[論文レビュー] How do the naive Bayes classifier and the Support Vector Machine compare in their ability to forecast the Stock Exchange of Thailand?

Napas Udomsak|arXiv (Cornell University)|Nov 29, 2015

Stock Market Forecasting Methods参考文献 12被引用数 5

ひとこと要約

本研究では、2010年1月のデータを用いて、タイ証券取引所（SET）の予測に、ナイーブベイズ分類器とサポートベクターマシン（SVM）を比較した。Weka 3を用いてSET100指数の特徴量で訓練されたナイーブベイズモデルは、SVMを上回る予測精度を示したが、市場の複雑性のため、両モデルとも全体的な予測能力に限界があった。

ABSTRACT

This essay investigates the question of how the naive Bayes classifier and the support vector machine compare in their ability to forecast the Stock Exchange of Thailand. The theory behind the SVM and the naive Bayes classifier is explored. The algorithms are trained using data from the month of January 2010, extracted from the MarketWatch.com website. Input features are selected based on previous studies of the SET100 Index. The Weka 3 software is used to create models from the labeled training data. Mean squared error and proportion of correctly classified instances, and a number of other error measurements are the used to compare the two algorithms. This essay shows that these two algorithms are currently not advanced enough to accurately model the stock exchange. Nevertheless, the naive Bayes is better than the support vector machine at predicting the Stock Exchange of Thailand.

研究の動機と目的

• タイ証券取引所（SET）におけるナイーブベイズ分類器とサポートベクターマシン分類器の予測性能を評価・比較すること。
• 現実の金融データを前提とした場合、これらの機械学習モデルが株式市場の動向を効果的に予測できるかどうかを評価すること。
• 新興市場の株価指数の文脈において、どのアルゴリズムがより高い分類精度と低い誤差率を達成するかを特定すること。
• 従来の機械学習モデルが、株式市場行動の非線形的ダイナミクスを捉える能力にどのような限界を示すかを検討すること。

提案手法

• 2010年1月のSET100指数のデータを、指定されたウェブサイトから収集した。
• 事前研究によるSET100指数行動の分析に基づき、入力特徴量を選定した。
• ラベル付き学習データを用いて、Weka 3の機械学習プラットフォームでモデルを訓練した。
• 平均二乗誤差、正しく分類されたインスタンスの割合、その他の標準誤差指標を用いて性能を評価した。
• 同じデータおよび評価条件で、ナイーブベイズとSVMのアルゴリズムを実装し、比較した。
• 市場動向の方向性を予測するうえでの相対的なモデル効果性を特定するために、統計的比較を実施した。

実験結果

リサーチクエスチョン

• RQ1 ナイーブベイズ分類器とサポートベクターマシンは、タイ証券取引所の日次動向を予測する際に、どのように性能を発揮するか？
• RQ2 どちらのモデルが、SETの動向予測においてより高い分類精度と低い誤差率を達成するか？
• RQ3 これらの機械学習モデルは、タイのような新興市場の株式市場ダイナミクスの複雑性をどの程度捉えることができるか？
• RQ4 平均二乗誤差や分類精度といった誤差測定基準に応じて、モデルの性能に体系的な差が生じるか？

主な発見

• ナイーブベイズ分類器は、サポートベクターマシンに比べ、タイ証券取引所の動向予測において優れた性能を示した。
• 両モデルとも全体的な予測精度が限定的であり、現在の実装では信頼できる市場予測に十分でないことが示された。
• 正しく分類されたインスタンスの割合がナイーブベイズモデルで高かったため、より優れた予測安定性を示していると考えられた。
• 平均二乗誤差の値がナイーブベイズ分類器で低く、データセット全体での優れた性能が裏付けられた。
• 理論的優位性はあったが、両アルゴリズムともSETデータにおいては強固な予測能力を達成できなかった。
• 本研究は、効果的な株式市場予測の実現には、さらなるモデルの最適化または代替手法の導入が不可欠であると結論づけた。