実数値GAによる変数選択を用いた株価予想モデル

○瀬之口 潤輔¹⁾

1) カムイ・キャピタル株式会社

Abstract

ビッグデータを用いた機械学習により株価を予想する試みは、学術界及び実務界で盛んにおこなわれている。過去のデータは再生できない中で、ビッグデータを用いて株価予想を行う際の大きな課題は、汎用性の維持であろう。本研究では、親個体群を大域的降下方向へシフトすることにより子個体群を生成する実数値GAに、評価値が最良となるパラメーターの世代における分散により変数選択を加え、これにより株価予想モデルの汎用性がどの程度改善されるかを観察する。研究に用いた機械学習の手法（深層学習、勾配ブースティング、SVM）いずれにおいても、パラメーターの分散による変数選択を加えたほうが、予想精度が高いことが示された。

One of the major challenges of using big data to predict stock prices is the prevention of overfitting. In this study, we observe how the overfitting problems of the stock price forecast model is mitigated by adopting the variance of a parameter with which the evaluation score is the best that was generated from the repetition of generation changes in the real-value GA. In any method of machine learning used in the research (deep learning, gradient boosting, SVM), the model accuracy was improved when variable selection by the variance of a parameter was added.

Keywords

株価予想モデル，実数値GA，分散

Stock prediction model，Real-value GA，Variance