研究紹介

言語情報の深層生成モデルを用いた株価動向推定

本研究では，深層生成モデルを用いてニュース記事から株価動向の日次予測を行う手法を提案する．複数ニュースそれぞれが持つ影響の大きさを考慮する．まずニュース記事が持つ情報を固定長のベクトルで表現するために，Paragraph Vectorと呼ばれる手法を用いる．これにより言語が持つ情報を十分に表現できる．次に株価情報と言語情報が持つ関係性を深層生成モデルで表現し，分散表現を基にパラメータを学習する．生成モデルを用いることにより，ニュース記事を生成する潜在変数や確率過程を表現でき，その表現に必要なパラメータの過学習を抑えることができる．実際に，日本市場とアメリカ市場の2市場を対象に，株価動向の2値分類を行い，本手法の有効性を示した．

  • Takashi Matsubara, Ryo Akita, and Kuniaki Uehara, “Stock Price Prediction by Deep Neural Generative Model of News Articles,” IEICE Transactions on Information and Systems, Vol.E101-D, No.4, pp.901-908, 2018. (link)
  • Ryo Akita, Akira Yoshihara, Takashi Matsubara, and Kuniaki Uehara, “Deep Learning for Stock Prediction Using Numerical and Textual Information,” Proc. of the 15th IEEE/ACIS International Conference on Computer and Information Science (ICIS 2016), Okayama, Jun. 2016, pp. 945-950. (link)

0000.png

0001.png

0002.png