024-29

第24回研究会

ニュース重要単語の機械学習によるアクティブ運用†

著者†

三好勝博, 細木唯以(茨城大学),　江口潤一(大和投資信託), 鈴木智也(茨城大学, 大和投資信託)

概要†

資産運用業務において主に数値情報が活用されているが，近年はニュースやレポート記事などのテキスト情報を用いた投資判断も活発になりつつある． 投資判断には主に機械学習を用いるが，テキスト情報は多数のワードで構成されているため，Bag-of-Wordsの局所表現により数値化すると高次元でスパースなベクトルになりやすい． その結果，次元の呪いにより機械学習の学習性能に悪影響を及ぼす．そこで本研究では，テキスト情報をニュースヘッドラインに限定し，登場するワードの種類を抑制する． さらに株価のボラティリティーを高めるサプライズワードを抽出し，各ニュースヘッドラインに含まれるサプライズワードの組み合わせと翌日のアクティブリターンの関係を機械学習した．統計的な比較実験を通じてボラティリティーに着眼する妥当性を確認し，アクティブ運用においても10bp程度の売買手数料ならば超過収益を獲得できる可能性を示す．

キーワード†

テキストマイニング, 機械学習, アクティブ運用

論文†

27_SIG-FIN-24.pdf