はじめに 2021年12月18日にNumerai Meetup Japan 2021が開催された（Numeraiについては過去記事「Numeraiトーナメント～伝統的クオンツと機械学習の融合～」を参照のこと）。このMeetupにて筆者も「Machine Learning for Advancing Traditional Quantitative Approach」と題してプレゼンを行った。 このプレゼン内容をベースとして文字起こししたので「機械学習による株価予測」シリーズいろはの"は"の章の代わりとさせていただく。 なお本記事はNumerai Advent Calendar 2021の24日目の記事とさせて頂いている。 参考：前回記事 機械学習による株価予測　いろはの”い” 機械学習による株価予測　いろはの”ろ” 本記事の目的 機械学習による株価予測は世界中で様々な研究が行われており、毎

2020年11月5日 金融研究所　三木翔太*、五島圭一 *現・金融市場局 全文 [PDF 780KB] 要旨 機械学習を活用した資産価格の予測が盛んに実施されている。なかでも、ニューラル・ネットワークへの期待は大きい。ニューラル・ネットワークは、パターン認識能力に優れた技術で、様々なデータの動きから価格変動の規則性を発見することを可能としている。ただし、予測精度が向上するかどうかは金融市場の情報効率性に依存する。金融市場が効率的であれば、入手可能なあらゆる情報が瞬時に資産価格に反映されるため、予測精度は改善しにくい。実際、近年の日本の株式市場を対象にした簡単な実験によると、標準的なニューラル・ネットワークは、株式収益率の予測精度を大きく向上させないとの結果となる。この結果は、過去の株式収益率のみを用いた予測をベースとしている。予測精度の改善の有無を評価するためには、過去の株価だけでなく幅広

サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。

「Python」と「Google Colaboratory」で株価データ分析に挑戦：「Python」×「株価データ」で学ぶデータ分析のいろは（1） 日々変動する株価データを題材にPythonにおけるデータ分析のいろはを学んでいく本連載。第1回はPythonを実行する環境とデータの前準備について。 はじめに 連載第1回は「Google Colaboratory」でサンプルプログラムを実行するための環境を用意する方法や利用するPythonのライブラリを説明します。「Google Chrome」と「Googleアカウント」を用意して読み進めてください。 なお、連載の趣旨がデータ分析であるため、Pythonの言語仕様や文法の詳細を割愛する場合があることをご了承ください。 Google Colaboratoryの準備 Google Colaboratoryとは、Googleが提供するブラウザ上でPy

少なくとも、この分野に経験の無い人がこの本だけを読んでもほとんど理解できないでしょう。 ファイナンス機械学習に対応したPythonライブラリとJupyter notebookが存在するでもあきらめることなかれ！ このファイナンス機械学習を元にして実際にコードに起こされたJupyter notebookとPythonライブラリが存在します。 http://www.quantsportal.com/ Jacques Joubertさんが開設しているWebサイトですが、彼の修士課程のプロジェクトが「ファイナンス機械学習」に基づいたPythonライブラリ(mlfinlab)の作成とファイナンス機械学習をJupyter Notebookで解説した物、その解説pdfという物です。 ファイナンス機械学習で説明されている概念について実際にコード化されています。 それらのコードを読んでいくと、ファイナンス機

さまざまな分野で威力を発揮するPythonは、ファイナンスの分野でも重要なテクノロジーとして急成長を遂げています。本書は、Pythonを使った金融工学の初歩的な基本事項からアルゴリズム取引やデリバティブ分析までカバーし、必要なプログラミング、機械学習や深層学習を利用したデータ分析、統計などについて、数理と実用面から詳しく解説します。「データ駆動型アプローチ」と「AIファーストファイナンス」を軸に、これからのファイナンスに必要な戦略と実践力を体得できることを目的とします。 目次 日本語版まえがき まえがき 第1部　 Pythonとファイナンス 1章　なぜファイナンスにPythonを使うのか 1.1　プログラミング言語Python 1.1.1　Pythonの大まかな歴史 1.1.2　Pythonエコシステム 1.1.3　Pythonのユーザ層 1.1.4　科学スタック 1.2　ファイナンスにお

