AIによる株式投資3カ月で100万円上級【機械学習アルゴリズム】

機械学習アルゴリズムの多くは、もともとクロスセクションのデータのために考案されたものである。

このため、データの時系列特性のモデル化か不可欠な金融分野へは直接適用することがむずかしくなっている。

Advances in Financial Machine Learning (AFML : Lopez de Prado 2018a) (邦題:ファイナンス機械学習)は、金融データの時系列特性を機械学習アルゴリズムでモデリングするという課題を、実務家かつ学者である視点から解説したものである。

これとは別の、よりよい金融理論を構築するためにどのように機械学習を利用できるのか、という課題に取り組んでいる。これは哲学的、修辞的な質問ではない。

金融においてエッジを得ようとするとき、それは他のだれかの体系的なミスから利益を得ることによってのみ正当化できる。

そのエッジを説明する検証可能な理論がなければ、まったくエッジをもっていない可能性が高い。

投資戦略のパフォーマンスのヒストリカルシミュレーション(バックテスト)は理論ではない。

それは、決して起こらなかった過去の、おそらく非現実的なシミュレーションなのである(過去にその戦略を実行したわけではないーだからこそバックテストをしているのだ)。

群衆の集合的な知恵に対抗して利益を出すことができる明確な因果関係のメカニズムを突き止めることができるのは、理論だけである。

その理論は、事実のケースだけでなく反事実のケースを説明する、検証可能な理論であるべきである。

資産運用会社は、取引ルールのバックテストではなく、理論のリサーチに力を注ぐべきである。

機械学習は金融理論を構築するための強力なツールである。