WEKO3
-
RootNode
アイテム
株価の日次・月次推移と学習期間調整
https://doi.org/10.20729/00210267
https://doi.org/10.20729/00210267451c08ba-7cc0-4c16-8dd5-c1fc5b86a33c
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-JNL6203026.pdf (5.1 MB)
|
Copyright (c) 2021 by the Information Processing Society of Japan
|
|
| オープンアクセス | ||
| Item type | Journal(1) | |||||||
|---|---|---|---|---|---|---|---|---|
| 公開日 | 2021-03-15 | |||||||
| タイトル | ||||||||
| タイトル | 株価の日次・月次推移と学習期間調整 | |||||||
| タイトル | ||||||||
| 言語 | en | |||||||
| タイトル | Training Period of Daily and Monthly Stock Price Prediction | |||||||
| 言語 | ||||||||
| 言語 | jpn | |||||||
| キーワード | ||||||||
| 主題Scheme | Other | |||||||
| 主題 | [一般論文] 株価予測，先物取引，Gradient Boosting Decision Tree | |||||||
| 資源タイプ | ||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_6501 | |||||||
| 資源タイプ | journal article | |||||||
| ID登録 | ||||||||
| ID登録 | 10.20729/00210267 | |||||||
| ID登録タイプ | JaLC | |||||||
| 著者所属 | ||||||||
| 筑波大学大学院ビジネス科学研究科 | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| University of Tsukuba | ||||||||
| 著者名 |
吉田, 健一
× 吉田, 健一
|
|||||||
| 著者名(英) |
Kenichi, Yoshida
× Kenichi, Yoshida
|
|||||||
| 論文抄録 | ||||||||
| 内容記述タイプ | Other | |||||||
| 内容記述 | 株価予測は学問的にも実務的にも重要な研究テーマであり，伝統的なファイナンスの観点から古くから研究されてきた．また近年では深層学習などデータマイニングの手法を使った研究もさかんである．本報では，日次の終値の変化と標準偏差のみを入力に用いたGradient Boosting Decision Tree法が代表的な株価インデックスであるTOPIXや日経225先物の翌日の値を予測可能であり，代表的な取引手法であるインデックス投資と比較して超過収益が得られることを示す．この結果は月次データに関して報告した代表的な株価インデックスが持つ特徴と同じ特徴（株価の分析における混合分布分析と学習期間調整の重要性）が日次データにも存在することを示している．本報では，学習期間調整の重要性は日次の方が顕著であり，また日経先物の分析結果からは限月という先物特有の要因が有効な学習期間に影響している可能性も指摘する． | |||||||
| 論文抄録(英) | ||||||||
| 内容記述タイプ | Other | |||||||
| 内容記述 | This paper reports a fact that the Gradient Boosting Decision Tree (GBDT), which only uses the closing prices and standard deviation, can predict daily prices of TOPIX and Nikkei 225 futures. It shows that excess returns can be obtained compared to the standard index investment. The method used for the prediction is a straightforward application of a method that has been shown to be effective in the analysis of monthly stock prices. It is a combination of the GBDT that can analyze the mixture distribution and the adjustment procedure for the learning period. These results show that the same characteristics of the monthly stock prices also exist in the daily data. In other words, the importance of mixture distribution analysis and learning period adjustment in the analysis of stock prices are shown for different time scales such as daily and monthly. From the analysis results of Nikkei 225 futures, it is also pointed out that the futures-specific factor called contract month may affect the effective learning period. | |||||||
| 書誌レコードID | ||||||||
| 収録物識別子タイプ | NCID | |||||||
| 収録物識別子 | AN00116647 | |||||||
| 書誌情報 |
情報処理学会論文誌 巻 62, 号 3, p. 959-967, 発行日 2021-03-15 |
|||||||
| ISSN | ||||||||
| 収録物識別子タイプ | ISSN | |||||||
| 収録物識別子 | 1882-7764 | |||||||
