[論文レビュー] Wisdom of Crowds Algorithm for Stock Market Predictions

Marko Velić, Toni Gržinić+1 more|arXiv (Cornell University)|Jun 21, 2013

Recommender Systems and Techniques参考文献 5被引用数 8

ひとこと要約

本論文は、『群衆の知恵』にインspiredされた共同フィルタリングアルゴリズムを提案し、個々の投資家予測を集約することで株価動向を予測する。予測の重み付け順位付けとパーセンタイルスコアリングを用いて株式レーティングを生成し、初期の結果では上位レーティングの株式が年間238.83%まで市場を上回る成果を示した。

ABSTRACT

In this paper we present a mathematical model for collaborative filtering implementation in stock market predictions. In popular literature collaborative filtering, also known as Wisdom of Crowds, assumes that group has a greater knowledge than the individual while each individual can improve group's performance by its specific information input. There are commercially available tools for collaborative stock market predictions and patent protected web-based software solutions. Mathematics that lies behind those algorithms is not disclosed in the literature, so the presented model and algorithmic implementation are the main contributions of this work.

研究の動機と目的

• 『群衆の知恵』の原則にインspiredされ、透明性があり数学的に裏付けられた共同フィルタリングモデルを、株式市場予測のために開発すること。
• 商業的株式レーティングシステムの背後にあるアルゴリズムがしばしば特許保護されており、非公開であるという点を是正すること。
• 継続的なフィードバックとパフォーマンス監視を通じて、変化する市場動向に適応できる自己修正型システムを設計すること。
• タイムデリーやしきい値ベースの検証ルールを用いて、団体的思考（グループスキンク）や操作のリスクを低減すること。
• 集団的予測をアルゴリズム取引戦略のシグナルとして使用する可能性を検討すること。

提案手法

• 本システムは、個々の投資家による株価動向（上昇／下落）予測を収集し、予測の正確性とタイミングに応じてスコアを付与する。
• 株式スコアは、正の予測数を総予測数で割った比率として計算され、パーセンタイル順位付けシステムにより正規化される。
• 式（22）により最終株式スコア $\theta_i = \frac{\sum_{i}^{|RO|} y_{ROi}}{\sum_{RATINGS}} $ が計算され、ここで $ y_{ROi} $ は確認済みの正の予測を表す。
• パーセンタイル順位は、$ y_{\Theta i} = \frac{i}{|\Theta|} \times 100 $ を用いて $ \theta_i $ 値に基づき割り当てられ、相対的なパフォーマンス比較が保証される。
• 公平性メカニズムには、アクティブな予測、プレイヤー順位、予測成熟度の最低基準が含まれ、操作の防止を目的としている。
• 遅延データと時間ベースのスコアリングを用いることで、ハーディング（模倣）のリスクを低減し、模倣者がすぐに上位プレーヤーを再現できないようにしている。

実験結果

リサーチクエスチョン

• RQ1 集団的投資家予測に基づく共同フィルタリングシステムは、個々の予測よりも正確な株式市場予測を生成できるか？
• RQ2 特許権がなく非公開のアルゴリズムが、内部数学が不明な商業的レーティングシステムのパフォーマンスを再現できるか？
• RQ3 フィードバックメカニズムとパフォーマンスベースの重み付けが、集団的思考や操作の影響をどれほど軽減できるか？
• RQ4 本システムの自己修正性は、市場の変化とアルゴリズムフィードバックループが存在する中でも、予測精度を長期間にわたり維持できるか？
• RQ5 このようなシステムの出力は、長期およびショートポジションを含むアルゴリズム取引戦略のシグナルとして実用的か？

主な発見

• 上位10位の株式は、観察期間中に最大で年間238.83%のリターンを達成し、市場を著しく上回った。
• 95.83%以上（例：VDKT-R-A）の順位を獲得した株式は、強い年間収益を上げており、1銘柄で12か月間で238.83%のリターンを記録した。
• LPLH-R-A（−51.68%）のように1年間でマイナス収益となった銘柄に対しても、システムは正しく低パフォーマンスと同定しており、予測感度の高さが示された。
• システムは初期段階での実用性を示しており、6か月間の運用で47名のアクティブプレイヤー、130銘柄に対して合計667件の予測が行われた。
• 予測成熟度や最低順位基準を含むモデルの公平性メカニズムは、操作リスクの低減に効果的であるように見える。
• コールドスタート段階にあったにもかかわらず、パーセンタイルベースのスコアリングと時間遅延フィードバックが、団体的思考やハーディング行動の緩和に有望であることが示された。