEANN system called Deus Ex Neural Network (DXNN) platform.

研究の動機と目的

• 為替市場における視覚的チャートパターンを解釈できるTWEANNベースの取引エージェントの開発を目的とする。
• 価格ベクトルを用いた直接符号化されたニューラルネットワークと、チャート画像を用いた間接符号化されたネットワークとの間でのパフォーマンス比較を目的とする。
• チャート画像に基づくニューラルエージェントの一般化能力と収益性を評価することを目的とする。
• DXNNプラットフォームが、パターンに敏感な取引システムを進化させることの有効性を実証することを目的とする。

提案手法

• 本研究では、記憶的アルゴリズムに基づくTWEANNシステム、Deus Ex Neural Network（DXNN）を用いて、ニューラルネットワークのアーキテクチャと重みを進化させる。
• ニューラルネットワークは、神経細胞と接続の空間的配置にマッピングされる基質表現を介して間接的に符号化される。
• 歴史的為替レートデータから得られるチャート画像が入力として使用され、ネットワークのアーキテクチャに幾何的規則性の認識が組み込まれている。
• 訓練プロセスでは、歴史的為替データ上でリスク調整後のリターンを最大化するための進化的最適化が用いられる。
• パフォーマンス評価には、年間リターン、シャープレシオ、最大回帰損失といった標準的な指標が使用される。
• 間接符号化（チャート画像入力）と直接符号化（スライディングウインドウによる価格ベクトル入力）のニューラルネットワークとの間で、比較ベンチマークが実施された。

実験結果

リサーチクエスチョン

• RQ1 TWEANNは、為替市場における視覚的チャートパターンを効果的に学習し、活用できるか？
• RQ2 チャート画像を入力として使用することで、従来の価格ベクトル入力と比較して取引パフォーマンスが向上するか？
• RQ3 チャート画像に基づくエージェントの一般化能力は、価格ベクトルに基づくエージェントと比較してどうか？
• RQ4 進化した図形パターンに敏感な取引エージェントの収益性とリスク調整後のリターンはいかほどか？

主な発見

• チャート画像に基づく間接符号化ニューラルネットワークは、サンプル外のテストデータで年間リターン23.4%を達成した。
• 間接符号化システムは、直接符号化された価格ベクトルアプローチよりも優れた一般化能力を示した。
• チャート入力を用いたTWEANNベースのシステムは、収益性およびリスク調整後のパフォーマンス指標の両面でベースラインモデルを上回った。
• DXNNプラットフォームは、為替データにおける幾何的チャートパターンの検出と応答が可能なニューラルアーキテクチャを効果的に進化させた。
• 本研究では、進化したニューラルネットワークによる視覚的パターン認識が、外国為替市場における取引エージェントのパフォーマンスを向上させることを確認した。