2019年2月28日、新生銀行本店で「2019年 新生ハッカソン」の最終成果発表会が行われた。新生銀行グループが3年前から開催するこのハッカソンは、最新技術を取り入れた革新的な金融サービスの創造と、金融業界におけるデータサイエンス人材の育成を目的としており、大学生／大学院生を参加対象として実施されている。 新生ハッカソンの特徴は、新生銀行グループが保有するリアルデータを使って、リアルなビジネステーマに取り組む点にある。具体的には、匿名化された数十万件の個人向けカードローン顧客データを用いて、「カードローン商品に申し込んだ顧客が1年後に貸倒れする確率」を予測するモデルを開発し、予測精度や発想の新規性、発展性を競う。最優秀賞の参加者には賞金30万円が授与される。 第3回目となった今回、100名を超える応募者の中から選出されたのは12名の学生。2月18日から土日を除く9日間、データ分析環境が用意

2019年3月1日 金融研究所 井上紫織、宇根正志 全文 [PDF 889KB] 要旨 近年、金融を含むさまざまな分野において、人工知能（AI：artificial intelligence）、とりわけ、機械学習を実装したシステム（機械学習システム）の活用にかかる検討が進んでいる。こうした新たな技術・システムを導入する際には、そのメリットだけでなく、セキュリティ面のリスクに対しても十分に目を向ける必要がある。本稿では、機械学習システムのセキュリティをめぐる動向を紹介し、金融分野において活用される機械学習システムのセキュリティ対策上のポイントを考察する。 日本銀行から 日銀レビュー・シリーズは、最近の金融経済の話題を、金融経済に関心を有する幅広い読者層を対象として、平易かつ簡潔に解説するために、日本銀行が編集・発行しているものです。ただし、レポートで示された意見は執筆者に属し、必ずしも日本銀

NRIは、AIやRPAなどのデジタル技術を活用して、各組織の業務特性に応じて、業務プロセスを高度に効率化するためのソリューションやサービス開発を、Intelligent Process Automation（IPA）というコンセプトのもとに推進している。「IPA」によって、業務プロセスの効率化や品質向上を実現し、各企業がより付加価値の高いサービスの創出に注力できることをめざしているという。 ■「Shingan」の特徴 「Shingan」は、IPAの中核を成すソリューションで、従前から用いられてきた形態素解析や構文解析といった日本語処理技術と、近年急速に応用が広がっている機械学習やディープラーニング技術との組み合わせにより、自然言語から固有表現を抽出し、非定型データをシステムで取り扱えるデータに整え、後続のシステムへの連携を可能にするという。 Shinganを利用した、非定型データを抽出する

アマゾンで買い物をするとき、購入したサービスや商品の価格を設定したのは、おそらく人間ではなくアルゴリズムだ。自動化システムがますます手ごろで簡単に実装できるようになるにつれ、価格設定アルゴリズムはあらゆるオンライン販売で使われるようになってきた。 航空会社やホテルは長らく機械を使って価格を設定してきたが、価格設定システムは進化しており、ルール・ベースのプログラムから強化学習ベースのプログラムへと移行し、価格を決定するロジックはもはや人間がコントロールするものではなくなった。 強化学習はAI（人工知能）エージェントに対し、特定の目標に向けて罰と報酬を使って動機付けする機械学習のサブセットである。アルファ碁（AlphaGo）が、囲碁で最強の棋士を打ち破るのに強化学習を使ったのは有名だ。価格設定システムは、たとえば、全体的な利益を最大化するなどの目標を与えられ、その後、シミュレーション環境でさま

三菱UFJフィナンシャル・グループはビッグデータを使ったコンサルティング事業を始める。4000万にのぼる自行口座の決済情報やネット上の膨大なつぶやきなどを総合してファッションなどのトレンドを分析。どういう層にどんなサービスや商品が支持されているかを取引先企業に有料で提供し、経営改善につなげてもらう。収益の領域を、情報で稼ぐサービスにも広げる。人工知能（AI）による言語解析などに強みを持つ米研究

［GDC 2017］GDCでもボードゲームの開発技術講演がスタート。損失回避を利用したボードゲームデザインとは ライター：徳岡正肇 GDC 2017の2日目，Board Game Design Dayのプログラム。筆者としては，本当はこの部屋に1日張り付きたかったのだが，諸般の事情で無理でした。残念 GDC 2017から新たに始まった企画として，アナログゲームに関する講演を集めた「Board Game Design Day」がある。GDCでこれまでアナログゲーム関係の講演がないわけではなかったが，Board Game Design Dayは1日で8本の講演が連続して行われるという，なかなかに素敵な企画となっている。しかも登壇者も豪華だ。 本稿では，Geoffrey Engelstein氏による「Board Game Design and the Psychology of Loss Ave

