[論文レビュー] Predicting financial markets with Google Trends and not so random keywords

Damien Challet, Bel Hadj Ayed Ahmed|arXiv (Cornell University)|Jul 17, 2013

Data-Driven Disease Surveillance参考文献 21被引用数 5

ひとこと要約

本稿では、Google Trends（GT）データが金融市場の動向を予測できるかどうかを調査しており、Preisら（2013年）の主張である『特定のキーワードの検索ボリュームの驚き』が将来のインデックスリターンを予測できるという仮説を検証する。包括的なバックテストシステムを用いて、ランダムな金融関連キーワードでは予測力が得られない一方で、適切な資産に対してターゲットを絞ったキーワードは一貫した収益性を示す戦略を生み出すことが判明。これは、重大な方法論的バイアスが存在するものの、GTが市場タイミングに有効である可能性を裏付けている。

ABSTRACT

We check the claims that data from Google Trends contain enough data to predict future financial index returns. We first discuss the many subtle (and less subtle) biases that may affect the backtest of a trading strategy, particularly when based on such data. Expectedly, the choice of keywords is crucial: by using an industry-grade backtesting system, we verify that random finance-related keywords do not to contain more exploitable predictive information than random keywords related to illnesses, classic cars and arcade games. We however show that other keywords applied on suitable assets yield robustly profitable strategies, thereby confirming the intuition of Preis et al. (2013)

研究の動機と目的

• Google Trendsデータが金融インデックスリターンを予測できるという主張の妥当性を評価すること。
• 特にツールバイアス、先行情報バイアス、データスヌーピングといった方法論的バイアス——これらがアルゴリズム取引戦略のバックテストパフォーマンスを歪める要因となる——を同定し、是正すること。
• ランダムな金融関連キーワード（例：疾患、レトロカー、アーケードゲーム）に、金融ニュースからのキーワードと同等の利用可能な予測情報が含まれるかどうかをテストすること。
• 現実の取引コストを反映した高精度なバックテストシステムを用いて、特定の資産にGTデータを適用した場合の予測力を評価すること。
• 市場ニュートラルな文脈において、GTデータが一貫したリスク調整後リターン（アルファ）を生成できるかどうかを特定すること。

提案手法

• 研究者たちは、Google Trendsの検索ボリュームインデックス（SVI）データに基づく取引戦略を評価するため、高精度で産業用途に耐えうるバックテストシステムを用いる。
• SVIサプライズを δₜ = vₜ − v̄ₜ₋₁ として定義し、v̄ₜ₋₁ は直近T週間のSVIの移動平均である。符号関数 sign(δₜ) を用いて、翌週のポジション（ロング／ショート）を決定する。
• 戦略は、S&P 500を追跡するSPYを対象とし、GTの日曜日から土曜日までのデータサイクルと整合させるために、月曜日から金曜日の終値を用いる。
• 4つのキーワード群（ランダムな金融関連語、ランダムな非金融語、Financial Timesのキーワード）を比較し、元のSVI、遅延SVI、移動平均を入力として使用する。
• 実際の市場摩擦を再現するため、1トレードあたり2bpsの取引コストを適用し、結果の頑健性を評価する。
• 統計的有意性と戦略リターンの一貫性を評価するために、t検定と累積パフォーマンス分析を用いる。

実験結果

リサーチクエスチョン

• RQ1 Google Trendsから得られるランダムな金融関連キーワードには、将来のインデックスリターンを予測する統計的に有意なパワーが存在するか？
• RQ2 GTデータが適切な資産に適用された場合、取引コストを考慮しても一貫した収益性を生む取引戦略を生成できるか？
• RQ3 ツールバイアス、先行情報バイアス、データスヌーピングといった方法論的バイアスが、GTデータを用いたバックテスト戦略の信頼性をどの程度損なうか？
• RQ4 GTデータの予測信号は、異なる時間軸や入力設定（例：元のSVI、移動平均）においても頑健であるか？
• RQ5 取引コストを含めることで、表面的な収益性が消失するか。これにより、GTの実用的有用性がより現実的かつ正確に評価されるか？

主な発見

• 疾患、レトロカー、アーケードゲームなど、疾患関連のランダムな金融関連キーワードでは、SPYリターンに対する統計的に有意な予測力が得られず、これらの語には利用可能な信号が存在しないことが示された。
• 一方で、適切な資産にターゲットを絞った特定のキーワードは、一貫した収益性を示す戦略を生み出すことができ、GTデータ内に利用可能な情報が存在することを裏付けた。
• 最もパフォーマンスの優れたキーワードの累積パフォーマンスは、1トレードあたり2bpsの取引コストを適用しても依然として正のままであり、現実の市場摩擦に対しても頑健であることが示された。
• Financial Timesのキーワード群やランダムな非金融語群からは有意な予測力が得られず、信号の質がキーワードと資産の整合性に依存することを強化した。
• Preisら（2013年）の結論、すなわちGTデータが市場リターンを予測可能であるという主張を支持するが、これはキーワードが慎重に選択され、バックテストが方法論的に洗練されている場合に限る。
• 研究者たちは、信号が弱く、平均回帰的であると観察した。特に、ニュースなどの追加データソースと組み合わせることで利益が最大化されるため、単独でのアルファ生成可能性は限定的であると結論づけた。