StockMixer - 上海交通大学が開発した株価予測フレームワーク

StockMixerとは何ですか？

上海交通大学が開発したStockMixerは、株価予測のための多層パーセプトロン（MLP）アーキテクチャであり、シンプルさと強力な予測能力を兼ね備えています。このアーキテクチャは、指標混合、時間混合、銘柄混合という3つのステップで株価データを処理・予測し、株価指標、時間、個別銘柄間の複雑な相関関係を効果的に捉えます。時間混合はマルチスケールの時間セグメント情報を活用し、銘柄混合は市場状況が個別銘柄に与える影響を活用することで、より正確な予測を実現します。StockMixerは、複数の株式市場ベンチマークテストにおいて優れた性能を発揮し、多くの高度な予測手法を凌駕するとともに、メモリ使用量と計算コストを削減します。

StockMixerの主な機能

• 指標の組み合わせ我々は、行列乗算と活性化関数を用いて、各銘柄・時間ペアの内部指標間の相互作用をシミュレートし、将来の株価動向に関する有益な高レベルの潜在的特徴を抽出する。
• タイムミキシングこれは、複数の時間スケールにわたる情報交換に基づいて株価変動の時間的傾向とパターンを捉え、モデルが異なる時間スケールから特徴を抽出することを可能にする。
• ストックミキシング市場全体から個別銘柄、そして再び市場全体へと、株式の状況を把握し、株式間の複雑な相関関係をシミュレーションし、株式相関をより堅牢にモデル化する。
• 株価の予測上記の組み合わせから得られた特徴量を組み合わせることで、翌営業日の終値を予測することができる。

StockMixerの技術的原則

• 多層パーセプトロン（MLP）アーキテクチャこれはMLP（多層パーセプトロン）に基づいており、線形計算量とシンプルなアーキテクチャで株価データを処理します。
• 情報交換MLP構造に基づき、異なる次元（指標、時間、銘柄）間で情報が交換され、モデルの表現力が向上する。
• 残差接続性と層正規化残差接続は入力特徴量と混合特徴量のバランスを維持するために使用され、レイヤー正規化はデータオフセットの影響を軽減します。
• マルチスケール時間セグメント時系列データは、異なる時間スケールの特徴を捉えるために、異なるサイズのセグメントに分割される。
• 株式が市場に与える影響と、市場が株式に与える影響2つのMLP構造に基づいて、潜在的な株価状態を学習し、これらの状態を使用して個々の株価に影響を与え、株価間の相関関係をシミュレートします。
• 損失関数設計点回帰と知覚損失のペアワイズランキングを組み合わせることで、最適化されたモデルは、予測リターンと実際のリターンの間の平均二乗誤差を最小化し、期待リターンの高い銘柄の相対的な順序を維持します。

StockMixerのプロジェクトアドレス

• GitHubリポジトリ：https://github.com/SJTU-DMTai/StockMixer
• 技術論文：https://ojs.aaai.org/index.php/AAAI/article/view/28681

StockMixerの応用事例

• 定量投資StockMixerは、定量投資戦略家が株価の変動を予測し、超過収益を達成するための取引戦略を策定するのに役立ちます。
• リスク管理金融機関は、投資ポートフォリオにおける市場リスクをより適切に評価し、管理することができる。
• アルゴリズム取引これは高頻度取引における迅速な株価予測を提供し、アルゴリズム取引システムが即座に売買判断を下すのに役立ちます。
• ポートフォリオ最適化投資運用担当者は、より高い期待収益が見込まれる銘柄を選定したり、潜在的なリスクを回避したりすることで、ポートフォリオを最適化する。
• 市場分析と調査アナリストは市場動向を分析し、業界比較を行い、特定の出来事が株価に与える影響を研究する。