[論文レビュー] Neural Network Models for Stock Selection Based on Fundamental Analysis

Yuxuan Huang, Luiz Fernando Capretz+1 more|arXiv (Cornell University)|Jun 12, 2019

Stock Market Forecasting Methods参考文献 14被引用数 6

ひとこと要約

本稿では、ファンダメンタルな財務レシオを用いて株式選択を行うために、フィードフォワードニューラルネットワーク（FNN）とアダプティブニューロファジィ推論システム（ANFIS）を評価している。FNNはベンチマークインデックスのリターンを上回るポートフォリオを生成する点でANFISを上回り、ファンドメンタルに基づく株式選択における優れた予測性能を示している。

ABSTRACT

Application of neural network architectures for financial prediction has been actively studied in recent years. This paper presents a comparative study that investigates and compares feed-forward neural network (FNN) and adaptive neural fuzzy inference system (ANFIS) on stock prediction using fundamental financial ratios. The study is designed to evaluate the performance of each architecture based on the relative return of the selected portfolios with respect to the benchmark stock index. The results show that both architectures possess the ability to separate winners and losers from a sample universe of stocks, and the selected portfolios outperform the benchmark. Our study argues that FNN shows superior performance over ANFIS.

研究の動機と目的

• ファンドメンタルな財務レシオに基づく株式選択において、ニューラルネットワークモデルの有効性を評価すること。
• フィードフォワードニューラルネットワーク（FNN）とアダプティブニューロファジィ推論システム（ANFIS）の両者が株式選択においてどのように性能を発揮するかを比較すること。
• 機械学習モデルが市場ベンチマークインデックスを上回るリターンを達成するポートフォリオを生成できるかどうかを評価すること。
• ファンドメンタル分析の文脈において、FNNとANFISのどちらのアーキテクチャがより高い相対リターンをもたらすかを特定すること。

提案手法

• 本研究では、FNNおよびANFISモデルの入力特徴として、ファンドメンタルな財務レシオを用いる。
• フィードフォワードニューラルネットワーク（FNN）は、バックプロパゲーションを用いて重みを調整することで、入力レシオに基づく株式のパフォーマンスを予測するように訓練される。
• アダプティブニューロファジィ推論システム（ANFIS）は、ファジィ論理とニューラルネットワークを組み合わせ、金融データ内の非線形関係をモデル化する。
• ポートフォリオは、モデルの予測に基づいて株式をランク付けし、上位のパフォーマンスを示す銘柄を選択することで構築される。
• パフォーマンスは、ベンチマーク株価インデックスとの相対リターンを用いて評価される。
• モデルは株式のサンプルユニバース上で訓練およびテストされ、複数の期間にわたって結果が集約される。

実験結果

リサーチクエスチョン

• RQ1 フィードフォワードニューラルネットワークは、ファンドメンタル分析データセットから勝ち組株式を効果的に選択できるか？
• RQ2 ANFISのパフォーマンスは、ファンドメンタルレシオを用いた株式リターン予測においてFNNに比べてどうか？
• RQ3 機械学習モデルは、市場ベンチマークインデックスを上回るリターンを達成するポートフォリオを生成できるか？
• RQ4 株式選択において、FNNとANFISのどちらのモデルアーキテクチャがより高い相対リターンをもたらすか？

主な発見

• FNNおよびANFISの両モデルは、ファンドメンタルレシオを用いて、サンプルユニバース内の勝ち組および負け組銘柄を効果的に同定した。
• 両モデルが選択したポートフォリオは、相対リターンの観点でベンチマーク株価インデックスを上回った。
• FNNはANFISに比べて優れたパフォーマンスを示し、株式選択のタスクにおいてより高い相対リターンを達成した。
• 本研究は、ニューラルネットワークモデルがファンドメンタルデータを効果的に活用して株式選択に応用できることを確認した。
• 結果から、FNNは金融ファジィデータ内の複雑な非線形関係をモデル化する点でANFISよりも適していることが示唆された。
• 比較分析により、FNNが定量的株式選択フレームワークにおける潜在的価値を裏付けた。