AI（人工知能）を使ってクレジットカードの不正利用を防ぐ試みを、三井住友フィナンシャルグループが2016年に開始しました。日本経済新聞による報道です。 カード不正使用、ＡＩで検知 三井住友ＦＧ ：日本経済新聞 三井住友フィナンシャルグループは傘下の銀行やカード会社の金融サービスに人工知能（ＡＩ）を活用する。 クレジットカードの不正使用のチェックや為替取引の売買判断などに生かすことを想定している。 米グーグルの技術を使ってそれぞれの業務に適した独自のＡＩをつくりこみ、来年度の実用化をめざす。 人工知能によるカード不正検知について： すでに不正検知システムはあるものの： 人工知能なら学習してくれる： 結果は検知精度が5％から90％に： 確認作業を減らすことができる： ますます安心＆安全になるクレジットカード： 参考リンク： 人工知能によるカード不正検知について： すでに不正検知システムはあるも

趣味でアルゴリズム取引のシステムを開発・運用してみたことで得られた知見について、社内のテーマ自由な勉強会で発表しました。Read less

中国銀行は2017年1月6日、人工知能（AI）による解析技術を開発するゼネリックソリューションと金融ビッグデータ分析で協業すると発表した。AIを活用して同行が保有する取引履歴などのビッグデータを分析することで、金融商品やサービスのニーズを統計的に把握することを目指す。人による分析では把握できなかった顧客のニーズや環境の変化を、AIなどを活用したFinTechによって掘り起こすのが狙いだ。 具体的には、個人顧客の決済行動などをゼネリックソリューションのAIやデータマイニング技術を利用して分析する。これにより中国銀行は、顧客が求める金融商品・サービスの提案が可能となり、顧客の利便性向上につながると見る。 ゼネリックソリューションは、同社のビッグデータ解析技術とAI技術を合わせたソフトウエア「GS8」を利用して、金融マーケティングに特化した業務ロジックの開発を目指す。金融ビッグデータの分析により

印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます Fintechの動きが金融サービスの向上や持続的成長に資するものとなるよう、Fintechへの取り組みを強化し、民間銀行などとの情報交換や連携を進めるほか、日銀が主催するFintech関連のイベントを取りまとめ、情報発信する。 日本銀行総裁の黒田東彦氏は、「金融がもともと“情報”と密接に関わっていることを踏まえれば、情報技術の発達は金融サービスのフロンティア（境界）を大きく拡げ得るもの」と指摘。 「Fintechを発展させ経済全般に最大寄与するものとしていくうえでは伝統的な企業だけでなく、金融以外の企業や学会との相互交渉やコミュニケーションが必要」とセンター設立の経緯を説明した。 日本銀行としてはFintechセンターが外に開かれた拠点

2015年12月21日 決済機構局　山口英果、渡邉明彦、小早川周司 全文 [PDF 653KB] 要旨 「デジタル通貨」は、「分散型元帳」という技術を通じて、第三者機関を通さずに個別の主体間の支払決済に用いられるものであり、個々の主体間やクロスボーダーでの低コスト、迅速かつ簡便な支払手段となり得るのではないかと期待する向きがある。また、分散型元帳技術については、デジタル通貨に限らず、例えば各種資産の記帳や登記など、幅広い応用の余地があり得ると考えられている。デジタル通貨には、消費者保護上やマネロン／テロ資金対策上の問題があり得るほか、中央銀行の立場からは、決済システムへの影響に加え、概念的には金融システムや金融政策への影響も考えられる。現在はデジタル通貨の利用は限定的であることから、これらの影響も顕在化していないが、デジタル通貨やその基盤技術の先行きの展開やその影響については、今後とも注視

By Francisco Gonzalez 株や外国為替の取引はすでにインターネットを使った電子取引が中心になっており、その中にはもはや人間が太刀打ちできない技法が存在しています。中でも話題になっているのは、ミリ秒(1000分の1秒)以下という高速で売買を行って小さな利ザヤを得る高頻度取引と呼ばれるもので、いわば「後出しジャンケン」と同じ勝利が約束された方法で巨額の利益を上げることが問題視されるようになっています。そんな高頻度取引が始まったのはネット取引が活発化した2000年代ではなく、実はコンピューターの要素が全く存在していない古い時代だったことがMediumで報じられています。 The First High-Frequency Trader — Medium https://medium.com/@SparkFin/what-high-frequency-trading-looked-