#author("2022-09-01T19:09:28+09:00","default:admin","admin")
#author("2022-09-21T11:17:58+09:00","default:admin","admin")
[[第29回研究会>029]]
* ARIMA-GA-SVRによる株価予測モデル [#za6b8402]
* 金融市場での注文流の長期記憶性はどのように定量的に計測するべきか？ [#mffd395a]
** 著者 [#sacd0b6b]
卓 越, 森本 孝之(関西学院大学)
** 著者 [#h46b8d1b]
佐藤 優輝, 金澤 輝代士(筑波大学)
**概要 [#q10a83b4]
ARIMA(Autoregressive Integrated Moving Average)モデルは線形モデルの時系列予測にて幅広く使用されている.しかし, ARIMAモデルは時系列の非線形部分を予測することが困難である一方,SVM (Support Vector Machine)モデルのSVR (Support Vector Regression)は非線形回帰問題に対し,有効であることが示されている.これにより,株価予測問題において,株価を線形部分と非線形部分に分け,それぞれを予測し,予測誤差を小さくさせることが可能となった.しかし,ARIMA-SVRモデルは意思決定者によりパラメーターを決定する時,最適なパラメーターではない可能性がある.そのため,本研究では,ARIMA-SVRモデルのパラメーターを最適させ,モデルの予測パフォーマンスを向上させるため,遺伝的アルゴリズム（Genetic Algorithms）でSVRモデルのパラメーターを最適化するARIMA-GA-SVRモデルを提案する.
**概要 [#gee47ea8]
多くの金融市場では経験的に，一度買い（売り）注文が観測されるとしばらく連続して買い（売り）注文が継続的に観測される傾向があり，売買符号の自己相関関数は遅い減衰（べき減衰）を示す．本性質は「注文流の長期記憶性（long memory, LM）」と呼ばれており，減衰を特徴づけるべき指数は，LMの強さを定量化する指標として重要視されている．しかし，べき指数を実際に測定する場合，その推定精度は統計手法に強く依存するという問題点がある[E. Akyildirim et al. (2019)]．そこで本発表では，注文流のLMのべき指数の推定精度を複数の手法を用いて比較検討する．そして，どの統計手法が現時点で最良だと考えられるかを考察する．
**キーワード [#de2b3833]
"Time series forecasting,
Stock price,
ARIMA,
Support vector regression,
Genetic algorithms"
**キーワード [#aab6c073]
"長期記憶性,
注文流,
マーケットマイクロストラクチャー"
**論文 [#k73e3dac]
**論文 [#v2eb19a5]
//(3月9日以降に公表いたします)
//&ref(15_SIG-FIN-28.pdf);
//&ref(16_SIG-FIN-28.pdf);
(J-Stageにて公開する予定です)
![[PukiWiki]](image/banner.png "[PukiWiki]")
