クウォンツ運用部とのデータ共有

・本ページのコンテンツ全て，クウォンツ運用部のメンバーなら断りなく利用して頂いて構いません．
・解説をご希望であればお気軽にお申し付けください．
・資料が見れない等の不具合があれば，鈴木 (tomoya.suzuki.lab@vc.ibaraki.ac.jp) までご連絡ください．

【集合知AI】

・新規情報: [作業メモ] <-- 新規情報はここに時系列順に書き込んでいきます．
・概要スライド: [概要]
・IFTAジャーナル掲載論文: [論文]
・PhysicaA論文: [論文] <-- ニューラルネットではなく手軽なk近傍法を使った場合. その他は集合知AIと同一です. これが最初の論文でした.
・作業ロードマップ:

　1. 再現検証
　[済] 1.1. MATLABとpythonの機械学習パッケージの挙動確認
　[済] 1.2. 先生側の分析データと当部保有データとの照合
　　1.3. 鈴木先生のMATLABコードのpythonへの移植 <-- Matlabは参考程度にしつつ，pythonでゼロから作った方が簡単かもしれません．
　　1.4. pythonによる分析結果と先生側の分析結果の照合 (一致したら完了) <-- バギングにランダム性を伴うので完全には一致しません．
　2. 追加分析、モデル改良
　　2.1. 1.4.の結果の追加分析
　　　流動性チェック、ファクター属性チェック
　　　約定ラグの影響度分析(始値 → 終値にしたらどうなるか)
　　2.2. 他の集団学習の実装
　　　ランダムフォレスト、勾配ブースティング、k近傍法+バギング
　　2.3. 入力変数の追加(マクロデータetc?)

【ナイトメア★アノマリー】

・標準偏差による異常検知: [概要] [参考論文]
・オートエンコーダによる異常検知: [概要] [参考論文]
・追試用資料（準備中）: [MATLABプログラム] [利用データ] [フローチャート]

【AI予測のリスク分散ポートフォリオ】

・全部入り解説: [博士論文] [要約スライド]
・参考論文: [第1論文] [第2論文]
・前処理として主成分分析を施すと，ノイズ低減効果によりAIの予測精度が改善します (運用成績も向上) : [投稿中論文]
・追試用資料（もしご興味あれば準備します）: [MATLABプログラム] [利用データ] [フローチャート]

【学外セミナー資料】

(1) データサイエンスセミナー（6時間 × 3days）

第3回がオススメです．第1回と第2回は飛ばしても構いません．
[第1回] 統計学基礎～仮説検定: [テキスト] [ソースコード] [付録]
[第2回] 回帰分析～主成分分析: [テキスト] [ソースコード] [付録]
[第3回] 時系列解析～機械学習: [テキスト] [ソースコード] [付録1] [付録2]

(2) 人工知能セミナー

AIの歴史と最新事情: [テキスト]

(3) テクニカル分析セミナー

[第1回] テクニカル分析の科学的アプローチ: [テキスト]
[第2回] 「行動経済学」による効率的市場仮説への反論: [テキスト]
[第3回] 「物理学」による効率的市場仮説への反論: [テキスト]
[第4回] 金融市場のおけるフラクタル性とカオス性（多くの人がフラクタル性について誤解しています！）: [テキスト]

研究室のHomeに戻る