AIによる株式投資3カ月で100万円上級【今後10年間で機械学習は資産運用業界にどのような影響を与えるか?】

農業における機械学習の利用は驚異的である。

自動運転のトラクター、ドローンによる不規則な土地のスキャン、センサーによる牛への給餌や必要に応じた養分の投与、遺伝子組換作物、衛星画像による収量の推定などである。

同様に、10年後には、機械学習は資産運用業界の重要な側面になっているだろう。

農業と同じく、こうした変化は一朝一夕には起こらないかもしれないが、進むべき方向は1つしかないことは明らかである。

経済データは大きくなる一方であり、コンピュータはさらに強力になるだろう。

ほとんどの資産運川会社は、進化をしないか、あるいは「お告げ(Oracle)」アプローチの危険性を十分に認識せずに拙速に未知の世界に飛び込むことで失敗するだろう。

思慮深く責任をもって進化することで成功する資産迦用会社は、ごく一部にとどまると思われる。

今後10年間に機械学習はファイナンス学界にどのような影響を与えると思いますか?

物理学者が、自然界の基本法則が常に変化している宇宙で理論をつくらなければならない場合を想像してみよう。

あるいは論文の内容がその研究対象そのものに影響を与える場合。あるいは実験が事実上不可能な場合。あるいはデータが高価でシグナルが弱く、研究対象のシステムが非常に複雑な場合。

このような逆境のなかで、ファイナンス学者たちがあげている成果に、大変感心している。

機械学習は学者たちに多くを提供してくれる。

第一に、機械学習は、裁定の力が引き起こすノイズの海のなかからぼんやりとしたシグナルを見つけるために必要なパワーと柔軟性を提供してくれる。

第二に、機械学習は研究プロセスを次の2つの段階に分離することを可能にする。

関数形に関係なく重要な変数を探索すること、それらの変数をひとまとめに扱う関数形を探索することである。

Lopez de Prado (2019b)は、小さな仕様エラーが研究者をミスリードして重要な変数を排除してしまうことを実証している。

仕様探索と変数探索をデカップリングすることの妥当性は強調してもしきれない。

第三に、機械学習は人エデータを川いてシミュレーションを行うことを可能にする。

これは、実験室のない金融の世界では、実験に近いものといえるだろう。

いまは金融システムの学術的な研究を行ううえでは非常に刺激的な時代であり、より多くの金融研究者が機械学習を利川することで、大きなブレイクスルーが期待できる。