[論文レビュー] Using Recurrent Neural Networks To Forecasting of Forex

В. В. Кондратенко, Yu. A. Kuperin|arXiv (Cornell University)|Apr 21, 2003

Complex Systems and Time Series Analysis参考文献 9被引用数 10

ひとこと要約

本稿では、時系列データおよび移動平均などのテクニカルインジケーターを用いて為替レートを予測する再帰的ニューラルネットワーク（RNN）モデルを提案する。米ドル為替ペア（円、フランスfranc、ポンド、ユーロ）を対象に訓練したRNNは、決定係数（R²）が0.65以上を達成し、統計的前処理および検証を経て、主要通貨ペアにおいて統計的に信頼できる非線形予測性能を示した。

ABSTRACT

This paper reports empirical evidence that a neural networks model is applicable to the statistically reliable prediction of foreign exchange rates. Time series data and technical indicators such as moving average, are fed to neural nets to capture the underlying "rules" of the movement in currency exchange rates. The trained recurrent neural networks forecast the exchange rates between American Dollar and four other major currencies, Japanese Yen, Swiss Frank, British Pound and EURO. Various statistical estimates of forecast quality have been carried out. Obtained results show, that neural networks are able to give forecast with coefficient of multiple determination not worse then 0.65. Linear and nonlinear statistical data preprocessing, such as Kolmogorov-Smirnov test and Hurst exponents for each currency were calculated and analyzed.

研究の動機と目的

• 再帰的ニューラルネットワーク（RNN）が統計的に信頼できる精度で為替レートを予測可能かどうかを評価すること。
• 歴史的レートとテクニカルインジケーターを学習データとして用いるニューラルネットワークが、為替レートの非線形パターンを捉えられるかどうかを調査すること。
• 決定係数（R²）を含む複数の統計的指標を用いて、予測精度を評価すること。
• モデリングの前段階でデータの特性を理解するために、コルモゴロフ＝スミルノフ検定やハースト指数分析などの前処理技術を適用すること。
• 残差の挙動およびデータ分布の分析を通じて、RNNの予測性能を線形モデルと比較すること。

提案手法

• モデルは、為替為替レートの時系列データを処理するために再帰的ニューラルネットワーク（RNN）を採用する。
• 入力特徴量には、歴史的為替レートと移動平均などのテクニカルインジケーターが含まれる。
• 統計的前処理には、データ分布の評価のためのコルモゴロフ＝スミルノフ検定と、長距離依存性の評価のためのハースト指数の計算が含まれる。
• RNNは、米ドル対円（JPY）、スイスフラン（CHF）、英ポンド（GBP）、ユーロ（EUR）の為替レート日次データを対象に訓練される。
• 予測品質は決定係数（R²）を用いて評価され、全通貨ペアにわたり追加の統計的検証が実施される。
• モデルは複数の時間スケールでテストされ、標準的な統計的推定手法を用いて検証される。

実験結果

リサーチクエスチョン

• RQ1 再帰的ニューラルネットワークは、為替為替レートの変動における非線形ダイナミクスを効果的にモデル化・予測できるか？
• RQ2 移動平均などのテクニカルインジケーターは、為替予測におけるRNNの予測性能をどの程度向上させるか？
• RQ3 R²やその他の指標によって測定された統計的信頼性は、RNNベースの予測にどの程度妥当か？
• RQ4 長距離依存性（ハースト指数）や分布特性といったデータの特性は、モデルのパフォーマンスにどのように影響するか？
• RQ5 為替為替レート時系列における複雑な非線形パターンを捉える点で、RNNは線形モデルを上回る性能を示せるか？

主な発見

• 全テスト対象通貨ペアにおいて、RNNモデルは決定係数（R²）が少なくとも0.65に達し、強力な予測性能を示した。
• 統計的前処理の結果、ハースト指数の値から、為替為替レート系列に顕著な長距離依存性が確認された。
• コルモゴロフ＝スミルノフ検定により、リターン系列の分布が正規分布でないことが確認され、非線形モデリング手法の必要性が裏付けられた。
• モデルは、米ドル対円（JPY）、スイスフラン（CHF）、英ポンド（GBP）、ユーロ（EUR）の4つの主要通貨ペアにおいて、一貫した予測精度を示した。
• 結果から、RNNは線形モデルが捉え損ねる複雑な非線形パターンを為替データから捉える能力を有していることが示唆された。
• 堅牢な統計的検証により、RNNの予測結果の信頼性が確認され、実用的な金融予測タスクへの応用が支持された。