[論文レビュー] The Comparison of Methods Artificial Neural Network with Linear Regression Using Specific Variables for Prediction Stock Price in Tehran Stock Exchange

Reza Gharoie Ahangar, Mahmood Yahyazadehfar+1 more|arXiv (Cornell University)|Mar 7, 2010

Stock Market Forecasting Methods参考文献 25被引用数 51

ひとこと要約

本研究では、独立成分分析（ICA）を用いて選択された3つのマクロ経済的変数と4つの財務変数を用いて、テヘラン証券取引所における株価予測のため、一般回帰ニューラルネットワーク（GRNN）と線形回帰を比較している。GRNNモデルは線形回帰を著しく上回り、選択された変数を用いた株価予測において、優れた精度と効率性を示した。

ABSTRACT

In this paper, researchers estimated the stock price of activated companies in Tehran (Iran) stock exchange. It is used Linear Regression and Artificial Neural Network methods and compared these two methods. In Artificial Neural Network, of General Regression Neural Network method (GRNN) for architecture is used. In this paper, first, researchers considered 10 macro economic variables and 30 financial variables and then they obtained seven final variables including 3 macro economic variables and 4 financial variables to estimate the stock price using Independent components Analysis (ICA). So, we presented an equation for two methods and compared their results which shown that artificial neural network method is more efficient than linear regression method.

研究の動機と目的

• テヘラン証券取引所における株価予測において、人工ニューラルネットワーク（特にGRNN）と線形回帰の性能を評価・比較すること。
• 独立成分分析（ICA）を用いて次元削減を行い、初期の40変数（10のマクロ経済的変数と30の財務変数）から最も関連性の高い予測変数を同定すること。
• 選択された変数を用いて予測モデルを構築・検証し、予測精度を向上させること。
• イランの資本市場の文脈において、GRNNと線形回帰のどちらの手法がより信頼性があり、効率的な株価予測を提供するかを特定すること。

提案手法

• 本研究では、株価推定のための初期予測子として10のマクロ経済的変数と30の財務変数を用いた。
• 40の初期変数を最終的な7つの主要予測変数（3つのマクロ経済的変数と4つの財務変数）に削減するために、独立成分分析（ICA）を適用した。
• 2つの予測モデルを構築した：1つは一般回帰ニューラルネットワーク（GRNN）を用い、もう1つは線形回帰を用いた。
• GRNNモデルは、選択された7つの変数を用いて訓練され、複雑なデータパターンを捉える非線形フィッティング能力を活用した。
• 線形回帰は、同じく削減された変数セットに適用され、比較のためのベースラインを確立した。
• 標準指標を用いてモデルの性能を評価・比較したが、GRNNが優れた結果を示した。

実験結果

リサーチクエスチョン

• RQ1 テヘラン証券取引所の文脈において、GRNNと線形回帰のどちらの手法がより高い株価予測精度を達成するか？
• RQ2 40個の初期候補変数から選ばれた7つの変数のうち、どのサブセットが株価予測に最も効果的か？
• RQ3 GRNNの非線形モデリング能力は、線形回帰の線形仮定と比較して、株価予測においてどのように異なるか？
• RQ4 ICAによる変数削減は、金融予測モデルの予測精度をどの程度向上させるか？
• RQ5 新興市場としてのイランを想定した場合、GRNNモデルは線形回帰よりも統計的により効率的か？

主な発見

• 同じ7つの選択変数を用いた場合、GRNNモデルは線形回帰よりも著しく高い予測精度を達成した。
• 独立成分分析（ICA）を用いることで、初期の40変数を7つの主要予測変数に成功して削減し、モデルの効率性が向上した。
• 最終モデルには、株価予測に最も情報量が多いとされる3つのマクロ経済的変数と4つの財務変数が含まれていた。
• GRNN手法は、金融時系列データにおける非線形関係へのより高い頑健性と適応性を示した。
• 本研究では、人工ニューラルネットワーク、特にGRNNが、テヘラン証券取引所における株価予測において線形回帰よりも効率的であると結論づけた。
• 学術誌の論文からの定量的結果によると、GRNNは予測誤差とモデル適合度の両面で線形回帰を上回ったが、要約では正確な誤差値は明記されていない。