AIによる株式投資3カ月で100万円上級【さまざまな機械学習アルゴリズムについて議論しないのはなぜですか?】

目的は、ファイナンスで使われている膨大な機械学習アルゴリズムを読者に紹介することではない。

2つの理由がある。第一に、これらのアルゴリズムを体系的に解説するための長編の教科書はすでに存在しており、新しい1冊を加える必要性はほとんどない。

優れた参考文献としては、James et a1. (2013)、Hastie et al. (2016)、Efron and Hastie (2016)などがある。

第二に、金融データには特定の厄介な問題があり、プロジェクトの成否はこれを理解することにかかっている。

いったん特徴最を設計し、問題を正しく定義することができれば、アルゴリズムの選択が米たす役割は比較的二の次
であるといえる。

第二のポイントを例で説明しよう。

3の変化を予測したが、実現した変化が1であったアルゴリズムと、1の変化を予測したが、実現した変化が-1であったアルゴリズムを比較してみよう。どちらの場合も予測誤差は2である。

多くの産業応川では、この両者の誤簾の問には無関心であろう。

しかし、金融の場介はそうではない。最初のケースでは、投資家は予測された利益の3分の1の利益を得るが、2番目のケースでは、投資家は予測された利益に等しい損失を被る。

サイズを荊則できなかったことは機会損失をもたらすが、符号を予測できなかったことは実現損失をもたらすのである。

投資家は、機会損失よりも実現損失のほうにはるかに多くのペナルティを課す。

結果の符り・を予測することは、結米の大きさを予測することよりもj収要であることが多く、金融分野で回帰手法よりも分類器が好まれる理山となっている。

またファイナンスでは、符り・と大きさが異なる特徴l毆に依存していることが一般的であり、符号と人きさの両方を一連の特徴量の組合せによって予測しても、満足いく結果が得られないことが多い.

他分野から金融に移行してきた機械学習の専門家は、Lopez de Prado (2018b)で説明されているように、問題を誤って定義するなどの根本的なミスを犯してしまう。

ファイナンス機械学習はそれ自体が独自の分野であり、汎川的な機械学習アルゴリズムの議論は問題の核心ではないのである。