[論文レビュー] A News-based Machine Learning Model for Adaptive Asset Pricing

Liao Zhu, Haoxuan Wu+1 more|arXiv (Cornell University)|Jun 13, 2021

Stock Market Forecasting Methods参考文献 29被引用数 5

ひとこと要約

本稿では、ニューステキストを用いて企業埋め込みを導出し、UMAPを用いた適応的基準資産選定を行う機械学習フレームワーク「ニュース埋め込みUMAP選定（NEUS）」モデルを提案する。このモデルは、全産業にわたり、Fama-French 5要因モデルを著しく上回り、サンプル内およびサンプル外の決定係数（R-squared）がより高い結果を示した。

ABSTRACT

The paper proposes a new asset pricing model -- the News Embedding UMAP Selection (NEUS) model, to explain and predict the stock returns based on the financial news. Using a combination of various machine learning algorithms, we first derive a company embedding vector for each basis asset from the financial news. Then we obtain a collection of the basis assets based on their company embedding. After that for each stock, we select the basis assets to explain and predict the stock return with high-dimensional statistical methods. The new model is shown to have a significantly better fitting and prediction power than the Fama-French 5-factor model.

研究の動機と目的

• 自然言語処理を用いてリアルタイムの市場情報に適応可能な動的でニュース駆動型の資産価格モデルを構築すること。
• Fama-French 5要因モデルのような静的でサンプル外設定において予測力に欠ける従来の多要因モデルの限界を克服すること。
• ニュースベースの企業埋め込みとクラスタリング技術を用いてETFから代表的基準資産を特定すること。
• 高次元統計的手法を用いて関連する基準資産を適応的に選択することで、株式リターンの予測を改善すること。
• 特にFama-Frenchモデルが成績を上げにくい分野を含め、多様な産業にわたりモデルの頑健性と優位性を検証すること。

提案手法

• Dow Jones DNAデータベースの連結ニュース記事を用いて、パラグラフベクトル（PV-DM）モデルを適用し、603 ETFの企業埋め込みベクトルを算出する。
• 均一多様体近似と射影（UMAP）を用いて次元削減と企業埋め込みに基づくETFのクラスタリングを行い、代表的基準資産を同定する。
• 最小最大凹凸ペナルティ（MCP）および最小最大プロトタイプクラスタリング（MPC）を用いて高次元変数選択を行い、各銘柄に最も関連する基準資産を特定する。
• 選択された基準資産を用いて、個別株式リターンの説明と予測を目的とした適応的多要因（AMF）モデルを構築する。
• サンプル外で調整済み決定係数（R-squared）を主なパフォーマンス指標として用い、Fama-French 5要因モデルとの比較を通じてモデルを訓練および検証する。
• Dow Jones分類基準に従い、銘柄を17の産業に分類し、分野別にモデルのパフォーマンスを評価する。

実験結果

リサーチクエスチョン

• RQ1 金融ニューステキストデータを活用する機械学習モデルが、従来の多要因モデルと比較して、資産価格モデルの説明力および予測力の両面で顕著に向上させることができるか？
• RQ2 ニュースベースの埋め込みを用いた基準資産の適応的選択が、Fama-French 5要因モデルのような固定要因モデルと比較して、より優れたサンプル外パフォーマンスをもたらすか？
• RQ3 NEUSモデルは、Fama-Frenchモデルが成績を上げにくい分野を含め、さまざまな産業でどのように性能を発揮するか？
• RQ4 UMAPおよびワード埋め込み技術の活用が、非構造化ニュースデータから関連するリスク要因をいかに効果的に同定するか？
• RQ5 NEUSモデルは全市場セクターにわたり頑健であり、サンプル内およびサンプル外の両設定で一貫してベンチマークを上回るか？

主な発見

• NEUSモデルのサンプル外調整済み決定係数は0.18を記録した一方、Fama-French 5要因モデルは-0.029であった。これは、強い予測力の証明である。
• サンプル内では、NEUSモデルの平均調整済み決定係数は0.375であり、Fama-Frenchモデルの0.287と比較して31%高い。
• 1週間先予測において、NEUSモデルのサンプル外平均調整済み決定係数は、Fama-Frenchモデルの0.199と比較して55%高い。
• NEUSモデルは17の産業すべてでFama-French 5要因モデルを上回り、特に金融、インfra（インfraストラクチャー）およびエネルギー分野で顕著な改善が見られた。
• Fama-Frenchモデルはインフラおよび通信サービス分野のリターンを説明できなかったが、NEUSモデルは全産業で高いパフォーマンスを維持した。
• 産業別比較を通じて、NEUSモデルの頑健性が確認された。サンプル内およびサンプル外の両設定で、Fama-FrenchモデルがNEUSモデルを上回った事例は一切なかった。