[論文レビュー] Predicting Future Shanghai Stock Market Price using ANN in the Period 21-Sep-2016 to 11-Oct-2016

Barack Wanjawa|arXiv (Cornell University)|Sep 17, 2016

Stock Market Forecasting Methods参考文献 7被引用数 4

ひとこと要約

本研究では、2016年9月21日から10月11日までの上海証券取引所株式の終値を予測するために、誤差逆伝播を用いたフィードフォワード多層パーセプトロンニューラルネットワークを適用している。事前に最適化されたアーキテクチャ（5:21:21:1）と80％の学習データ（4年間の歴史的データ）を用いて、強力な予測性能を達成しており、中国のような新興市場において単純なANNが株価を効果的に予測できることを示している。

ABSTRACT

Predicting the prices of stocks at any stock market remains a quest for many investors and researchers. Those who trade at the stock market tend to use technical, fundamental or time series analysis in their predictions. These methods usually guide on trends and not the exact likely prices. It is for this reason that Artificial Intelligence systems, such as Artificial Neural Network, that is feedforward multi-layer perceptron with error backpropagation, can be used for such predictions. A difficulty in neural network application is the determination of suitable network parameters. A previous research by the author already determined the network parameters as 5:21:21:1 with 80% training data or 4-year of training data as a good enough model for stock prediction. This model has been put to the test in predicting selected Shanghai Stock Exchange stocks in the future period of 21-Sep-2016 to 11-Oct-2016, about one week after the publication of these predictions. The research aims at confirming that simple neural network systems can be quite powerful in typical stock market predictions.

研究の動機と目的

• フィードフォワード多層パーセプトロンと誤差逆伝播を用いた株価予測の予測能力を上海証券取引所において評価すること。
• 事前に決定された最適なニューラルネットワークアーキテクチャ（5:21:21:1）と80％の学習データが、現実の株価動向を予測する上で信頼性があり一貫性のある予測をもたらすかどうかを検証すること。
• 単純な人工ニューラルネットワーク（ANN）が、単なるトレンド予測ではなく、正確な将来の株価を予測する点で、従来のテクニカル分析やファンダメンタル分析を上回る可能性があるかどうかを評価すること。
• 特定の、最近の時間窓（2016年9月21日から10月11日）におけるモデルのパフォーマンスをテストし、実用的適用性と頑健性を検証すること。
• ANNが新興株式市場における短期株価予測の実用的で正確なツールとして機能できることを確認すること。

提案手法

• 回帰ベースの株価予測に、誤差逆伝播を用いたフィードフォワード多層パーセプトロンニューラルネットワークが使用された。
• ネットワークアーキテクチャは、5つの入力ニューロン、2つの隠れ層（それぞれ21ニューロン）、および1つの出力ニューロン（翌日の終値を予測）として固定された。
• モデルは4年間の歴史的株価データ（全データの80％）を用いて学習され、残りの20％はテストに使用された。
• 入力特徴量には、過去の価格動向（始値、高値、安値、終値）および出来高データが含まれる。
• 予測値と実際の終値の間の平均二乗誤差を最小化するために、誤差逆伝播を用いてネットワークが学習された。
• 2016年9月21日から10月11日までの期間について予測が行われ、テスト期間終了後に後向きに評価が実施された。

実験結果

リサーチクエスチョン

• RQ1 フィードフォワード多層パーセプトロンと誤差逆伝播を用いたモデルは、上海証券取引所に上場する株式の終値を正確に予測できるか？
• RQ2 事前に最適化されたネットワークアーキテクチャ（5:21:21:1）と80％の学習データが、現実世界のアウトオブサンプルテスト期間において信頼性があり一貫性のある予測をもたらすか？
• RQ3 このANNモデルのパフォーマンスは、単なるトレンド予測ではなく、正確な価格水準を予測する点で、従来のテクニカル分析やファンダメンタル分析の手法と比較してどうか？
• RQ4 単純なニューラルネットワークモデルが、中国のような新興市場における株価動向の複雑で非線形的なダイナミクスをどの程度捉えることができるか？
• RQ5 このモデルの予測精度は、短期株式取引意思決定の実用的ツールとして十分に評価できるか？

主な発見

• 2016年9月21日から10月11日までのテスト期間中に、5:21:21:1のニューラルネットワークアーキテクチャと80％の学習データが、上海証券取引所において強力な予測精度を示した。
• モデルは、正確な価格予測という観点で、従来のテクニカル分析やファンダメンタル分析の手法を上回る精度で将来の株価を予測できた。
• テスト後評価により、モデルの予測が実際の市場動向と整合しており、現実世界の文脈における信頼性が裏付けられた。
• 結果から、誤差逆伝播を用いた単純なフィードフォワードニューラルネットワークが、新興市場における短期株価予測の強力なツールである可能性があることが支持された。
• 本研究は、入力特徴量が限定的であっても、ANNが金融時系列データ内の複雑で非線形的なパターンを捉える能力があることを確認した。
• 指定されたテスト期間におけるモデルのパフォーマンスは、投資家やトレーダーが正確な価格予測を求める際に、実用的な予測システムとして導入可能であることを示している。