Recomendados
Recomendados
Más contenido relacionado
Destacado
Destacado (20)
金融テキストマイニング 研究事例紹介
- 2. + 本⽇の発表内容 ⾦融テキストマイニング Ø Web上の⼤量のテキスト情報と市場変動の関連性を分析 （⾦融テキストマイニング 研究の紹介，和泉潔） Ø 対象となるテキストのリソースは量，質ともに様々 Ø 経済指標などの数値情報では指標化されていない情報を テキストから素早く⾃動的に抽出することが期待される
- 3. + 研究例：Twitter Bollenらの研究(2011) Ø ユーザの⼼的状態を明⾔している投稿のみを 分析対象とする Ø テキストの内容から平穏・警戒・確信・活気・ 善意・幸福の6次元の尺度を計算 GPOMS指数 Ø GPOMS指数とダウ平均株価指数の因果性を検定 ◯ ⼿法 ◯ 結果 Ø 「平穏」の尺度と株価に因果性があった Ø 翌⽇の株価の騰落の⽅向性を86.7%の精度で予測 (テキスト情報を⽤いない場合は73.3%の精度) “I am”とか”I feel”が含まれた投稿を ⼼的状態を明⾔している投稿とみなす
- 5. + 研究例：Twitter Ruizらの研究(2012) ◯ ⼿法 @Sony @ColumbiaRecords @SonyPictures #DontBreathe thestoneroses.org ew.com/article/2016/0… Ø ツイート情報からツイート・ユーザ・ハッシュタグ ・URLをノード，RT・引⽤・作成をリンクとするグ ラフを構築 実際は企業名をハッシュタグに⽤い ているツイートを分析対象とする
- 6. + 研究例：Twitter Ruizらの研究(2012) ◯ ⼿法 Ø ツイート情報からツイート・ユーザ・ハッシュタグ ・URLをノード，RT・引⽤・作成をリンクとするグ ラフを構築 ⾏動基準の特徴量 グラフ特徴量 ・ノード数 ・エッジ数 ・連結要素数 ・ツイート数 ・ツイートしたユーザ数 ・RT数 ・RTしたユーザ数 ・ユーザに⾔及したツイート数 ・URLを引⽤したツイート数 Ø グラフ構造を表す指標と対象とする銘柄の翌⽇の価 格の変化率や取引⾼との相関を分析 ◯ 結果 Ø グラフの連結要素数と取引⾼に正の相関関係 Ø 価格の変化率と相関のある指標は発⾒できず どの銘柄の取引されやすいかは予測できるが， 株価が上昇するか下落するかはわからない 実際は企業名をハッシュタグに⽤い ているツイートを分析対象とする
- 7. + 研究例：掲⽰板 丸⼭らの研究(2008) Ø 各個別銘柄の掲⽰板から特徴量を抽出 ◯ ⼿法 ◯ 結果 Ø 3つの指標とボラリティ・取引⾼には有意な 相関関係が⾒られたが，変化率との相関はなし ・投稿数 ・全投稿の強気⽐率 ・⼀定期間内の強気 or 弱気投稿数の 偏り Ø 3つの指標と翌⽇の価格の変化率・ボラリティ (価格変動の標準偏差)・取引⾼の相関を分析 どの銘柄の取引されやすいかは予測できるが， 株価が上昇するか下落するかはわからない
- 8. + 研究例：ニュース Schumakerらの研究(2010) Ø Yahoo! Financeの記事から⽶国の個別銘柄の 20分後の株価動向を予測 Ø あらかじめ株価関連⽤語の辞書を作成しておき， 各記事に⽤語がどれだけ出現するかを⾒る Ø 個別銘柄の株価の変化をサポートベクタ回帰を ⽤いてモデル化 ◯ ⼿法 ◯ 結果 Ø S&P 500 (⼤型株500銘柄から算出された株価指数) の構成銘柄で運⽤しているクオンツ・ファンドより も運⽤成績が良い (8.5%のリターン) Ø 20分後に1%以上の株価変動が起きると予測された 銘柄の売買を⾏う 良い結果のように⾒えるが，実際は条件を かなり限定した⽐較を⾏っている
- 9. + 研究例：経済レポート 和泉らの研究(2011)⾦融経済⽉報 (2015年12⽉) Ø ⽇銀の発⾏する⾦融経済⽉報をテキストマイニング ◯ ⼿法 ◯ 結果 Ø ⽂章から経済関連単語を抽出し，さらに主成分分析 により30個の特徴量を抽出 Ø 重回帰分析で特徴量と国債市場の価格データの関係 を表す回帰式を求める Ø 価格の⼤幅な⾼騰や下落など，市場が⼤きく動く時 の予兆を抽出できた Ø 国債市場での運⽤テストでは数値データを使った 回帰よりも⾼い運⽤益を得た